文|方凱昱    圖|東方IC 

去年人工智慧以及機器學習領域取得重大進展,但2017年還有更多突破,針對人工智慧,《麻省理工科技評論》(MIT Technology Review)預測了下列5大AI 發展趨勢:

一、正向強化式學習(Positive reinforcement)

去年Google開發的圍棋程式AlphaGo以四勝一敗的成績,打敗南韓棋王李世乭;今年5月,AlphaGo再以三戰完勝世界排名第一的中國棋王柯潔,把人工智慧推向新的里程碑,特別是AI所具備的「深度強化式學習」的技巧。

「強化式學習」靈感來自動物的學習模式,能夠知道特定行為會導致正面或負面的結果。以走迷宮為例,電腦可以藉由試誤法(trial and error),把正向結果,也就是「走出迷宮」,跟導向結果的行為連結起來,因此電腦不需要倚賴指示或明確的範例就能自己學習。

2017年,我們可能會看到更多關於強化式學習的應用,比如解決自動駕駛或是工業機器人的問題。Google已自詡深度強化式學習讓它們的數據中心更有效率,但這方法還只在實驗階段,仍需進行長期的模擬,未來該技術會如何被有效運用值得期待。

 

二、對抗性神經網路(Dueling neural networks)

2016年底在巴賽隆納舉行、堪稱是人工智慧領域的年度盛事「神經訊息處理系統大會」(Neural Information Processing Systems,簡稱NIPS),有一種新的機器學習技術「生成對抗網路」(Generative Adversarial Networks),成為大會的討論焦點。

「生成對抗網路」是由OpenAI的研究科學家伊恩古德法羅(Ian Goodfellow)開發,是以兩種相互對抗的網絡組成,其中一個網絡會從訓練數據組學習,然後產生新數據;另一個網絡則會試著去判別數據的真假。透過兩個網絡合作,可以產生非常逼真的合成數據,應用在建立電玩場景、讓像素化的影片畫面變清晰,或是生成更具風格的電腦設計。

機器學習的國際權威約書雅班吉歐(Yoshua Bengio)則在NIPS大會上表示,這個新的學習方法讓人格外振奮,因為它讓電腦可以學習更多未標記的數據,掌握未來讓電腦更聰明的關鍵。

 

三、中國的人工智慧熱潮

2017年將是中國在人工智慧領域成為主力的一年。中國的科技產業正在脫離模仿歐美的老路,把人工智慧與機器學習視為下一個重大創新領域。中國最大搜尋引擎百度,成立人工智慧實驗室已經一段時間,正在收割成果,包括聲音辨識與自然語言處理等技術的改良,以及優化的廣告業務。

其他對手也急起直追,例如擁有中國最大手機通訊軟體微信的騰訊,去年成立了人工智慧實驗室,在NIPS大會上還忙著招募人才。汽車共乘應用程式滴滴出行,今年初併購了Uber在中國的業務,也成立了一個聲稱要研究無人駕駛車的實驗室。中國投資人正灌注大量資金在人工智慧的新創產業上,中國政府也承諾2018年以前要投資150億美元,期盼中國的人工智慧產業能蓬勃發展。

 

四、語言學習

如果你問人工智慧的研究員,什麼是他們鎖定的下個目標,他們很可能會提到「語言」。關於聲音與影像辨識等領域的技術,都有顯著進展,可以幫助電腦更有效地分析與生成語言。電腦用語言跟我們溝通互動的前景是迷人的,優越的語言理解能力將讓機器更有用處,這也是人工智慧的長遠目標,但挑戰艱鉅,畢竟語言是非常複雜且微妙的。不要指望短期內你能跟智慧手機進行深刻且有意義的對話,但確實有些令人印象深刻的進展,可以期待2017年這個領域還會有所成長。

 

五、炒作人工智慧引發反彈

除了真正的進步以及現存的新應用,2016年我們看到關於人工智慧的炒作已經達到新高,儘管很多人對於目前正在開發的人工智慧潛在價值抱持信心,但相關宣傳卻顯得有點失控。

這個現象顯然讓一些人工智慧研究者非常惱火。NIPS大會期間還故意為一間假的新創公司Rocket AI辦了一場成立慶祝派對,藉此凸顯在正宗的人工智慧研究之外,充斥了多少虛假與狂熱,儘管這個把戲騙不了多少人,卻是個有趣方式,引起大家關注人工智慧領域存在的真正問題。

而真正的問題是,經過大肆宣傳,如果人工智慧技術未做出重大突破,難免引發失望情緒,導致被高估的新創公司失敗、資金枯竭。也許2017年,過度炒作人工智慧的現象將引發某種反彈,但未嘗不是件好事。

 

更多內容,歡迎訂閱鏡週刊

喜歡這篇文章嗎?
歡迎灌溉支持喔!

推薦文章

專題報導