AI智慧更勝人類？不靠人類數據 新版AlphaGo Zero超強

我在FB上提示了這是一個對於人工智慧非常嚴重的誤導，有點像說汽車跑得比人快很多，所以汽車就比人聰明？這其實是張飛打岳飛，完全不相干的事情，我現在以研發影像辨識為業，算是人工智慧產業中很重要的一環，可以提出一些觀點給大家分享思考。

人工智慧的目的是分擔甚至取代人分析判斷與解決問題的能力，這個過程分為兩部分：首先必須完整的分析掌握問題的內容，問題與處理目標確定之後才能以現有已知的數學方法寫成電腦可以執行的程式，讓電腦幫我們把答案算出來！

真正困難的部分其實是前半段，就是所謂「認知」問題的部分，後半段的計算處理很像套公式，雖然公式可能很複雜，但是過程都是確定的，電腦不怕複雜繁瑣大量計算，但是只要碰到一個不確定的參數就會無法運作，或變成樂透摸彩機，只有隨機的答案。相對的，人腦很難作大量高速的計算，就像我們跑步不會太快，那就開車吧！只是要車子自己判斷該左右轉就很難。

表面上下棋程式「似乎」在思考如何下才會贏過人類，但是因為下棋規則是固定的，雖然可能出現的狀況非常多，但沒有一種是「不可預期」的！只要可以依據明確的現狀與明確的規則作推理，電腦可以計算得又快又準，人腦則沒有這麼完美的無限記憶，與無限層次不出錯的推理能力，所以就像人與汽車賽跑，人腦必敗！毫無懸念！

但是真正實用的人工智慧面對的是真實世界！不是規則明確完美的虛擬棋盤遊戲空間。譬如辨識車牌，我們知道要在影像中找幾個已知形狀的字元，但是原本平面的車牌，在立體空間中可能是斜視的，形狀就變了！該怎麼知道那還是車牌字元？如果知道他們是斜視的變形車牌，我就一定知道可以用甚麼公式把他轉正，但是我怎麼知道已經變形的字元是「字元」呢？

這種程度的「智慧」目前的AI還是遙不可及的！所以我才有很多工作可作。其實任何真實世界中的這種判斷都牽涉太多物理環境條件，沒有很完整的環境偵測資訊，連人腦都無法判斷，即使有了資料也沒辦法要AI自己「學習」或判斷！

所謂的「機器學習」也必須在有明確邊界條件下進行，才可能會有合理的結果。而且學習過程一定比人腦學得慢，需要的資料還必須比人腦多很多！一旦有新的環境參數變化，所有學習成果可能全部失效，必須加入新資料「再學」一次！我不是說這種科技沒有價值沒有前景，但真的還在原始階段，還需要非常多人類的智慧與時間加以研究。

這又讓我想到升學主義以考試掛帥的教育方式了！我們的目標好像就是要教出「跟電腦相似的人」！甚麼題型都知道應該用哪個公式解題，而且只要抓對公式一定可以解題。為了考試「公平」也必須預先將題庫出好，有標準答案甚至標準解法，絕對不能「偷襲」考生！

但是這種記憶題型與解法的能力，正是目前階段的AI已經很會作的事情！即使是考100分的學生，解題速度與記憶廣度也遠遠不及這些AI程式。等這些學生要就業時，初級AI也已經推廣到市場，這些100分的學生想靠所學找工作就會失望了！好像在學校努力練跑步想取得未來優勢，出了校門卻見大家都開車，沒人跟你賽跑一樣！

結論很明顯了！人腦的價值在可見的未來世界，絕對不會迅速貶值，但是我們應該很清楚人腦的優勢何在？下棋下不贏電腦根本不必失落，你跑輸機車汽車時會很沮喪嗎？有必要很難過嗎？你的價值是可以操控汽機車到有意義的地方，而不是跟車子賽跑！

要解決真實世界的問題，目前的AI要看清問題都還很難，這正是我們必須努力上學學習的本事→學好物理、化學、生物、地科、乃至商業邏輯與人類行為模式等基礎知識，認清問題的所有科學事實，然後作出綜合的判斷或解決方案！解題還是要學的，但是快不快？是不是每次都很精確全對？這就根本不重要了！

笨笨的升學主義迷們！你們知道自己在幹甚麼傻事了嗎？