- 精選文章
文章專區
2020-12-01實現未來科技生活的樞紐 大數據
612 期
Author 作者
曾耀寰／中央研究院天文與天文物理研究所研究副技師，本刊理事長。
最近幾年全世界最熱門的科技就屬人工智慧（AI），但人工智慧並不是這幾年才出現。早在1956年，一場在美國達特茅斯學院（Dartmouth College）舉辦的會議中，美國計算機科學家麥卡錫（John McCarthy）提出人工智慧的說法，並給予明確的概念：「如果程式能夠根據已知數據和指令，自主推斷出可能導致的各種直接結果，我們就說這程式具有常識（common sense）。」
這樣的程式與一般程式的不同之處在於它能自主推斷，以往程式是根據程式設計師的要求，照著指令一步一步準確地執行，就像汽車工廠內的自動化製造，每隻機械手臂的動作都是依照程式設計，精準無誤地完成應有的動作，沒有意外之舉；但一個具有人工智慧的程式能像人類一樣學習，機械手臂就能根據現場影像判讀，將上個流程沒有做好的汽車零件從生產線上移除，就像以前的現場工人一般，挑出瑕疵並進行補強。麥卡錫也在當時提出人工智慧的最終目標，是讓程式能像人類一樣有效地學習經驗。
類神經網路打造人工智慧
人工智慧的發展經過數個階段的大起大落，主要都與核心技術的演變有關，由於發展當下能夠配合的軟硬體還跟不上腳步，人工智慧從1956年以來，始終跌跌撞撞，終於在2017年由Google開發的AlphaGo深度學習技術，擊敗了世界圍棋第一高手柯潔而聲名大噪後，人工智慧成了家喻戶曉的大熱門。深度學習的底層核心技術是類神經網路，這是模仿人類大腦的神經運作系統，當接收外部資料後，經過一連串複雜的神經元處理，得到一個可以進一步處理未來外部變化的模式，這個方法對於人來說，就成了知識。
在深入追究類神經網路到底是如何學習人類，我們只能說人工智慧的深度學習方式和人類並不太相同，或是科學家對於人類的意識仍處在迷團當中，即便是猶抱琵琶半遮面的長安倡女，看過一眼仍有辦法辨識，這是多麼地奇妙。在不清楚人類的認知模式之下，又遑論深度學習和人類認知之間的差別，但我們知道若要成就人工智慧，大量的數據絕對是關鍵。
大數據是人工智慧的發展關鍵
大數據是指數據量很大很多，又稱巨量資料。由於資料本身很難定義，舉例來說，一早起床，我們眼睛張開就會看到各式各樣的數據，光是進浴室的清潔動作，使用的牙刷牙膏的過程都可以是數據。一個都市有多少人使用傳統牙刷？多少人使用電動牙刷？而牙刷數量的統計可以成為一種數據，什麼時候進行刷牙的動作也可以是數據，哪類型人的刷牙時間更是數據。只要想得到，任何事物都可以變成數據。
但近年來對於各種數據的擷取和儲存有了跳躍式的進步，電腦速度的進展藉由摩爾定律（Moore's law），大約每隔18個月，速度就會增加一倍，這是根據經驗所算出的數值，主要是在積體電路的製造上，所含的電晶體數量增加一倍，計算速度自然也增加一倍。在數據儲存量，從1980年代開始，大約每40個月就變成兩倍。2012年，每天大約有2.5艾位元組（EB，1018位元組）產生，預測到了2025年，每天則會有163皆位元組（ZB，1021位元組）。也就是說在2025年，現在市面上可以買到10 TB（1013位元組）的硬碟，每天最少需要生產100億顆來儲存資料。
雖然資料本身難以定義，但大數據有四個特性，包括資料量龐大（volume）、資料型態多樣（variety）、資料處理速度快（velocity）和資料具真實性（veracity）。也就是說，現在的科學家面對的是又多又雜的數據，並要能迅速從中取出正確的數據，並進一步找出數據間的模式，作為預測未來的根據。20世紀末，網際網路將全球各地的資訊資料和服務連接起來，數據始終存在，但由於人工智慧的強烈需求，一時之間，大數據變成了當紅炸子雞。……【更多內容請閱讀科學月刊第612期】