AI智能自我學習 海量訊息易上手
上周世界排名第一的中國圍棋棋王柯潔出戰谷歌的人工智慧電腦AlphaGo,在本文執筆時柯潔已經輸了兩局,(編者按:周六最後一次對弈柯潔敗陣)。在這次人機大戰前,AlphaGo與人類棋王和頂尖高手對抗70次,只在去年三月輸給韓國棋王李世石一局。柯潔稱AlphaGo第一次出現時有些接近人類,這一次它卻越來越像圍棋上帝了。
人類贏率接近零
圍棋橫直各有十九條線,出現各種棋局數量可達19乘19次方,專家說這個數字比全宇宙存在的原子總數還要大。所以過去圍棋高手認為電腦不可能勝戰人類,直至今年AlphaGo在網上取得六十局完勝後,無人再敢懷疑。最恐怖的是,現在的人工智慧機器懂得自己學習,隨着時光流逝,不斷接受更多資料,將會越來越聰明,人類能贏它的機率更接近零。
今年一月,由美國卡耐基梅隆大學(CMU)開發的人工智慧系統Libratus,在賓夕法尼亞州的Rivers賭場一舉擊敗四名德州撲克冠軍玩家,贏得20萬美元獎金。德州撲克的玩法是一種“不完美信息博弈”,因為每個玩家有兩張“底牌”是不公開的,而且有所謂詐唬(Bluff)策略,就是一方如手中底牌不夠大,可以虛張聲勢加注嚇退對手。因此,機器必須迅速地熟悉對手的個性和習慣,並且不斷改變戰術,故Libratus設計的複雜性不下於AlphaGo。
熟能生巧趨精通
這次賭局持續二十天,四位人類玩家輸給Libratus 176萬美元籌碼,可說毫無還手之力。不過大家似乎已習慣人工智慧打敗人類的事實,這個消息未被傳媒大肆喧染。如果日後有電腦和數學天才,發明出穿戴式的人工智慧賭錢電腦,肯定會是全世界賭場的噩夢。誰敢說此是天方夜譚呢?一九四六年人類首台計算機重27噸、佔地170平方米,但其速度和功能還不及現時一個普通智慧手機。
如今AI技術的驚人發展在於機器能以學習“默會技能”的方式自我完善。“默會技能”就是那種只可意會而不可言傳的知識,通常不能通過語言或文字元號清晰表達,卻能通過熟能生巧的行動學習得來。最簡單的例子是踩單車,初學者不是通過上課或看書學會的,而是真正在踩單車的行動中,或者摔下來幾次後就學會了,並且技巧會越來越精。
AI研發現時不是編寫軟件程式指令電腦去執行任務,如此產生的結果會受限於研究人員的水準。現時編寫的AI軟件程式,只是為了讓機器能讀懂大量案例、數據和結果,從而不斷自我學習,日後按碰到的情況作出判斷和行動。研發AlphaGo的總工程師只是業餘圍棋一段,而發明Libratus的人本身肯定贏不了幾位撲克冠軍。
漸取代人手工作
剛開始使用的AI機器擁有的“知識”可能不如人類,但它可以不眠不休地學習,只要供給大量的數據訊息即可,人類卻沒有精力和時間與之匹比。一個醫學院學生每年可能要閱讀300篇研究論文,而某個領域的資料報告數以十萬計,人類的學習能力和速度無法和電腦比較。
在過去六年中,AI的自我學習能力大幅度跳升,在視覺和聽覺方面已超過人類的平均能力。換一句話,機器識別人臉和語音的準確度已超過人類,而且其能力還在不斷提高中,所以在邊防和海關、指紋辨識、前台接線、保安……等方面,人手工作已大量被機器取代。
在未來所謂“大數據時代”,海量的數據比科學還更重要,也是最昂貴的成本組成部分。最“聰明”的AI機器,如果只有很少量的數據資料供給,它也無法“聰明”起來。但是那些不夠“聰明”的機器,只要能輸入海量的數據資料,它就可以很快自學而“聰明”起來。尤其AI機器可以群體學習,100部機器連在一個超級電腦中心,等於各自學習又共用訊息。所以AI機器可以在一個晚上,閱讀完人類數以萬計的棋局。
AI機器的未來發展將嚴重影響很多行業,下周再談。
容永剛
留言