AI只是「花式計算器」？（劉璟）
本文作者劉璟為香港大學SPACE中國商業學院講師，為《信報》撰寫專欄「EJ GLOBAL plus 軟硬中國」
繼前兩年的大數據熱之後，人工智能（Artificial Intelligence, AI）再次攻佔媒體頭條。最新的案例，是Google旗下的AlphaGo以五局四勝贏了韓國圍棋高手李世乭，和阿里巴巴旗下的小Ai成功預測了李玟將獲得湖南衛視熱門節目《我是歌手》總決賽的冠軍。
這些技術，是否足夠「智能」？卡內基梅隆計算機系的院長、Google前副總裁Andrew Moore曾這樣評價，「所有被標誌為智能的事物實際上真的只是花式計算器，從象棋程式到車內的軟件，到資訊評級系統，再到監視藥物銷售爆發跡象的系統。」
換言之，人類至今未能創造出一個真正有自主創造性思維的智能系統。人工智能基於大數據，目的卻是通過大量的演算法訓練讓電腦學習人類的視覺、聽覺、語言、思維體系，從而實現與匹敵甚至超越人類智能。以這個標準來看，現在的人工智能技術仍處於「弱智能」階段。最先應用人工智能技術的領域是機器翻譯，而從已有的機器翻譯成果來看，人類離完全掌握大腦語言識別和邏輯判斷仍有相當差距。
過去半世紀人工智能在深度學習方面確實有長足進步。電腦先後在1952年和1997年打敗井字棋、國際象棋的人類冠軍，而圍棋──這個世界公認最深奧的戰略遊戲──被視為守住人類智能尊嚴的最後堡壘，如今也已經被攻破。
然而，事實是否真如此樂觀？細看AlphaGo的關鍵技術──採用更優化的卷積神經網路運算方法，和基於3000萬棋譜大數據的深度學習──能夠在對戰中強化學習能力。而阿里巴巴推出的人工智能程式小Ai，亦是以大數據為基礎，以深度學習來優化運算方法。阿里雲給小Ai提供了計算方法和平台，阿里音樂的200萬歌曲庫提供了深度學習的資料庫（以歌曲下載量判斷受歡迎程度，分析歌曲本身音訊特徵、風格與受歡迎程度的關聯）；新浪微博提供了分析聽眾態度的大數據；這些，都僅僅是複雜的「花式計算」。
目前運用最廣泛的人工智能技術，是在打車軟件上，以行業領軍者Uber為例，核心技術是能夠保證乘客無論從哪個位置出發都能獲得最優價格的動態定價演算法。在這套算法裏，計算車輛預計到達的時間演算法、浮動溢價演算法、自動匹配演算法、全域優化演算法（Dispatch Optimization）聚合在一起。而這種演算法，仍未有超出Andrew Moore所講的「花式計算器」功能。而國內打車軟件除照搬國外技術外，在演算方法並無創新。
IT巨企轉型掀出熱潮
人工智能的狂熱，源自近兩年互聯網公司紛紛轉型。IBM在2011年率先推出認知計算平台Watson；Facebook早於2013年就和NYU成立了自己的人工智能實驗室FAIR；Twitter於2014年和2015年分別收購了人工智能公司Madbits和Whetlab，Google去年改名為Alphabet，投入生物工程和人工智能的研究中；Uber與卡梅倫大學機器人實驗室合作研發無人駕駛汽車；蘋果、微軟、微信、Facebook先後推出聊天機器人……然而，這些智能技術，都未能達到流暢的人機互動。
目前最有商業潛力的人工智能技術，運用在視覺領域──今年1月，高盛預告2025年虛擬現實（VR）和增強現實（AR）營收將達到1820億美元。而在語言、思維、控制等領域，雖然有AlphaGo和小Ai的成功例子，但恐怕在相當長時間內，都無法突破「花式計算器」水平，做到如人腦一樣隨機應變和突破既有事實做判斷。因為人的情感、意識湧動乃至對生命意義系統的建構，都是目前計算機遠遠追不上的內容。
AlphaGo和阿里巴巴的小Ai的光輝瞬間，是將人工智能普及給大眾的最佳機會；然而，人工智能要達到與人類智能媲美的階段，似乎還有相當一段距離。
更多劉璟文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
