淺談人工智能

當Deepmind的AlphaGo在圍棋領域戰勝人類世界冠軍,人工智能開始引起廣大的關注。其震撼之處在於自我學習,據聞圍棋的變化,數量高於已知宇宙空間的總原子數量。以目前最強的超級電腦及配件計算,算盡圍棋變化要不下於十年。而人工智能能在自我學習的機制下,掌握圍棋勝負技巧,並完勝人類世界冠軍。是以往意想不到的電腦科技。

據人工智能研究學者指出,人工智能學習圍棋的方式,不是真的學習圍棋,而是學習無數張圍棋的照片以不同維度不斷拍攝、複製及學習,統計勝負的機率。其相關的人工智能技術包括,人面識別、相片識別、瞳孔辨識等,其實原理大致相同。通過大量的照片學習、對比、拍攝,輸出識別及策略上的結果。

因此。人工智能在征服網絡遊戲時,面臨的困難出大上好幾倍。因為網絡遊戲RPG的格數比圍棋更加多。即相關的變化令人工智能需要學習的圖片數量以幾何級別提高,並且包含各個按鍵。看似對人類很容易掌握的遊戲,卻成為人工智能學習的一大阻撓。

相反人工智能在征服生物學領域,在生物學圖片的認知比賽場榮獲多項獎項,擊敗多位生物學者。對人類極困難的範疇,反而對人工智能的學習上更為容易。

概括而言,人工智能必需要有一系列的學習素材,並有一項固定的目標,才能進行人工智能研究。相關領域可在醫學、圖片認知、策略性遊戲及競技項目、投資項目,甚至公式化的文字類工作,如新聞稿等,能提供大量的學習素材,均是人工智能,發展的潛在方向。

反之無既定目標或優劣標準的項目,以目前的人工智能技術,幾乎難以涉及。如需要論證的數學、哲學、社會科學等,均是人工智能學者難以入手的課題。

所以對大部分人工智能學者而言,所謂的人工智能衹是一項學習圖片,或大量數據的程式,最後並根據既設定的優劣標準而產生答案和動作。與大眾所幻想的,真正全面人工智能距離甚大。畢竟人類是一個難以用數據表達的生物。

因此在認知人工智能範疇上,要先理解該範疇是否有既定的優劣標準,如圍棋要贏、投資要獲利,並且能夠提供大量的學習素材。那該方面的人工智能便有機會發展。

另一項問題也有有人提及人工智能難以全面取代人類職業,因為人工智能會有錯誤(bug)及不懂變通的可能性。實質,如果人工智能足夠強大,是有可能全面取代人類的,因為犯錯只是一個機率。專業的醫生也會有醫療事故,再仔細的核數師也會有錯算的時候。只要其錯誤的機率低於人類,便足以取代人類。

=============================================

貿易戰攻守自在策略部署講座 - 名額只限60位

第一場:2019年6月18日(星期二) 
第二場:2019年6月28日(星期五) 
地點:旺角彌敦道557-559號 永旺行商業大廈 12樓
時間: 19:30 至 22:30 (19:00 開始登記)

立刻報名精彩講座,座位有限,請速報名: shorturl.at/suDLR

主講嘉賓:朱晉民老師 皓丰投資教育創辦人 

iMoney 專欄作家

新城財經台 <即市搏擊> 節目主持
曾獲邀到港交所擔任講座嘉賓


2019-06-03

發表評論

請先 登入註冊