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