盧希鵬

我的人工智能奇幻漂流

三十多年前（1986年），我開始在臺灣的清華大學學習AI。1992年，我在美國取得博士學位，回到臺灣科技大學教授的第一門課，也是人工智能。教了幾年，人潮散去、預算刪減，覺得人工智能沒有什么產(chǎn)業(yè)價值。這時期的AI我稱之為“舊AI”，工程師必須設計出復雜的遞推（recursive）算法，相信經(jīng)過知識工程師的觀察，可以分析出人類的知識，是一種白盒子AI（有清楚的推理邏輯）。漸漸地我們發(fā)現(xiàn)，人們知道的遠比說得出來的多很多。當時也有黑盒子AI的機器學習，但是受限于計算能力與人類定義的輸入特征值的好壞而無法進步，這些都是我當初教與學的“舊AI”。

這波“新AI”革命約從2006年的深度學習（deep learning）論文發(fā)表開始，但是所有的“舊AI”都紅了，投資者要特別小心。在“舊AI”的機器學習上，人類有一項重要的工作是定“特征量”。像是在人臉辨識上，“舊AI”會先定義人臉的特征（如五官間的距離等等）；或是在預測股票時，“舊AI”也要先定義股票市場的特征（如基本面、技術面、消息面等變量），再做監(jiān)督下的機器學習（就是有老師告訴學習結(jié)果的對與錯）。機器學習的好壞取決于人類是否能夠定義出好的特征量（輸入變量），“新AI”最大的貢獻就是電腦可以自己找到特征表達的方式，不需要人類的監(jiān)督教導，效果卻比人類找到的還要好。

這波革命，對管理界到底產(chǎn)生了什么影響？ 我認為是企業(yè)多了四雙“眼睛”。過去企業(yè)只有收集來的數(shù)據(jù)，數(shù)據(jù)欄位都是由人類定義出來的?；ヂ?lián)網(wǎng)與物聯(lián)網(wǎng)的世界中卻充滿著沉淀的數(shù)據(jù)，這種不經(jīng)意留下來的數(shù)據(jù)，卻代表著真實的世界。但是這些沉淀出來的數(shù)據(jù)雜亂無章，毫無規(guī)則。這些特性正好符合了“新AI”的強項，不再倚靠人類設計的邏輯，反而依靠大量無序的數(shù)據(jù)，進而找到特征表達，做出分類、判斷與推論?！靶翧I”是人類的新眼睛，讓我們看見了真實的世界（沉淀的數(shù)據(jù)），眼睛明亮了，就將產(chǎn)生一系列的新物種大爆發(fā)。

寒武紀物種大爆發(fā)： 眼睛的誕生

最近一本書提到，寒武紀物種大爆發(fā)是因為生物有了眼睛。早在五億四千四百萬年前，單細胞生物就已在地球上出沒，當時的動物物種只有三個動物門。而在短短的五百萬年后（這段時期僅占生物演化史的千分之一），這三個動物門的物種突然演化成三十八個動物門，幾乎現(xiàn)今所有動物的祖先，全在一瞬間蜂擁而出！這個物種快速暴增的現(xiàn)象發(fā)生在寒武紀初期，稱為寒武紀大爆發(fā)。

為什么會發(fā)生寒武紀物種大爆發(fā)？ 最近的研究（Andrew Parker）指出是因為出現(xiàn)了第一雙眼睛。Parker認為眼睛改變了生物生存的兩項法則。第一項生命法則是“吃”，“避免被吃掉”與“吃掉別人”。第二項生命法則是“性”，找到優(yōu)質(zhì)的對象繁衍后代。在沒有眼睛的時代，生物的捕食與繁衍靠的是機率；有了眼睛之后，就是主動的捕食與求偶，靠的是戰(zhàn)術，也就是智慧的開端。

