当人类智慧碰到人工智慧
当人类智慧碰到人工智慧。(示意图／达志影像shutterstock提供)
★ 辨识一张图片居然比训练出AlphaGo还要难？
★ AI不止可以下棋，还能做法律咨询？
★ AI也能当个称职的批踢踢乡民！
人工智慧一词首度于1955年被提出，在二十一世纪的今天已普遍被认为是影响未来人类社会发展的关键技术。
人工智慧之父图灵认为人工智慧可借由模仿人类智慧，从符号逻辑的推导与知识结合达成，但这个方向的人工智慧并没有获得巨大的成功。而进化至今的人工智慧，是建构在以巨量资料和统计为基础的机器学习与深度学习之上，二十一世纪的人工智慧早已聪明地渗透在你我生活中。
本书收录台大科学教育发展中心「探索基础科学讲座」的演说内容，主题围绕「人工智慧」，将从机器学习、资料探勘、自然语言处理及电脑视觉重点切入，并重磅推出「AI嘉年华」，深入浅出人工智慧的基础理论、方法、技术与应用，且看人工智慧将如何翻转我们的社会，带领我们前往智慧新世界。
【精彩书摘】
汇整／叶珊瑀
人们将1950年图灵(Alan Turing)提出图灵测试(Turing testing)，视为人工智慧（artificial intelligence，简称AI）的研究开端，图灵也被视为人工智慧之父。当今人工智慧蓬勃发展，和当初图灵所想的已有落差，差距究竟何在？林守德教授以三个大问题切入：
1.人工智慧是什么？至今走了多远？
2.人工智慧离终点还有多远？人类智慧是否接近人工智慧？
3.人工智慧能带人类走多远？走向哪种未来？
▲图1-1 AI的三起二落。随着软体与硬体的发展，目前正在不断地起飞。(图/三民出版提供)
人工智慧是什么？至今走了多远？
AI是个很有趣的学门，跟网路、半导体等等，发展起飞以后停滞的领域不同，AI有起有落，可归纳为「三起二落」。之所以有这样的变化，是因为人们一直没有完全探索完毕这个领域，每一次的「起」都是因为有新的技术开发，做得小有起色，给大家很高期待，觉得AI这个题目应该破关了；然而过了一阵子发现这个技术仅能解决部分问题，热度就会削减。当新的技术再起，讨论度又会上升。林教授认为，在人类还没有办法做出跟人类很像的人工智慧前，这个起落会一直下去。
林教授首先回归AI历史来看，探讨不同时代对AI各有不同诠释。
电脑时代前的形式推理
在十七、十八世纪，莱布尼兹(Gottfried Wilhelm Leibniz)、笛卡尔(René Descartes) 、霍布斯(Thomas Hobbes)、罗素(Bertrand Arthur William Russell)等人心中所想的AI为形式推理(formal reasoning)，重要的哲学家思考把数理逻辑机械化、系统化描述的可能。有些部分是成功的，包含后来的哥德尔不完备定理(Gödel's incompleteness theorem)。但这也受到质疑，例如智慧不只是推理。
1950年代的图灵测试
到了1950年代，图灵提出的「智慧」是通过图灵测试的电脑：
假设有个人正在跟终端机对话，但此人不确定对话对象是谁。人打了一些字，获得一些回馈，若此人无法判断现正与之对话的是人或是电脑，那么这个电脑就通过图灵测试，算是拥有智慧。
这是一个目前尚未成功攻克的目标，例如人们和Siri讲话，讲不到几句就可以猜到它不是真人。对话这件事，听来简单，但其实对于文字、语意需要很深的理解。图灵曾预言在2000年之前电脑发展就可以达成这个目标，如今，我们离这个门槛还有一段距离。当然，渐渐有人质疑「与人对话」作为判断智慧的方式是否适合，毕竟智慧还有其他的表现方式。
语言理解到底多奥秘？林教授分享一个网路流传的笑话：
老师说：我不许你这样说自己。
故事中，学生指的是授课内容，老师指的却是学生。根据情境，同样的语句可能有不同的诠释，即使是人，要理解语言背后含意并不容易，对于AI而言更是困难的。
