好書 : 了解人工智慧的第一本書

這本是我從市圖鄉下的分館借回來的書, 譯自日本人工智慧專家松尾豐的科普著作 "人工知能は人間を超えるか: ディープラーニングの先にあるもの" (經濟新潮社出版). AI 領域深奧難懂, 令人感到高不可攀, 但作者卻能把它寫得如平易近人的散文實在不容易, 甚至讓我覺得寫得太淺白了, 好像 AI 不過是如此而已. 對初學者來說, 此書真的如中文書名, 是 AI 入門的第一本書.

Source : 城邦

我在網路上找到一篇此書的讀後感與摘要 "品書隨記", 他提到三采出的 "大演算" 比這本早一周出版似乎時序上佔了優勢, 我覺得一本好書不會因為晚一周面世就會賣不好, 其實 "大演算" 我買了幾個月了, 斷斷續續只讀完一章, 坦白說內容比較深, 而且敘述繁雜不是很好讀. 而松尾豐這本卻是外行人都能輕鬆看下去的書.

以下是我的閱讀心得與札記.

人工智慧 Artificial Intelligence 一詞誕生於 1956 年夏天的達特茅斯會議, 這是由 John McCarthy 發起在其所任教的新罕布夏州達特茅斯學院所召開的一個學術會議. 當時成員中的四人後來都獲得了有電腦界諾貝爾獎之稱的圖靈獎, 其中 Herbert Simon 還以組織內決策程序理論獲得 1978 年諾貝爾經濟學獎. 這四人可說是達特茅斯傳奇四人組.

John McCarthy	1927-2011	1971 年圖靈獎
Marvin L. Minsky	1927-2016	1969 年圖靈獎
Allen Newell	1927-1992	1975 年圖靈獎
Herbert A. Simon	1916-2001	1975 年圖靈獎, 1978 年諾貝爾經濟學獎

人工智慧在達特茅斯會議後逐漸發展, 但過去的 60 年間 AI 卻經歷了三次熱潮, 以及遭遇經費困難後隨之而來的寒冬. 這三次熱潮的焦點與所立下的里程碑如下 :

第一次 AI 熱潮 (60 年代)	以電腦推論 (思考過程符號化) 與探索解決特定問題 (如迷宮問題)
第二次 AI 熱潮 (80 年代)	將知識輸入電腦進行決策判斷例如專家系統 (知識表達)
第三次 AI 熱潮 (千禧年前後)	利用大數據, 類神經網路與機器學習演算法自動挖掘知識的特徵

參考 :

# https://zh.wikipedia.org/wiki/人工智能史

人工智慧應用於電腦棋賽從 50 年代就開始了, 最早是從棋局較簡單的西洋棋開始, 逐漸發展到挑戰變化複雜的圍棋. IBM 電腦西洋棋深藍在 1997 年的世紀對奕中首次擊敗了棋王卡斯帕羅夫, 使得人工智慧再次贏得舉世注目. 而接下來的 10 年由於大數據與深度學習演算法的發展, 連難度更高的圍棋也被 Google 的 AlphaGo 攻下來, 連續三年陸續擊敗人類圍棋頂尖好手 :

1997	IBM 超級電腦深藍擊敗西洋棋世界冠軍俄羅斯籍的卡斯帕羅夫
2011	IBM 人工智慧系統華生在危險邊緣節目中擊敗人類對手
2015	Google 人工智慧系統 AlphaGo 以 3:0 成績完勝歐洲圍棋冠軍華裔法籍棋士樊麾 (二段)
2016	Google 人工智慧系統 AlphaGo 以 4:1 成績擊敗圍棋世界冠軍南韓棋士李世乭 (九段)
2017	Google 人工智慧系統 AlphaGo 以 3:0 成績完勝圍棋世界冠軍南韓棋士柯潔 (九段)

值得注意的是, 電腦棋類的突破都有台灣人的貢獻, 深藍源自於台大電機系畢業的許峰雄於卡內基美隆大學攻讀博士學位時的研究, 許氏後來加入 IBM 成為深藍的主要設計者. 而 2014 年開始發展的 AlphaGo 在黃士傑 (交大資工系 & 台師大資工博士) 加入後戰力增強, 連續過關斬將一夕成名.

