人工智慧非萬能 人類可反敗為勝(組圖)


人工智慧非萬能,人類可以反敗為勝。(圖片來源:Adobestock)

如今谷歌人工智慧下棋軟體 AlphaZero 取得重大突破,也許連最強的半人馬隊都得在自由搭配棋賽裡甘拜下風。先前的西洋棋軟體是採硬幹法,大量計算可能的棋步,依程式人員設定的標準評分排序,但 AlphaZero 則會教自己如何下棋,只需要知道規則,然後下無數盤棋,追蹤行得通與行不通的棋步,藉此提升棋力。這軟體很快就勝過最好的西洋棋軟體,連可能棋步遠遠更多的圍棋也順利攻克。不過半人馬隊的啟示依然成立:涉及的宏觀戰略愈多,人類能著墨的愈多。

AlphaZero 的程式人員取得耀眼成功後,宣稱這軟體已經從一塊「白板」變成獨當一面的大師。

然而從棋局起步絕非白板一塊,這軟體仍是在受規則限制下的世界裡發揮。事實上,連在戰術模式限制較少的電玩遊戲上,電腦都面臨巨大的難題。

人工智慧遇到的最新難題是《星海爭霸》。這是一款即時戰略遊戲,許多虛構外星物種在銀河系的遠方廝殺爭雄,遊戲涉及的複雜決策遠多過下棋,有戰場要顧,有刺探要做,有建設要規畫,有地景要探勘,有資源要蒐集,全部環環相扣。

紐約大學教授朱利安.托格留斯研究遊戲人工智慧,在2017年跟我說,電腦很難在《星海爭霸》獲勝,就算一時半刻贏過人類玩家,但人類玩家具備「長期調整策略」的能力,後來會開始反敗為勝:「思考有很多層面。人類算是在每個個別層面很糟,但對各層面大致有概念,有辦法加以整合,協調適應,這下子就厲害了。」

2019年,人工智慧在簡化版《星海爭霸》首次贏過專業玩家(後來這位玩家調整修正,在連輸多局後擊敗電腦)。《星海爭霸》的複雜戰局反映出一件事:愈考驗宏觀戰略的遊戲,人類能發揮的空間愈大。我們最大的優勢跟狹隘專業背道而馳,反而在於廣泛整合的能力。


人類碰到真實世界的開放式問題仍能勝過機器。(圖片來源:Adobestock)

蓋瑞.馬庫斯是心理學暨神經科學教授,先前把自己的機器學習公司賣給私人叫車服務公司 Uber,他說:「在很局限的領域裡,人類也許再過不久就難以做出多少貢獻;在更開放式的領域裡,我想人類絕對還能做出長足貢獻。不光是遊戲而已,我們碰到真實世界的開放式問題仍能勝過機器。」

西洋棋等有序的封閉式領域,回饋即時,數據龐大,人工智慧迅速取得長足進展。駕駛方面,雖有交通規則,卻帶混亂模糊,人工智慧即便有長足進展,仍面臨不少難題。至於真實世界裡沒有硬性規則的開放式領域,歷史數據無從完備,人工智慧步履蹣跚。

IBM的人工智慧系統「華生」在益智問答節目《危險邊緣》打敗人類冠軍,接著號稱能替癌症治療掀起革命,但人工智慧專家告訴我,他們很擔心華生會破壞人工智慧研究在健康相關領域的名聲。誠如某位癌症醫師所說:「稱霸《危險邊緣》和治療所有癌症的差別在於,我們知道《危險邊緣》裡面那些問題的答案。」

至於癌症,我們連提出對的問題都尚難辦到。

2009年,地位崇隆的科學期刊《自然》宣稱,谷歌的流感趨勢系統能靠搜尋序列模式迅速預測流感的散播,跟美國疾病管制與預防中心的準度不相上下。然而谷歌流感趨勢系統很快便開始跌跌撞撞,在2018年冬季的預測值比實際情況高出兩倍。

如今谷歌流感趨勢系統不再發布預測,只在頁面打上「技術尚未成熟」等字樣。馬庫斯以一個類比向我點出人工智慧目前的限制:「人工智慧系統就像學者症候群患者。」人工智慧只能在封閉的穩定架構勝任有餘。
 

本文整理、節錄自大衛.艾波斯坦(David Epstein)《跨能致勝:顛覆一萬小時打造天才的迷思,最適用於AI世代的成功法》一書,文章僅代表作者個人立場和觀點。由采實文化授權轉載,欲閱讀完整作品,歡迎參考原書。

本文留言

作者大衛.艾波斯坦(David Epstein)相關文章


相關文章


近期讀者推薦