人工智慧(AI)已經逐漸融入我們的日常生活，很多人每天都在使用人工智慧，例如手機的人臉識別系統。當你買到一部新手機時，會被要求用手機的正面、側面等照相機照幾張你人臉的照片，構成“擁有者”的人臉；然後每次從桌面拿起手機時，正面相機就會自動對人臉拍照並且判斷，這個人是不是“你”？這過程可以想像成我們看到陌生臉孔時，會調用人腦資料庫，確認她是不是認識的某人，這就是我們每天接觸到的一項人工智慧。
人工智慧也就是Artificial Intelligence (AI)，解釋之前，我們先把人工兩個字拿掉，看看什麼是智慧 (Intelligence) 呢? 從科學與工程的角度來看，智慧是“獲得知識、應用知識和達到目的的能力”。人工智慧(AI)就是用科技的手段讓一個系統 (或機器) 獲得知識、應用知識和達到目的的能力。
在過去人類社會發展過程中，都是靠著我們祖先來獲得知識，藉此，人類發明農業、工業、電腦和互聯網(網路)。但是，到了人工智慧(AI)時代，人類利用科技有能力建造一個系統，讓系統自己去獲取知識、應用知識和達到目的。目前人工智慧系統都是利用電腦系統的架構建成，它不受人的情緒干擾，運行速度更快，甚至做出比普通人更準確的判斷。
上圖是最簡單的人工智慧系統圖，由三部分組成: 輸入層(Input)、隱藏層(Hidden layer)與輸出層(Output)。中間隱藏層是模擬人類神經突觸網路的結構，因此稱為“類神經網路”，為了簡單起見，我們可以稱它為一種“演算法”(Algorithm)或模型(Model) (以下簡稱演算法)。簡單來說，資料從Input進來，經過隱藏層各個神經元的一番處理，再把信號傳遞給Output輸出，輸出層神經元再處理一番，最後作出判斷。
實際上，人工智慧(AI)的運作分為三個步驟：
- “目的”，設定明確目標，例如：人臉辨識、語音轉文字、翻譯等。
- “訓練”，經過大量資料的“訓練”後，系統會產生一套判斷演算法。
- “推論”，使用者輸入新的資料(如照片)，就會得到相應的輸出，使用人工智慧做判斷，如：判斷這張照片是男生還是女生，是不是手機擁有者等。
以人臉識別系統為例，進一步說明人工智慧(AI)系統。
- 設計系統前，先確定“目的”，例如要從照片中“識別”人臉。
- 明確輸入資料，也就是一大批不同人臉的照片，與特定人臉照片。
預測結果，在輸入照片的同時告訴系統，這照片是不是想要識別的人臉? 如果猜對了就加分，錯誤則扣分，然後繼續輸入大量的照片來“訓練”系統，直到產生出小於某一誤差的演算法。
新的人工智慧(AI)系統所產生的“演算法”並非固定不變，因為在人臉識別的應用中，使用次數越多，也就讓手機看到更多你的面容，對人臉的判斷就會越精準，因為系統逐漸習慣了“化妝後的你”、“戴眼鏡的你”，或“傻笑的你”等不同面容。
瞭解基礎的人工智慧系統原理與應用後，我們應該不會再對AI新聞感到驚訝與恐懼了，例如 Google 的人工智慧 AlphaGo 打敗了人類圍棋高手李世石、何潔等。 這些新聞表面上看很厲害，其實背後並沒有多少真正的“智慧”，都是大資料訓練的結果，就好像一個棋手之所以下棋厲害，都是因為他背的棋譜非常多。
人工智慧(AI)有無限制？
- 無法解釋原因：人工智慧所產生的演算法，不一定能被人類理解，因此很難被拆分成幾個模塊，或切除一部份。基本上只能把它當成一個“黑箱”。輸入一張照片，黑箱可以告訴你是不是“認識的人”。但是AI是根據什麼做出判斷的呢？你一無所知。
- 沒有明確目的：AI 不會主動“求知”，必須是設計者先有了明確的目的性，有清晰的問題與預測的答案，然後輸入相關的大量數據，才能訓練人工智慧系統找出適當的演算法。
- 缺乏大量資料：如果沒有大量資料素材提供訓練，就造不出一個人工智慧系統。
- 無情緒、無道德判別：還沒有任何證據表明人工智慧系統可以具備“意識”或者形成道德、恐懼、憤怒與憂傷等高級認知，所以人工智慧還無法取代人類。
哪些情況不需要人工智慧(AI)？
- 固定流程與步驟的操作，是不需要人工智慧的，例如便利商店的自動咖啡機。
- 無需學習進化的“互動式系統”也不是人工智慧，如自動提款機。它的輸入與輸出是在設計之時就固定的幾個選項，而且演算法是固定的，也不是經過數據訓練來的；這次交易的結果也不會影響下一次交易。
人工智慧 (Artificial Intelligence) 勝過人類智慧 (Human Intelligence)？
要擁有“獲得知識、應用知識和達到目的的能力”，人工智慧(AI)真的是萬能嗎？事實上，人類的學習並不是用人工智慧的大資料方法。例如，小孩的學習能力，實在是令人震驚，給他們一台手機或平板電腦，只要看大人用一遍，他就會初步的操作，或者玩起遊戲來。
我們認為最理想的運用模式是AI和HI相互合作，相輔相成：透過AI (人工智慧)進行大量資料蒐集分析與辨識預測，再經由HI(人類智慧)深度理解與創造價值。也許AI會告訴你瘦10公斤以後的樣貌，對於意志力堅定的人，每天受到鼓勵多動少吃，結果比預期的更快達到效果；相反，有些人卻覺得不可能而沒有做，也就沒有效果。我們認為人類智慧仍然是AI結果的主導者。
Reference:
- The Actual Difference Between Statistics and Machine Learning https://towardsdatascience.com/the-actual-difference-between-statistics-and-machine-learning-64b49f07ea3
- Difference between Machine Learning & Statistical Modeling https://www.analyticsvidhya.com/blog/2015/07/difference-machine-learning-statistical-modeling/
以上文章由時勢股份有限公司董事長蕭永昇博士*撰寫及整理
*蕭董事長為美國電子工程博士 (Hsiao, Yung-Sheng, Ph.D., Department of Electrical & Computer Engineering, University of Florida)
Call for more information:
Tel : 02-2740-1848
Email : cc.chen@trendsightinc.com
時勢股份有限公司
延伸閱讀：