電腦棋賽軟體能夠戰勝人類得力於兩大祕訣, 一是利用機器學習找出更好的特徵量 (Feature, 即資訊中要關注的相關性); 二是以蒙地卡羅搜尋樹演算法作為決策評分機制. 透過大數據分析可以在巨量的棋譜中找出人類尚未發現的相關性 (特徵量), 可以有效提升下一步棋的精確度. 而蒙地卡羅法則是放棄以權重來評估盤勢的傳統做法, 改採如暴力破解法那樣近乎隨機出棋的方式來評估最後的勝率以決定下一步的走法.

AlphaGo 的成功關鍵是採用了深度學習演算法. 深度學習讓電腦不需人為介入, 可以根據資料自行找出特徵量, 故又稱為特徵表達學習 (Feature representation learning), 是一種揉合非監督式與有監督式機器學習的演算法. 此演算法是在 2006 年由加拿大多倫多大學的 Geoffrey Hinton 所提出, 屬於一種多層神經網路. 他開發的演算法使用自動編碼器做為資訊壓縮器, 利用無監督式學習所得資料提升手監督式學習之精確度, 有效地提高了機器學習的效率 (但在圖像辨識中通常不使用自動編碼器, 而是使用捲積神經網路). 2012 年在全球視覺辨識大賽中以顯著差距擊敗全世界名校與知名研究機構的多倫多大學 SuperVision 團隊就是採用了 Hinton 主導開發的深度學習演算法.

簡言之, 深度學習只是從資料中找出特徵量與概念, 再運用這些去找出更多東西出來而已. 但是特徵量必須具有強固性 (Robustness), 而要提升強固性可以在輸入資訊中加入雜訊, 或者隨機丟失隱藏層中的部分神經元.

雖然深度學習的出現給人工智慧打了一劑強心針, 但實際上電腦到這階段充其量還只是個在統計學支配下的高效能符號操作機器而已, 它沒有概念, 因此無法將符號與概念結合起來. AlphaGo 雖然打敗了人類頂尖圍棋手, 但它其實還是不懂圍棋是啥東西. 它只知道要怎麼做才能在這場遊戲中提高勝率而已. 所以, 其實目前的人工智慧離奇異點還遠得很哩, 史迪夫霍金等人的憂慮現在可說是杞人憂天.

對於人工智慧的潛力, 有所謂弱人工智慧 (Weak AI) 與強人工智慧 (Strong AI), 持弱人工智慧看法的人認為電腦只需要以特定智慧以知性的方式解決人類的問題即可, AI 不需要有 "心". 本書作者比較傾向後者, 我個人也是持如此看法, AI 終有一天會發展出人工意識, AI 必將兼具知性與感性, 電腦將能像人類一樣思考, 人腦所有的心智活動, 例如思考, 認知, 記憶, 與情感等都能在電腦上實現, 智慧機器人將擁有自我, 能認識周遭環境並採取行動.

數學家 Roger Penrose 在其著作 "The Emperor's New Mind : Concerning Computer; Minds, and the Law of Physics" 中說人腦的微細管子存在量子現象, 且與意識相連結. 這很有意思, 因為馮紐曼也認為, 意識是大腦內部量子行為的結果 (量子力學的數學基礎). Roger Penrose 認為意識是腦細胞微管中的量子現象, 人死後這些量子訊息會離開肉體回到宇宙, 就是所謂的靈魂. 不過佛教惟識學認為意識只是此生的現象, 與眼耳鼻舌身一樣死後即滅, 不滅的是第八阿賴耶識. 參考 :

# 人的靈魂是量子現象，離開肉體後將重回宇宙?

量子現象或許就是物質與精神之間的繫結, 我們所確知並感受到的世界是意識干涉導致波函數塌縮後的狀態, 否則就是不確定的量子疊加態, 這就是薛丁格之貓所要表達的思維. 佛教說的萬法唯心造跟量子現象竟然是如此不謀而合. 參考 :

# 量子意識？現代科學與佛法的匯合處

另外, 我找到的下面這篇文章介紹了幾本很棒的 AI 書籍, 我對馬文明斯基寫的 "The Emotion Machine (情感機器)" 非常感興趣, 我覺得是指引意識引擎明路的一本好書, 明斯基是 AI 領域第一位獲得圖靈獎 (1969) 的人工智慧先驅, 可惜已在 2016 年逝世了.

# 有關人工智慧的那些書，看這一篇就夠了
# 周末薦書｜《情感機器》