在工業(yè)時代，人類藉由科技如POS系統(tǒng)來看見市場端的變化；在互聯(lián)網(wǎng)時代，人類藉由數(shù)字足跡看見每一個人的精準。

簡單的說，有了眼睛之后，生物可以經(jīng)由戰(zhàn)術，來戰(zhàn)勝機率。

人類的經(jīng)濟歷史不也是一直借由“看見”的戰(zhàn)術來戰(zhàn)勝機率嗎？ 在狩獵時代，人類借由看見足跡與糞便來預測獵物的位置；在農(nóng)業(yè)時代，人類借由看見四季天氣時令來決定何時播種與收割；在工業(yè)時代，人類借由科技如POS系統(tǒng)來看見市場端的變化；在互聯(lián)網(wǎng)時代，人類借由數(shù)字足跡看見每一個人的精準。緊接著來的是人工智能時代，人工智能的眼睛，又看見了什么？

我認為人工智能共有四雙眼睛，已經(jīng)睜開了三雙眼睛，而第四雙眼睛，也即將要睜開。第一雙眼睛是互聯(lián)網(wǎng)，讓我們經(jīng)由人們在網(wǎng)絡上沉淀的數(shù)據(jù)，精準看見個人與社群；第二雙眼睛是物聯(lián)網(wǎng)，讓我們經(jīng)由實體世界中沉淀的數(shù)據(jù)，看見了智能生活；第三雙眼睛是讓電腦有了人類的視覺與聽覺，成為這個世界上最方便攜帶的感知器，看見了真實世界； 第四雙眼睛，讓人工智能開始與世界博弈互動。有了四雙AI眼睛，企業(yè)將更看清這個世界，發(fā)展新的戰(zhàn)術，吃掉獵物與繁衍后代。

第一雙AI眼睛的戰(zhàn)術： 看見精準

建立商業(yè)信任最好的方法，就是你看得見我，我也看得見你。有了信任之后，就產(chǎn)生了物種大爆發(fā)，出現(xiàn)了大量P2P的商業(yè)模式。

第一雙人工智能眼睛讓我們看見數(shù)字世界中所沉淀的數(shù)據(jù)。為什么叫做沉淀的數(shù)據(jù)，因為這些數(shù)據(jù)不是規(guī)劃出來的，而是遺留下來的，數(shù)量很大，而且很亂。沉淀的數(shù)據(jù)是一開始不知道要做什么？ 但是沉淀到一定的數(shù)量，它的用處是被挖掘出來的。挖掘數(shù)據(jù)的人稱之為數(shù)據(jù)科學家，因為這些人必需要懂數(shù)據(jù)工具、懂領域知識、懂數(shù)學模型，導致人才非常缺乏?；旧嫌幸韵聨最惖膽?。

數(shù)據(jù)掘礦

商業(yè)決策，不再靠因果機率，而是靠看見關聯(lián)后的戰(zhàn)術。產(chǎn)生了數(shù)據(jù)公司的大爆發(fā)。

借由建構好的數(shù)據(jù)模型，分析大量儲存好的結(jié)構化（表格化）數(shù)據(jù)。像是阿里巴巴，在淘寶光棍節(jié)累積了相當大的交易數(shù)據(jù)，經(jīng)過各類數(shù)據(jù)模型的分析，馬云可以知道：哪一省的客戶買最多的比基尼泳裝（答案竟然是內(nèi)蒙古）；光棍節(jié)到了，各城鎮(zhèn)的人都在買什么？此外，常用的還有關聯(lián)分析，像是亞馬遜分析買過這本書的人，也買過其他幾本書?；蚴菦Q策樹分析，經(jīng)由過去大量數(shù)據(jù)的分析，我們可以判斷什么樣子的人是比較高風險的人，幫助第一線的員工做決策。

看見個人化精準服務

遇見客戶，不再靠機率，而是靠看見精準后的戰(zhàn)術。產(chǎn)生了個人化服務與營銷的新物種大爆發(fā)。

沉淀的數(shù)據(jù)為什么巨量，因為這是為精準的個人化預備的。因為聯(lián)網(wǎng)了，所有的數(shù)據(jù)都在為個人化服務，所以數(shù)據(jù)就巨量了。

