【淺談人工智能】

DeepmindAlphaGo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原子數量。以目前最強的超級電腦及配件計算圍棋變化要不下於十年。人工智能能在自我學習的機制下掌握圍棋勝負技巧,並完人類世界冠軍。是以往意想不到的電腦科技。

 

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、相片識別、瞳孔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大。畢竟人類是一個難以數據表達生物。

 

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,因為犯錯是一個機率。專業的醫生也有醫療事故,再仔細的核數師也會有錯算的時候。要其錯誤的機率低於人類,便足以取代人類。


— 16.09.2019

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



2019-09-15

發表評論

請先 登入註冊