好書 : 人工智慧能發展到甚麼地步?

此書是我在市圖搜尋 AI 相關資料時找到的, 是日本東京大學 AI 專家松尾豐與企業家鹽野誠關於人工智慧未來發展的討論, 屬於 AI 科普作品, 全書以對談形式呈現, 故結構與主題比較鬆散, 重點不太好抓.

以下是閱讀札記 :

1. 人工智慧未來將如何改變人類? 這有兩種可能 :
   (1). 重要的工作交給電腦, 只留下系統設計工作給少數人.
   (2). 固定且自動化的工作交給電腦, 人類則處理如醫生顧問等需要人際接觸之工作.
   第一種可能宛如希臘時代的市民與奴隸, 哲學與思想屬於市民, 勞動則由奴隸來做. AI 時代人類應該做有未來性的事, 例如數據分析.
2. AI 在預測領域中世人以股價與景氣為主進行各種預測. 深度學習有個面向是製作新的變數, 如果有有大數據就可以在海量資料中找出人類無法發現的模式, 提高預測精準度. 
3. 預測其實並非尋找因果關係, 而是關關係, 即兩個變數之間是否存在關係. 確切的因果關係是很難捕捉的.
4. 人工智慧原本就是在思考如何以知識來表現這個世界的學問. 
5. 以人工智慧預測股市的升降, 首先要掌握與股價預測相關的所有想得到的變數, 無關的變數捨棄也無妨.
6. 人工智慧的預測方法與人類的做法不同, 主要差別在計算能力上. 人類需要理解才能判斷, 但人工智慧不必理解只做辨識. 
7. 影響股市的資訊對市場參與者而言乃是非對稱的, 所以不是一個完全效率市場. 電腦擅長在不完全效率市場中快速掌握價格差, 將其填補起來, 即所謂的高頻交易套利手法. 套利是一種利用價格差或利差交易來獲利之行為. 
8. 世界上最賺錢且持續獲利的對沖基金是 James Simons 文藝復興科技公司, 該公司使用演算法進行交易, 其員工並非取得金融或 MBA 學位者, 而是清一色數學家與物理學家. 
9. 在投資中取勝基本上是要找出資訊的非對稱性, 以演算法不斷發現這種 "市場的好地方", 並藉由資訊優勢比他人早一步獲得利益. 電腦在尋找與辨識非對稱性的工作中有遠超人類生理辨識的優越性. 
10. 經濟預測需同時考量政治, 經濟, 社會, 文化, 技術, 這完全是人類的強項. 
11. PDCA 循環 : 為圓滿達成目標, 以循環方式執行 Plan, Do, Check, 四步驟.
12. 所謂自我意識, 是憑自己就能控制變數的這種感覺. 
13. 量子現象雖是機率性的, 但把它想成按照決定論運作亦可, 一旦當前 t 的狀態決定了, 下一個時間 t+1 的狀態也跟著決定了. 所謂帶有意志的現象, 是指有某個能夠表現意志的變數存在, 因為它, 接著的未來就起了變化. 
14. 當製作人工智慧時, 在把自己本身當作變數處理的結構中, 也許可以產生像意志那種東西吧! 
15. 人類出生後會逐漸浮現自我, 產生像 "自己能控制的到這裡為止, 除此之外也許就是外部" 這樣的認識. 能否控制對意識的形成是非常重要的, 例如拿拐杖的人拿久了, 或許會把枴杖當成是身體的一部份. 
16. 現在的自己, 很有可能是一瞬間之前被殺的東西的拷貝. 
17. 海豚與人類最大的差異是, 不論海豚寫下甚麼都會消失無蹤. 文字對人類文明做出巨大貢獻. 
18. Internet 是以美國國防部 DARPA 網路為藍本發展的, 其原始概念是網路遭受核武攻擊時, 能夠以封包先將資料分散出去後再收回來恢復原有資料. 
19. 語意網是一種將網頁上的資訊以有意義的方式記述, 因此能做更聰明的處理, 始於 1990 年代末期, 但因意義難以記述而無法迅速擴展.
20. 在深度學習也有決定系統本身舉動的所謂超參數 (hyper-parameter), 此重要的參數事人類賦予的結構, 但或許可隨著進化而逐漸決定. 
21. 漢字之類的表意文字, 它的功能非常優異, 包含了視覺性的意義, 能夠看著整頁來讀, 速讀也是可能的. 而英語這種表音文字語言, 不能讀太快.
22. 人工智慧是將結構性, 非結構性的散亂資訊加以分門別類, 然後找出哪個是變數, 哪個是前提條件, 成為分析的基本.
23. 所謂現狀的模型化是藉著經驗的轉移, 可以從非常少的樣本中看出下一刻說不定將發生某種事情. 如果模式數量少, 推論的力道就弱.