這是一個共享開放數(shù)據(jù)的概念，POS、電子支付、電商、朋友圈、百度、微信與Fintech等數(shù)據(jù)的開放共享。POS系統(tǒng)讓我們看到幾點幾分在什么地方賣出了什么？ 電子支付又告訴了我們交易的人是誰。電商看到這個人的過去購物紀錄，可以判斷這個人的信用與喜好。朋友圈看見這個人何時對什么文章點贊、分享與留言，借此判斷這個人的喜好。百度關鍵字搜尋表示這個人對什么議題有興趣。微信更是知道你哪位朋友在溝通什么議題。第一雙眼睛看見了一個人所在的“人時地事物”的場景，給予精準化的個人服務。

看見弱連結(jié)的信任

相信陌生人，不靠機率，而是靠看見公開透明后的戰(zhàn)術。于是產(chǎn)生了許多P2P的新物種大爆發(fā)。

弱連結(jié)指的是陌生人，網(wǎng)絡上交易的對象可能都是陌生人。但陌生人可以相信嗎？ 當然不行。過去對陌生人的信任主要來自于第三方的認證，像是出租車的品牌、推薦信、銀行的收入證明錄等。但是這些第三方認證，都不如數(shù)據(jù)的公開透明。

另外，你比較相信專家還是大數(shù)據(jù)？ 過去亞馬遜網(wǎng)絡書店會聘請一批專家來幫助你挑選好書與寫書評，但是現(xiàn)在這些專家都被解聘了，因為人們比較相信上百位讀者為一書所寫的書評。在智能手機上下載APP時，如果已經(jīng)有上百萬人下載，給的評語很好的話，這個APP就不會差到哪去。

人工智四雙眼睛第一雙眼睛是互聯(lián)網(wǎng)，讓我們經(jīng)由人們在網(wǎng)絡上沉淀的數(shù)據(jù)，精準看見個人與社群。第二雙眼睛是物聯(lián)網(wǎng)，讓我們經(jīng)由實體世界中沉淀的數(shù)據(jù)，看見了智能生活。第三雙眼睛是讓電腦有了人類的視覺與聽覺，成為這個世界上最方便攜帶的感知器，看見了真實世界。第四雙眼睛，讓人工智能開始與世界博奕互動。有了四雙AI眼睛，企業(yè)將更看清這個世界，發(fā)展新的戰(zhàn)術，吃掉獵物與繁衍后代。

舊金融對支付的看法就是轉(zhuǎn)帳的功能，但是在新金融中，卻是生活，因為生活，才能沉淀出個人與社群互動的大數(shù)據(jù)，因為普惠金融需要信任，在新金融中，卻是由現(xiàn)在與過去的生活足跡來建立征信系統(tǒng)。像是臺灣的玉山銀行，只要回答18個選擇題，三分鐘內(nèi)，配合網(wǎng)絡大數(shù)據(jù)，就能決定可以貸款給你的額度與個人化的利息。讓這類小額借貸的對象擴大，依據(jù)玉山銀行的資料，這類貸款的呆帳率比人工審閱還要低。

新零售不也是如此，我們在挑選店家的時候，網(wǎng)友的推薦，也遠勝過企業(yè)公關發(fā)言人說的話。

看見輿情分析

市場預測，不只靠機率，還靠看見市場底層聲音后的戰(zhàn)術。于是產(chǎn)生了社會傾聽（social listening）新物種。

網(wǎng)絡上有許多輿情言論，處理的主要是大量儲存好的非結(jié)構化數(shù)據(jù)。如果企業(yè)想知道網(wǎng)絡社群上討論的輿情是什么，可以通過網(wǎng)絡爬蟲技術、關鍵字的聲量（出現(xiàn)次數(shù)）計算、正負評論的分析。也有人用做品牌監(jiān)控，特別是當有廣告出去了，評估廣告對品牌聲量效果，或是企業(yè)在做危機處理時，想知道網(wǎng)絡輿論的正負評論聲量。

