【AI vs人類】
美劇《Westworld》熱播，PS4亦有遊戲《Detroit Become Human》推出，AI人工智能機械人成為科幻故事的熱門題材。早前Google示範AI扮人講電話的Google Duplex技術，更是將AI討論帶到高峯。究竟AI會否在未來取代人類，甚至出現機械人智能叛變的情況？只要了解一下目前AI界最火紅的概念：「機器學習」（Machine Learning），大概就能掌握AI的強大和有限之處。
AI指所有能作出類似人類智能行為的機器，單一功能的機械，譬如識辨指紋的「E道」已算AI一例。現在我們常常聽到的「機器學習」（Machine Learning）屬於AI一部份，但卻可能是最有影響力的一部份。顧名思義，機器學習是透過資料和經驗，讓機器學習並找到運行規則，大致上可以分為「訓練」和「預測」兩個步驟。
靠資料分析 學習時間越長越準確
以往要寫一個「分辨垃圾email」的AI程式，傳統方法會單純地用演算法，寫下一大串「If … then…」的程式碼，教電腦定義垃圾電郵，例如電郵中含有某些字眼就被分類為垃圾電郵。如果是採用機器學習，系統會不斷收集垃圾email的資料，分析數據學習，再依學習經驗判斷哪些是垃圾email。在gmail，也是不斷透過用家舉報垃圾電郵，來讓系統的判斷更加準確。情況有如在訓練小朋友給他們看貓的圖畫和照片，久而久之，小朋友在街上見到未在書本看過的貓，也會懂得判斷那是一隻貓。
機器學習將AI由往單靠演算法帶到重視資料和學習的一個大轉向，開發人員毋須把所有可能性輸入，只要資料夠多和給予時間，機械便能自我學習，而且學習的時間越長，預測和判斷的能力就越準確。透過機械學習，我們能教曉電腦機器像人類般感知圖像和聲音，例如「最經典的辨認手寫數字」例子：輸入足夠多的手寫數目字0至9的資料，電腦會分析出每個數字的不同特徵，當比對輸入圖像時，電腦逐粒分析圖案的像素再判斷，例如「一個橢圓形符號」的符號會判定為「0」字，「垂直的一劃」會判定為「1」字。過程有如圖像刺激人眼的視網膜，電腦就看每粒像素的資料再比照學習資料的特徵做判斷，背後的架構起稱為「人工神經網絡（artificial neural network）」。
毋須人類監督 AI自拼貓樣
一般的機器學習通常要靠人教曉電腦一些判準，例如要教電腦學識分出「貓」的圖片，就要先告訴電腦「貓」的特徵「四腳、尖耳、有鬚」等等。不過近年發展出的「深度神經網絡（Deep Neural Network）」，讓電腦在沒預先教導的情況下自行歸納出特徵。
Google 於2012年做了一個「貓辨識實驗」，由 YouTube影片中取出1,000萬張圖片，由1,000台電腦（16,000個處理器）運行一個深度神經網絡。AI在事前完全沒有被告知甚麼是貓、貓有甚麼特徵的情況下，運作了三天，成功自行將「貓」的圖像歸納為同一個概念。一般會以「深度學習（Deep Learning）」來形容這種在沒有監督的情況下，自行分析特徵值的機器學習。
結合AI優勢 思考對人類衝擊
只要輸入足夠多的資料和有足夠的運算力，電腦便能夠自學。比如說Alpha Go不斷自我對弈學習，增強棋力；Google自動駕駛汽車Waymo也有500萬公里的模擬駕駛經驗。不過就算是「深度學習」，也和有情感和有意識的AGI（Artificial General Intelligence）相距甚遠。透過「深度學習」，AI能訓練出遠勝人類的圖像和聲音的分析力，但每一個AI應用還有欠全面，情況有如訓練緝毒犬，牠們有着驚人的嗅覺，經過訓練的犬隻緝毒比單用人力更有效率，但就只能應付緝毒工作。就以震驚世人的Google Duplex為例，它能夠傾電話的內容也只有三種：預約剪頭髮、預約餐廳和查詢店舖於假日的開放時間。
記者於早前舉行的Google I/O參加了由Google雲端人工智能暨機器學習首席科學家李飛飛（Fei Fei Li）主講的「創建未來AI」講談。她談及透過機械學習，AI目前已經踏入Phase 2，人類一方面要思考怎樣結合AI的優勢，例如運用AI勝過人類的圖像分析能力去幫助醫療科技；另一方面亦要思考AI科技對人類的衝擊。她指「人類傾向高估短期影響，但就會低估長期發展」，目前為距離有意識、有感情的「強AI」或者「AGI」（Artificial General Intelligence）仍有距離，但透過科技的進步和更強大的電腦運算力，AGI是絕對有可能出現的。
記者/攝影：司徒港燊（部份相片來自互聯網）