吳鳳的校友與朋友們, 記不記得那些我還在學校的日子, 我開的選修課有"人工智慧(artificial intelligence, 簡稱AI, 其實應該翻譯為"人工智能"或"人工智力"比較恰當)"與"RFID(物聯網中的一項重要技術)". 而"AI(人工智力)"與"物聯網"正是現在的顯學, 不是嗎!
在這裡我要說"人工智力"的威脅, 絕不是如電影"魔鬼終結者(The Terminator)"所描述的那種威脅. 這樣的威脅會不會那一天真的降臨, 我不知道, 但至少我現在是看不到的. 我說的威脅是真的可能發生的.
RFID部分, 由於當年雲計算技術剛剛起步, 物聯網的基礎環境尚未建構完成, 所以相關的應用發展遲緩. 即使如此, 我離開學校前的一個無人餐廳計畫之中, 已經可以看出現在普遍流行"無人技術"的雛型! 該專利申請案, 在離開學校後, 由於沒有經費來源, 只好放棄追逐(pursuit). 現在這個物聯網的環境好像已經建構完成了!
人工智力的部分, 我記得當時我授課的主要內容是類神經網路與模糊邏輯. 現在正夯的所謂"深層學習"與當年上課時的類神經網路的技術, 根本是一樣的, 並沒有太多的進步. 唯一的不同, 是現今電腦的運算能力(如CPU, GPU, TPU... 等等)已經大幅提升. 當時, 類神經網路的模型建構中, 只要有一個內層, 以當時的電腦能耐, 運算時就非常吃力了. 可是現今的深層學習的類神經網路結構中, 含有兩、三個內層好像只是初步的要求. 從這當中, 可見運算能力進步的一般! 不過, 我還是要說, 不管是"人工智力"還是"深層學習"並不是萬能的; 他們的罩門就是"過度學習(over learning)!" 你以為把大量的資料胡亂地餵給"人工智力," 他就可以為人類解決所有問題嗎? 事實恐怕並非如此! 為了避免過度學習, 目前在資料的訓練上, 仍然十二萬分倚重專業知識(domain knowledge). 這樣對專業知識的倚重, 雖然可以解決過度學習的問題, 可是, 往壞的方向看, 他卻也無可避免地把人類(資料訓練者)的"偏見"建入人工智力系統之中. 在現今AI的研究中, 如何降低資料訓練者的"偏見," 又能降低過度學習的現象, 應該是最重要的課題. 如果我們過度相信這人工智力系統, 當有無可預知的情況發生時, 人力又沒能及時糾正的狀況下, 他可能給我們帶來怎樣的傷害, 沒有人能預知! 千萬不要掉以輕心! 我好像沒聽到"李開復"們談到這樣的議題, 不知他們是何居心?
無論如何, 如果當年校友們在學校時有跟我好好學"人工智慧"與"RFID"的話, 在這個新的所謂"AI"與"物聯網"的時代中, 這兩個課程說不定可以給你們一些意想不到的啟示.
留言列表