讀懂文件

閱讀文件機器人將是另一項新物種爆發(fā)。

每年上市公司有許多財報需要閱讀，已經(jīng)高出人類能夠閱讀的數(shù)量。未來的智能理財機器人可以幫忙閱讀上市公司的財報與新聞事件，提出投資的建議與警訊，同時也可以讀到犯罪或洗錢跡象的數(shù)據(jù)；協(xié)助律師閱讀條文與過去判例；協(xié)助醫(yī)生閱讀醫(yī)學期刊；也能夠由保險人提出的相關文件發(fā)現(xiàn)不一致的詐保嫌疑。

江河運算（Streaming computing）

因為物聯(lián)網(wǎng)與感知器的普及，要處理大量即時偵測，并沒有儲存的大數(shù)據(jù)，這些應用需要即時的運算。像是智慧工廠、智慧城市、智慧家庭、智慧健康、智慧能源等應用越來越普及，這些即時收集到的感知器與物聯(lián)網(wǎng)資料，開啟了人工智能革命的第二雙眼睛。

第二雙AI眼睛的戰(zhàn)術： 看見智慧生活

物聯(lián)網(wǎng)讓萬物皆可聯(lián)網(wǎng)，問題是，聯(lián)網(wǎng)后要做什么？

我認為，第一雙眼睛（商業(yè)互聯(lián)網(wǎng)）看見的是人（P2P），所以產(chǎn)生了C2B逆商業(yè)時代。第二雙眼睛（工業(yè)互聯(lián)網(wǎng)）看見的是物品（M2M），因為萬物聯(lián)網(wǎng)，產(chǎn)生了智慧星球的概念。讓未來互聯(lián)網(wǎng)的中心不再是平臺，而是你所在的地方，就是網(wǎng)絡的中心。

具體而言，人工智能的第二雙眼睛有三個層次：

（1） 端點感知（sensing or UI）： 感知器的種類非常多，這類科技，又稱數(shù)據(jù)科技。

（2）云端智能（meaning or DB）：不只是收集數(shù)據(jù)，還需要整合不同數(shù)據(jù)、探索數(shù)據(jù)的意義、歸類與場景（context）。

（3） 啟動服務 （judgement or AP），對判斷與未來行為的推估，啟動適合的服務應用。

端點感知層

過去沉淀的數(shù)據(jù)多半來自于網(wǎng)絡世界，但是人們主要活動的世界卻是實體，因此如何從實體世界取得沉淀的數(shù)據(jù)，就是萬物聯(lián)網(wǎng)下的人工智能眼睛。

物聯(lián)網(wǎng)是一個很模糊的名詞，舉凡能將物體與互聯(lián)網(wǎng)連結(jié)的技術如感知器，統(tǒng)稱物聯(lián)網(wǎng)。重點不只在技術，而在聯(lián)網(wǎng)做什么？ 舉例來說，這篇文章可以聯(lián)網(wǎng)嗎？ 聯(lián)網(wǎng)要做什么？目的確定了，才思考要用什么技術聯(lián)網(wǎng)（晶片、條碼、AR技術等等），一旦聯(lián)網(wǎng)，這本書就是物聯(lián)網(wǎng)中的一份子了。端點感知器種類非常的多，在我們?nèi)粘Ｉ钪?，有溫度感知器、濕度感知器、速度感知器、生理?shù)據(jù)感知器、監(jiān)視器、汽車倒車雷達、聲音感知器、手機定位感知器等等

舉例來說，綠能科技需要感知環(huán)境監(jiān)測、物聯(lián)網(wǎng)產(chǎn)業(yè)需要感知器資料收集與網(wǎng)實整合、智能機器需要機臺元件感測整合、國防工業(yè)需要精密感測IC、生技醫(yī)療需要生物感測IC，借以收集數(shù)據(jù)，做出智能判斷，并回應做出管理行動。物聯(lián)網(wǎng)將是未來工業(yè)的基礎，需要基礎建設來支撐。這個基礎建設就是物聯(lián)網(wǎng)的數(shù)據(jù)要整合上傳到云端數(shù)據(jù)庫，由人工智能的學習判斷給予分類，最后啟動該有的服務。這種“端點感知、云端判斷、啟動回應”，就成了人工智能第二雙眼睛的基礎建設。

