Monday, November 2, 2015

一起追尋「人工智能」聖杯

(轉載自CUP magazine 2015年11月號)

# I Want to Change the World #

在矽谷如有人說自己是consultant,他多半是unemployed;說自己unemployed,多半是賺了過億身家,打跛腳下半生也不憂的隱形富翁,但他們大部份依然熱愛工作,為追求自己興趣和理想。而人工智能(Artificial Intelligence,AI),近今,不單是矽谷人的熱門理想,更是人類的迷思!

矽谷人就是抱著這樣的一個樂觀生命意識形態,沉迷和堅持自己相信的,努力工作,以”I want to change the world”為己任!無論是剛畢業的電子工程師、初入職的編程員、醉心實驗室研究員、經驗老到的大學教授、風險投資者、startup CEOs與及已可呼風喚雨的科技大亨如Zuckerberg、Page、Musk和Bezos等,他們內心深處無不有這把火 —— I want to change the world!

歷史上,人類經過四十年前始初PC洗禮,進入了今天人手一機(相等於三十年前超級電腦)時代,不知不覺間,亦墮入網絡全天候監察世紀;加上近十多年AI突破性發展,George Orwell 1984小說中虛幻情景已是明日黃花,Charles Stross科幻小說Singularity三部曲之一的Accelerando才算有點瞄頭,因為我們嗅到AI將來應用,何止可以Change the World,更可能Change Mankind甚至 Destroy 所有Homo Sapien 這「聰明人」屬種!難怪引起一些科學、電腦、歷史政治、社會、心理和哲學家等醒覺甚至恐懼,紛紛出書似非要喚醒世人不可。

John Markoff的Machines of Loving Grace : the Quest for the Common Grounds between Humans and Robots,作者是紐約時報記者,透過訪問科學家、工程師及黑客等,從人性出發(因為他相信每種發明背後定反映發明者的內心價值),試圖找出目前困擾人類對AI迷思的一新悖論(Paradox)。

這悖論由來卻很順理自然,電腦本來就是協助人類做些繁瑣工作例如計數、分類儲存、執執漏漏和勞力傳送等,好讓留多點時間人腦做些要用腦思考的事情,例如「點樣可以揾多的錢」!美其名是刺激經濟或改善生活。就算是現今的電子秘書、GPS地圖、實時翻譯等一大堆apps,也只是人類好幫手,嚴格上只算是Intelligence Augmentation(IA),人類智能才是主導。

回顧1955年John McCarthy鑄出個Artificial Intelligence(AI)名詞,目的是用科學工程創造一些有「智慧」的機器,開始時局限於硬件尤其是微處理器速度不夠快,只有理論,沒多成果;Moore’s Law(每隔年半微處理器速度增快一倍)實現,累積發展下來,近年AI軟件愈出愈多,機器真的比以前「聰明」得多。無人駕駛自動車、無人飛機、智能雪櫃、智能地毯,智能機械人、乜都智能,人類的主導權被削弱,將來我們豈不是在全方位智能機器金剛罩下生活?

且慢,還有變本加厲之勢。近月石破天驚地,IBM把2011年曾在電視問答節目Jeopardy!打敗人類的Watson電腦(用的是Cognitive Computing技術),透過雲端服務,公開一些軟件工具給全球有需要開發不同AI應用的公司使用(Watson核心技術當然仍是IBM的天大秘密),馬上引來三百多間公司參於此計劃,其中包括醫療顧問公司@Point of Care、專接破產事務律師所Ross Intelligence、佳餚美酒配搭專家Wine4me和甄選應徵者的薦人館UnitesUs等。如這計劃成功,未來一兩年,林林總總應用AI軟件定必全球滿天飛!

# 從低B的IA到超智慧的AI #

矛盾的是,正如以上所說,機器本來是幫助人類加速工作效率,或執行一般人做不來的工作例如認相、認人、多語言翻譯、占卜算命等,當然應該是愈多、愈快、愈準愈好,但如今發展下來,人類已發覺面對可能一天連自己也會被機器取替的危機,例如很快一般醫生和律師也可用機器代勞!這悖論便是究竟我們是否要規限和「㩒住」AI發展,令AI不能超越IA的原意;IA和AI之間應否有條線分隔開?

