Blogs

(文章於2019年3月6日在 ezone 刊登)

近年來，在許多認知任務中，機器已達到甚或超過人類的表現，過去一直困擾科學家在人工智能（Artificial Intelligence；AI）領域中的挑戰，如連續學習中災難性遺忘問題，深度增強學習中的學習速率問題亦已漸被攻克。不過，機器真的很聰明嗎？人工智能能否達到或超越人類能力？人工智能如何增強和擴展人類專業知識，並幫助我們克服現實世界的各種挑戰？

近幾年，人工智能進展皆依賴於深度學習（Deep Learning），多層人工神經網絡和大數據等技術。若有足夠數量的標記訓練數據集（通常 TB 級別以上）和計算能力（需要使用 GPU 加速技術），使用這種深度學習技術方法，可讓人工智能實現前所未有的成效。

人工智能如此火熱，相關的研究已經超過了半個世紀，但其實我們現在到底處於人工智能技術發展的哪個階段呢？首先，人工智能按照其智能的能力，可以分為 3 種類型：「狹義人工智能（Narrow AI）」、「廣義人工智能（Broad AI）」，以及「一般人工智能（General AI）」。

能力最強的是「一般人工智能」，被描述為能像人類一樣真正思考、推理和自我學習，但這類型的人工智能技術難度極大，現今還屬於科幻小說的概念。難度最低的、也是發展相對成熟的，是「狹義人工智能」，指人工智能系統能在單一領域執行單項任務，如電腦視覺（Computer Vision）識別、語音識別和語言繙譯等；而這些人工智能系統已滲透我們的日常生活，例如電貿服務商用聊天機器人（Chatbot）進行個性化營銷。

然而，在實際情況中，「狹義AI」仍然存在很多問題，我們還需要有更廣泛功能的人工智能技術，才能有效應用 AI，解決現實世界各種複雜問題；例如需要人工智能系統可在欠缺大量數據的情況下，仍能有效學習。再者，人工智能系統在提供高可靠和高準確度模型之外，還需要模型產生出來的結果是公平的、值得信賴的，以及可以解釋的。它們不僅需要能將知識和推理結合起來，更要具備自學能力，能不斷的提高性能和實現更複雜的功能。

這也是「廣義AI」的目標：可以執行跨領域、多任務的工作。現時許多世界領先的商業公司和學術機構，正在推動拓展此類研究，相信「廣義AI」系統，應可在短期內普及。

在電腦視覺領域上，我們通常需要數千或數萬個已標記的圖像，才能精確訓練一個視覺識別模型。科學家最近開發了新穎的「少數鏡頭」學習方法，可以從一個例子中，準確識別新對象，毌須額外數據或標籤。這項算法可以節省大量為數據加標籤的人力工作，因而節省了大量時間和資源。

語言語義領域方面，科學家正在用人工智能分析從互聯網上收集的文本數據，如社交媒體的話題和評論；人工智能技術已可針對有爭議的話題，自動構建有說服力的觀點和論據，給予準確的利弊分析，幫助人們思考和判斷，做出正確決策。

今天的人工智能，不僅限於用在照片或影片搜索，甚至可以成為你的專項任務智能助手。不久將來，人工智能更可幫助人類，在模糊或有爭議的問題上，建立不同的論點，輔助政府制定更佳的政策。