1960 年代的通用解题器
有人认为AI是用特定的方式来搜寻答案，1960年代西蒙(Herbert A. Simon)、萧(J. C. Shaw)及尼威尔(Allen Newell)提出通用解题器(general problem solver)，认为用搜寻的演算法几乎可以解决所有问题，这个发展也的确解决了一些原本看起来不容易证明的数学问题。
林教授现场透过一个互动网页展示了不同演算法的运用，画面中的绿点、红点，可以搭配不同的演算法搜寻，有直线搜寻的、也有以中心辐射扩散寻找点的，不同的解法会因应不同情境的问题。这些相异的演算法，都是找答案的机制。有的专精在某一方向，有的地毯式检索，有的盲目地搜索。只要答案在空间内，总会搜寻到解答，差别在于花的时间长短。
在现实生活中，搜寻空间通常都很大，如果没有好用的方法，恐怕无法在有限的时间内解决问题。以围棋为例，搜寻空间为10360，以全球所有的电脑从宇宙起源就开始计算至今也没有办法算完。
人工智慧就是擅长游戏的电脑
有人将AI视为擅长游戏的电脑，而AI进展有很大一部分正是因为这些游戏产生的。从事AI的人喜欢玩游戏，原因有三：
1.游戏规则容易系统化
2.游戏的环境以及变数有限
3.游戏可以重复玩
在这样的情境下，电脑可以一直学习、一直尝试错误，变得愈来愈厉害。
并非所有游戏难度都相当，游戏可以区分为两种类型：完全讯息游戏，指可以看到整个游戏牌面者，例如西洋棋、围棋；部分讯息游戏，只能看到自己（或者附近环境），却无从完全得知对手情况，例如德州扑克、星海争霸。这类的游戏因为还有猜测成分，所以更困难。林教授不久前在英国与DeepMind团队交流，就得知AlphaGo目前已经不会继续从事围棋的突破，改以星海争霸为目标。在这个游戏上AI 已经可以达到跟专业玩家同等的程度。
用游戏评价AI 好坏作为判断AI 聪明与否的定义仍然有人质疑，游戏只是人生的简化版，下棋是在给定的空间中完成，但日常生活中的决策常常是更开放的，并没有游戏那么局限，而且人生无法如游戏一般重来，例如自动驾驶在应用上，若是因为失误撞到人，也没有重来的机会。在实务运用上，没有那么多失败的机会可以重新训练AI。仅用游戏评价聪明与否，可能太过简化。
在AI发展的第一波起落过后，接下来将进入第二部分。
(本文摘自《智慧新世界──图灵所没有预料到的人工智慧》/三民出版)
【作者简介】
【台大科学教育发展中心探索基础科学系列讲座】
自1825年起，英国皇家科学院举办了「皇家科学耶诞讲座」，以富有教育性、趣味性的方式，将科学知识介绍给社会大众，提升英国学子、民众的科学素养。无数的学者曾在此讲座中讲授科学知识，而除了在第二次世界大战时曾暂停举行外，这一具有古老传统的科普讲座，至今仍持续不断。
台湾大学科学教育发展中心自2009年起，师法「皇家科学耶诞讲座」，举办「探索基础科学讲座」，借重学养与教学俱佳的科学大师们开讲，与有志探索科学世界的朋友们共聚一堂。讲座的主题与基础科学知识紧密相连，每期轮流就数学、物理、化学、生命科学、地球科学各学门开辟讲题，讲师们仔细清楚的解说科学原理，许多非科学背景的听众们，也能迅速的进入科学世界，体会探索知识的乐趣。
本讲讲师群是台湾学术界关于「人工智慧」研究的各方翘楚：
林守德▸台湾大学资讯工程学系教授
林轩田▸台湾大学资讯工程学系教授
陈信希▸台湾大学资讯工程学系特聘教授
庄永裕▸台湾大学资讯工程学系教授
李宏毅▸台湾大学电机工程学系副教授
李政德▸成功大学数据科学研究所副教授
张智威▸HTC健康医疗事业部总经理．史丹佛大学电脑系客座教授．日本SmartNews人工智慧顾问
陈倩瑜▸台湾大学生物产业机电工程学系教授
杨奕轩▸中央研究院资讯科技创新研究中心副研究员
《智慧新世界──图灵所没有预料到的人工智慧》/三民出版