由人工智慧到人需智慧

yufenlin@G

	【欲閱讀更豐富內容，請參閱科學人2019 年第 208 期 06 月號】 當電腦能滿足人類需求，便可贏得人類的信任，從而讓我們的生活更有「智慧」。 撰文／林軒田 重點提要 ■巨量資料、高速硬體運算、機器學習技術推動了人工智慧的新革命，成為解決人類需求的新利器。 ■在這波熱潮中，人們優先需要的人工智慧並非全知全能、永不失誤、絕對精準的。人們只在乎這個系統好不好用，「好用的就是智慧」。 ■近年，人工智慧有三個非常值得關注的發展方向：常識與創造力、互動性、可解釋性。 「人工」智慧在中文裡似乎不是個特別討喜的名詞，聽到這個詞的第一印象，可能是某種反自然的機械怪獸（即使當代人工智慧與電影裡的那些幻想毫無關係），也可能是某種化學合成的食品添加物（雖然科學告訴我們適當使用添加物其實對健康無害）。在歷史上的兩次寒冬之後，當代人工智慧伴隨著巨量資料的成長、高速硬體運算的發展，以及機器學習技術的成熟與深化，帶動了一波新興的應用革命，讓人工智慧不再是科幻小說中的想像，也不再是教科書中的紙上談兵，而是能隨著數位科技的發展，解決使用者與企業切身的需求。或者，更明確地說，當代人工智慧，其實就是「人需」智慧。 好用的就是智慧 在人需智慧的想像下，我們會發現人們優先需要的，也許不是全知全能的人工智慧：我們不需要可以回答「先有雞還是先有蛋」這種腦筋急轉彎問題的家用語音對話系統，但我們需要它能正確告訴我們今天的天氣；我們會發現人們優先需要的，也許不是永不失誤的人工智慧：在機場服務的自動通關系統，可能偶爾會臉孔辨識出錯，讓我們無法順利通關，但只要配合適當流程協助及風險控管，這個系統還是可以為大多數人提供便捷服務；我們會發現人們優先需要的，也許不是絕對精準的人工智慧：在我常瀏覽的購物網站上，商品推薦系統也許永遠沒辦法知道我最想買的東西是什麼（大部份時候，我自己都不知道），但只要能達到「雖不中亦不遠矣」，它還是能協助大部份使用者獲得更好的購物體驗，進而幫助電子商務公司提升獲利。 舉例來說，在我的「智慧」型手機上，我覺得最聰明的一款應用程式，是選購紅酒的輔助系統，只要鏡頭對著酒標一照，它就會顯示出這瓶酒的相關背景，並列出平均價位與消費者評分供我參考。這個系統距離全知全能十分遙遠，只要把紅酒換成清酒，系統就沒辦法給我任何建議；這個系統也不是永不失誤，總有那麼一兩次，它對某些資訊不大明確的酒標就沒辦法正確辨識；這個系統更非絕對精準，至少到目前為止，它沒辦法準確告訴我哪瓶紅酒會比較適合我今晚的心情。但當我站在超市的酒架前面，苦惱著不知道如何選酒的時候，這個輔助系統總能讓我覺得「啊！它真聰明、真好用」。其實到頭來，對於使用者來說，我們不在乎這個系統像不像個真正的紅酒專家，我們也不在乎這個系統裡到底用了多深、多厲害的技術，我們只在乎這個系統好不好用，「好用的就是智慧」。 雖然當代人工智慧就是人需智慧，但「人需」這個切入點，倒不是當代才發展出來。其實早在1940年代，人工智慧與電腦科學的祖師爺涂林（Alan M. Turing）所開發出來的德軍密碼解碼器（電影「模仿遊戲」的故事主軸），就已「智慧」地解決了當時（戰爭）的「人需」。從那之後，人工智慧的技術持續發展，試圖滿足各式人需。 但滿足人需的過程並非一帆風順，舉例來說，涂林當時破解密碼所用的技術，是試圖在不同密碼組合中搜尋出關鍵組合，這樣的技術在1980年代受到嚴重質疑，因為人們認為當時的技術充其量只能在一些小規模「玩具」問題上得到成果，無法解決現實世界中人們所需要的複雜決策組合。當技術與人需產生落差的時候，就導致歷史上人工智慧所謂的「寒冬」，因為人需無法獲得滿足，人們對技術失去了信心，進而不願投入充足資源來積極拓展技術。 合理而適度的期待 以歷史為鏡，當代人工智慧與先前最大的不同，除了技術的大幅開展，而能駕馭巨量資料帶來的力量之外，人們也學會了給予人工智慧合理而適度的期待，由「可行」的人需開始，而非一步登天想讓電腦挑戰所有的人需。把研究與開發聚焦在這些可行的人需的時候，就會有越來越多的成功案例，形成信心的正循環，把更多資源用於拓展技術，再一步一步面對新的技術挑戰。 舉例來說，我在撰寫這篇文章的當下，也聽著數位音樂串流服務，它能夠以我喜歡的歌曲為基礎，自動生成專屬於我的「數位電台」，連續把我可能會喜歡的歌曲推播出來。如果你有讀過我在2012年時為《科學人》所寫的〈從資料之海撈出冠軍杯〉，那麼可能會回憶起：當年我們台灣大學的隊伍獲得世界冠軍的比賽題目，正是要準確預測使用者是否會喜歡某首歌曲。不過要生成符合人需的「數位電台」，預測使用者的喜好只是第一步較為「可行」的技術，而一個好的電台可能還得確保不同歌曲的曲風具連續性，不會一下子就從「派對動物」跳到「知足」──即使這兩首都是五月天的創作，而我也都非常喜歡；又或者得搞清楚「最近比較煩」這首歌，在不同歌手不同專輯中重複出現──如果在電台連續推播這「幾」首我所喜歡的歌，大概算不上符合人需的使用者體驗。智慧分析歌曲曲風、自動偵測重複歌曲，都是人需智慧中所謂「新的技術挑戰」很好的例子。......                                                                                                                                                         【欲閱讀更豐富內容，請參閱科學人2019 年第 208 期 06 月號】