- 精選文章
文章專區
2018-08-015000日後的人類， 如何與當代科技共生？
584 期
Author 作者
郭家銘／本刊編輯。
當機器開始超越人類
無論是手塚治虫所描繪的21世紀仿生人《原子小金剛》 （腕アトム）， 還是電影《機械姬》（ Ex Machina）裡 通過圖靈測試的機器人艾娃（Ava）， 這些動畫與科幻電影中充滿創造性的素材與角色，長年型塑人類的未來，等待的只是被實踐的那一天。
《時代》（ Time）曾在相關報導中提到，Google 技術 長喀茲威爾（Ray Kurzweil）根據摩爾定律（Moore's law）推斷，在1900年代1000元美金可購買約等同昆 蟲的電腦運算能力，到了2025年其已成長到相當於一 個人類大腦，若摩爾定律持續有效，則人類與機器性能 交界「奇異點（singularity）」 將於2045 年到來，這 波機器人革命的結果將會超乎人類的想像。
改變人類的竟是數學
解析過往的電腦與AI應用，其層面之廣，舉凡科學實 驗、電腦繪圖、火箭發射或區塊鏈等都能見其身影，然這些與當代社會息息相關的生活科技究竟是何方神聖？東華大學應用數學系副教授魏澤人從藝術領域出發，提 到包含圖層的向量運算、壓製JPEG檔、RGB顏色相加、 高斯模糊和魔法棒等工具，其實充滿著函數值的魔法。
再往前點看，可以發現數學在這場科技的「超速飛行」裡扮演著很重要的角色，而且也並非只是由數字、算式組成。這門在一般大眾眼裡不知有何用武之地的學 問，在人工智慧裡的成就，可從機器的深度學習（deep learning）開始說起。
在一片應用程式海與機器人戰隊的背後，很多事情最終追求最佳化（極值）的答案，而解決這個問題的方法正是微積分、線性代數及統計。在 AI 裡，一般神經網路會先作正向傳播 （forward propagation）然後取得誤差 （error estimation）， 將最終結果進行回傳（backward propagation）， 而後使 用梯度下降法、連鎖法則等方式求得最佳權重，這些東西就是微積分中的微分。
許多人看到這些名詞便感到相當頭 痛，然正如數學家馮紐曼（John von Neumann）所言：「如果人們不相信數學很簡單，那 只是因為他們沒有發現生活有多複雜。」 若要把諸如吃飯、購物、旅行等日常生活化約成一個個的公式，數學顯然簡單許多。
茫茫資料海中，我們優雅潛行
利用這些「簡單的數學」所打造的人工智慧，輔以數據資料進行分析，便能隨時間得到許多有用的資訊。意藍科技創辦人楊立偉表示，大數據就像待人開採的油田， AI則是煉油的工具，至於會煉出什麼東西，還得看人 們是否密切掌握工具技術、對演算法是否有一定程度的了解，提煉的內容也須回歸產業的核心知識。
根據IBM 2005~2008年的調查報告指出，人類有90％ 的資料是近2年產出的，而這些資料在未來只會產生得 越來越快，也因此培養AI時代的素養也成了時勢所趨。 另外，資料科學家普遍認為，在想事情時需要有連結、邏輯與程式化的概念，才能在段時間內組織許多應用。
當技術的概念與方法有了以後，就要將不同的專業領域 （domain knowledge）連結起來，如楊立偉助理教授過去 在輿情分析與預測某事件爆發的經驗中，就運用組織裡其他專業人士的方式、跨領域解決問題，無論是用傳染病學模型分析輿情，亦或是以社會學中群體歡愉現象來預測事件爆發，這些都不是資工背景的專業能掌握的訊息。
生存之上，生活擺盪
人工智慧作為一種產生「複利」資訊的工具，除了讓人們能在短時間內得到海量得資料外，更可透過資料分析得到其它功能，如同機器也在思考一般。……【更多內容請閱讀科學月刊第584期】