先前跟朋友以及師長們一同討論到人工智慧,雖然僅僅只有簡單實作過,以及藉由外界關注這方面的訊息,而沒有真正的產業經歷,但還是能希望分享一下自己的觀點,如果有問題也歡迎讀者跟我討論或指正我。
人工智慧其實存在許多潛在限制,例如架構跟演算法,很多問題需要耗費太多甚至是指數倍的運算資源,有可能一個問題就要跑上數十年,那在根本上,已經不是發展不發展的問題,而是發展的可不可行與需不需要。
我們不應該盲目崇拜人工智慧,而是回歸實務本身。
因此,在詢問發展人工智慧資源之前,我們先要詢問幾個問題
- 我們要將人工智慧應用在什麼產業?
- 我們要用人工智慧在產業當中解決什麼問題?
- 這個問題是否在實務層面上有其他解決方案?
- 我們是否有充足的資源可以發展?
人工智慧不是一種魔法,它需要耗費大量的資源,而它的應用應當在產業界當中落實。定義圍棋的問題相對簡單,追求的目標是在棋局中勝利,在棋盤19乘以19格的可能性裡,還要放入沒有棋子、有白棋、有黑棋的變化,每一步棋就有19*19*3=1083種變化。
而還有很多問題是難以定義的,例如Google在分類垃圾郵件中,如何去定義垃圾郵件。抑或是搜尋引擎或廣告的結果是否是我們想要的?
應用在社會科學的議題當中,可以討論如何實現民主,例如民主是否是優於其他任何可能的制度。問題還可以細分為程序民主,產生候選人的程序或是民意的匯集與投票結果是否公平跟正當。還有結果民主,產生候選人後,它帶來的結果是否符合民主精神等等。
人工智慧不是大槌,也不是每個待解決的問題都是小釘子。
如果問題本身難以定義,我們也需要運用學科本身的所學或研究發展,協助人工智慧清楚的定義問題,或者參考人類或其他自然界的思考或運作模式,協助找到解決方案。
此外,人工智慧像是一個黑盒子,在輸入資料給它,並產出資料的過程中,它沒有辦法解釋如何產出結果,而結果也有可能是錯誤的。
例如曾經將醫療數據輸入分析,得出的結論竟然是如果患有肺炎,那同時患有哮喘是有幫助的。而其中一種符合邏輯的解釋是,有哮喘病史的病人在患有肺炎的情形下,就會儘快地去看醫生,間接提高了他們的存活率。這是人工智慧誤判的經典案例之一。
例如曾經將醫療數據輸入分析,得出的結論竟然是如果患有肺炎,那同時患有哮喘是有幫助的。而其中一種符合邏輯的解釋是,有哮喘病史的病人在患有肺炎的情形下,就會儘快地去看醫生,間接提高了他們的存活率。這是人工智慧誤判的經典案例之一。
在發展上,我認為需要就細節跟產業面討論,進一步結合產業界已有的方法與細節,讓人工智慧幫助我們解決問題。我們也可以反轉我們的思維,從單純的人工智慧幫助其他類別的科學解決問題,也可以是反過來讓後者協助人工智慧定義問題,推動人工智慧發展。
藉由跨領域專業的整合,領域本身的專業知識可以為主體也可以為配角,需要的是專業的彼此了解與溝通。
了解人工智慧,並回歸實務層面之後,我們方能夠比較客觀而立體的針對這個科技做思考,而非只是單純的砸錢或崇拜科技本身。
沒有留言:
張貼留言