文化
2018.04.26 06:40 臺北時間

【EmTech北京傳真】AI先鋒:終有一天 機器可像人一樣思考

【EmTech北京傳真】AI先鋒:終有一天  機器可像人一樣思考
人工智慧AI早已走入你我的生活,無論是聊天機器人,或是網路購物、甚至醫院裡協助診斷癌症, AI都扮演幕後要角。不過,即使AI飛速發展,AlphaGo再厲害,還是只能下圍棋,遠遠比不上人類的智能。
今年在北京、由《麻省理工科技評論》和Deep Tech深科技主辦的EmTech China全球新興科技峰會上,我們專訪了一位這個領域的先鋒:Tomaso Poggio,他是AlphaGo之父哈薩比斯的老教授,研究領域橫跨神經科學和工程,他預言,總有一天,機器可以像人一樣思考,但人類必須先理解人的智慧,才能製造出真正的人工智慧。
以下為專訪精華:
問:AlphaGo接連擊敗世界上好幾個最強大的圍棋手,讓全球對人工智慧的興趣突然大增,對它背後的技術也充滿了憧憬和想像,但各界是否給予AlphaGo過高的評價了?畢竟除了圍棋,它似乎還不能做別的?
答:事實上,機器比人強的例子很多,1950年代的第一代電腦,數學運算已經比人厲害,機器可以比我們更準確地預測天氣,幾十年前就是如此。
機器下西洋棋也比我們厲害,幾年前,IBM的「深藍」(Deep Blue)擊敗了卡斯帕洛夫(Garry Kasparov),如今,機器圍棋下得比我們更好,但還能做什麼?人類可以做更多更多不同的事情,因此問題在於,要如何讓機器的智能和人類更相似?我的意思不是說DeepMind的成就不重要,它非常重要,尤其他們近期展示的最新AlphaGo版本(AlphaGo Zero),從零開始訓練機器下圍棋或西洋棋,除了基本規則,沒有任何其他人類知識或技能,這令人刮目相看,但仍然是侷限於棋局的世界。
問:在AlphaGo掀起熱潮後,全球對人工智慧的關注突然大增,您在學校裡是否觀察到任何改變?
答:確實吸引了許多很聰明的年輕人,最令人興奮的是,我過去25年來在麻省理工學院(MIT)開的機器學習課程,以往大概有20個研究生,三年前,我們的學生開始超過100位,一下子就成長為五倍,如今已經是六倍,而且這是研究生而已,學生多了很多。
問:AlphaGo之父哈薩比斯(Demis Hassabis,創辦的DeepMind發明了AlphaGo)公開說,希望能讓機器完全像人一樣思考,這可能嗎?
答:我認為這絕對可能,終究會發生,我一點也不懷疑,雖然我不知道何時,但我相信一定會有這麼一天。
問:機器或許比人更聰明(smarter),比如說運算和儲存記憶的能力都比人類強太多,但機器總有一天也會比人類更有智慧(intelligent)嗎?
答:目前,機器不比人更有智慧,或一樣有智慧,絕對沒有。我認為沒有機器能過得了圖靈測試圖靈測試 (Turing Test),機器就是機器,不會被誤認為是人類。
當然,很多情況下,我們讓機器在某些領域比人類更厲害,例如下圍棋、象棋,以及未來可能發生的自動駕駛,還有許多其他領域的應用也是如此,但我們仍沒有製造出,也不知如何製造和人類一樣擁有廣泛智慧的機器,我想這會需要花上一段很長的時間。
問:需要花很長的時間,因為人的智能實在太過複雜?
答:沒錯。當大家談到「智能」時,可能會有很大的誤導,因為不只是一個問題,而是很多很多問題。
我記得在1920年代,法國有一本很風行的雜誌,他們討論到生命之謎,彷彿就只有一個謎題、一個秘密,解開這個謎題,你就了解生命是則麼回事。問一位生物學家,說 「請告訴我生物學的唯一一個秘密」,他的反應會是 「什麼?哪一個」?諾貝爾生物學獎也包含很多面向,未來還會有很多很多不同研究得獎。我認為智能也很類似,不只是一個問題,而是包括視覺智能、情緒智能或行動智能、語言智能等等,它包含了許多不同的問題,人類的這些能力和大腦不同部位有關,因此,只有一個突破、一個發現是不夠的,無法解決智能的終極問題,我們需要更多的發現。我們會做到,但需要時間。
問:人工智慧飛速發展,就您的觀察,哪個領域的應用最有潛力?
答:目前AI最具潛力的應用,都是運用現有的科技,或幾十年前在神經科學上的發現。這些發現和深度學習(deep learning)與強化學習(reinforcement learning)有關,把這兩者結合大數據,便可開發出符合許多類型需求的解決方案,可能是語音辨識、控制你家的電視或家中設備,也可能是視覺影像辨識,並協助開發自駕車。
可能是一些很類似的技術,包括進行半自動手術的機器人,這些應用現在都已經出現了,在醫學的應用真的是個金礦,還有關於癌症的診斷。或許未來兩年、五年或十年,會很常見,並取得商業上的成功。長期而言,又是另一回事了,不過短期來講,這些深度學習和強化學習的應用和大數據,特定應用太多了。
問:所以有一天我們也可能見到AI協助科學家做研究?
答:有可能。但我想機器可能可以協助我們用更有創意的方式做研究。許多研究都利用電腦的目的,只是處理數據,估算數據,還有一件聽起來似乎有點瑣碎,但其實很重要的事:我還記得從前從前,要想找出一個特定問題的已知資料,我會上圖書館,如今,比起人類圖書館員,谷歌的搜尋引擎能更有效率地找出對我的研究有意義的相關文章,而且非常迅速。當然電腦還沒有發展到我可以直接對它下指令:「嘿,電腦,我想解決某某問題,你會推薦哪些文章?」但這會慢慢成真,我認為它會發生,我們還沒到那一步,但無疑地,我們正往那個方向邁進。
我認為,為了要到達那一步,我猜測,我無法確認,但我的猜測是,我們必須更加了解我們的大腦如何運作,我也希望中國或其他國家不要忘了科學必須有所進展,而不是只有工程的部分有進步,因為要想在未來擁有更好的科技,我們必須有新的理解
更新時間|2023.09.12 20:26 臺北時間

支持鏡週刊

小心意大意義
小額贊助鏡週刊!

每月 $49 元全站看到飽
暢享無廣告閱讀體驗

延伸閱讀

更多內容,歡迎 鏡週刊紙本雜誌鏡週刊數位訂閱了解內容授權資訊

月費、年費會員免費線上閱讀動態雜誌

線上閱讀

更多內容,歡迎 鏡週刊紙本雜誌鏡週刊數位訂閱了解內容授權資訊

月費、年費會員免費線上閱讀動態雜誌

線上閱讀