對此,當今科學家意見分兩大類,一類只顧埋首IA(例如製造唯命是從的機械人),認為這是改進人類未來生活的硬道理;另一類像走火入魔,認為超智慧(deep thinking)才是人類追求AI最終目的,不顧可能引起道德人倫敗壞,甚至發動大規模數碼戰爭,誅連滅族惡果!把人的官感思維全抽出來重組在機械人身上,還不斷加強能耐,這機械人才稱得上有智慧,具預測和防衛能力,當然「順風耳」及「千里眼」是標準配備!唬人嗎?這天會不會來臨?無人可知,看來愈來愈近!人類將來如何與機械人(包括低B的IA,和超智慧的AI)和平共處,正是此書試圖推臆的。但全書並無深入闡釋AI技術。

真正要深入了解AI技術,當然要上課。但現實上,近年AI的放射性發展,的確引伸出許多例如Machine Learning、Big Data、Cognitive Analytic、Neural Networks、Cognitive Systems和Genetic Algorithm等一大堆令人摸不著頭腦的相關專有學科。不要緊,以上所有名詞都是指AI不同應用,不同途徑而已,隨時過氣或增減。就如PC初出爐一樣,名詞未統一;而且,研究AI還在起步階段,絕無對錯之分,各師各法,只有不斷嘗試成功或失敗,發展空間非常大。可幸的是,今天如要踏入AI門檻,比以前來得包容、寬大、開放得多,有興趣每人都可在線上修讀Machine Learning。甚麼是Machine Learning?畢加索說過:「電腦冇用,它只懂給我答案!」如果你能令電腦創作,那便是Machine Learning!

在Coursera課中我遙距認識到三大名師(皆為美國頂尖大學外裔教授):1976年在倫敦出生,他爸爸是位香港醫生,現任史丹福大學電腦系副教授,同時亦是百度公司首席科學家吳恩達Andrew Ng;加州理工學院埃及裔Yaser S. Abu-Mostafa博士(他的Coursera課,現已遷至edX,留守Coursera的是他前同事現為國立臺灣大學資訊工程系副教授林軒田博士,國語授課),他們合著的Learning from Data一書,能完成書內所有習作,對統計學必須有深入認知。無他,以統計學打開AI一遍新天地,是現今最實用法門之一,例如一些Recommender Software,電腦可從大量資料紀錄,無須預設條件便能找出相當準確匹配,可以是你喜愛的電影、音樂和書籍,甚至終生伴侶!

還有葡萄牙裔現任華盛頓大學人工智能教授Pedro Domingos,他講書最為熱情奔放,乃葡國民族性遺傳?他近日出版了The Master Algorithm : How the Quest for the Ultimate Learning Machine Will Remake our World一書,目的是盡量用淺白文字,借用日常生活例子,揭開AI之謎!顧名思義,全書綱領是Algorithm。Algorithm中譯為演算法,但這未能釋出Algorithm包涵思考途徑潛義;事實上,據當今認知,人類學習亦是透過不同Algorithm使然。是的,每年有上百個新Algorithm發明,每人亦有不同思考Algorithm,Domingos教授就是把它們歸納成五大類Learning algorithms(簡稱為Learners),即五種學習方法(從而灌輸機器學習),再以五族人名分別稱之為Symbolists(這族人是靠逆轉推理,從哲學、歷史、邏輯上已知的學問反過來學習)、Connectionists(靠像腦神經元網絡相連起來學習)、Evolutionists(像用電腦模擬進化過程中學習)、Bayesians(這族人相信學習是統計學推斷出來的結果,不斷更新統計數字可完善學習)和Analogizers(相信學習是靠模仿,有樣學樣,愈多樣學得愈多)。而Domingos的理想學習大同世界,最終是要找出一個正如書名Master Algorithm —— 結合所有學習模式的Algorithm,還盛意拳拳邀請讀者一起參於追尋這人工智能聖杯!

看來,AI神秘面紗已揭開,AI今天亦不是甚麼國防部專家才可窺睹的秘密。說到底,人類怎學習本來只是一條古老哲學問題,對我們一般人而言,答案似乎義意不大;從實用角度看,現今以IBM為首陸續推出AI工具,我們只要坐上這AI列車,花些心思多想些AI新應用,說不定,實用的人工智能聖杯可能已近在咫尺,你我也可以Change the World!(完)