不過端點感知器不久將來就會有一千億個以上，為避免網(wǎng)絡的負荷并兼顧回應速度，感知科技也會讓產(chǎn)品主動發(fā)號施令。過去，產(chǎn)品是被制造的，未來產(chǎn)品的晶片能告訴設備，你要怎么制造我。像是制造墨水，墨水的染料配方，不是由自動化電腦所決定的，而是由瓶子的智慧晶片所決定。紅綠燈的秒數(shù)也不是中央控制的，而是隨著老人智慧手環(huán)的晶片，告訴紅綠燈說，我是老人，綠燈的秒數(shù)需要長一點。

云端判斷層

通常我們在說大數(shù)據(jù)時，不是因為你擁有的數(shù)據(jù)大，而是聯(lián)網(wǎng)了，云端的數(shù)據(jù)就無限大了。這是一個分享經(jīng)濟的概念，許多銀行跟我說，他們擁有許多的數(shù)據(jù)，但是不知道要怎么用？ 我提醒他們，大數(shù)據(jù)不是分析大量數(shù)據(jù)，而是聯(lián)網(wǎng)后的整合數(shù)據(jù)。

舉例來說，傳統(tǒng)零售業(yè)的POS系統(tǒng)累積了大量的數(shù)據(jù)，傳統(tǒng)銀行存折上也累積了大量的數(shù)據(jù)，但是這些數(shù)據(jù)都只能做報表，跟過去沒有差別，但是一旦連線了，就是個人化的服務。舉例來說，當人們用手機作為支付工具，因為聯(lián)網(wǎng)，我們馬上看見他所在的位置、過去的交易紀錄、銀行的信用、社交媒體的貼文、年齡性別……這些聯(lián)網(wǎng)的信息，構成了大數(shù)據(jù)。大數(shù)據(jù)是為個人化預備的，不是為產(chǎn)生分析報表的。

當所有感知器的內(nèi)容都送到云端之后，除了數(shù)據(jù)可以跨屏（讓手機、電腦、電視等等屏幕同步），更重要的是，這些整合的數(shù)據(jù)，可以經(jīng)由數(shù)據(jù)科學家，設計出算法，做人工智能的判斷。

啟動服務層

端點感知、云端判斷之后，最重要的就是啟動應用服務。舉例來說，當我知道車子的駕駛不是車主、當智能手表發(fā)現(xiàn)老年人摔倒、當智能電表發(fā)現(xiàn)有異常的用電，下一步要啟動什么服務？ 這就是最早提及的，萬物都可以聯(lián)網(wǎng)，重點不再是科技，而是聯(lián)網(wǎng)之后，可以做什么？

從智慧生活的角度，人才是物聯(lián)網(wǎng)的核心。為了管理這么多的連結(jié)，未來智慧生活的入口將不是電腦，也不是手機，而是一個跨平臺智能生活助理。最近亞馬遜的智慧音箱（Amazon Echo）走入了家庭，成為了智慧家庭的整合中心，或是智慧家庭的入口，但是智慧家庭要成功，必須仰賴更多的“萬物聯(lián)網(wǎng)”。而亞馬遜最近也開放軟件公司能夠在Amazon Echo上開發(fā)應用服務，未來相關應用將如APP一樣的多元起來。譬如冷氣機家店可以與Amazon Echo聯(lián)網(wǎng)，可用聲音做溫度的調(diào)控；電視、廣播、網(wǎng)錄影音也可以與智能音箱連結(jié)，做音樂電臺的自動播放；電商業(yè)者也可以與Echo連結(jié)等等，讓Echo成為智能家庭中的平臺。如此一來，未來的智能家庭就會迅速發(fā)展起來，產(chǎn)生物種大爆發(fā)，成為一個以機器人為中心收集家庭大數(shù)據(jù)，提供更精準的服務。

從智慧生活的角度，人才是物聯(lián)網(wǎng)的核心。為了管理這么多的連結(jié)，未來智慧生活的入口將不是電腦，也不是手機，而是一個跨平臺智能生活助理。

汽車可以上網(wǎng)嗎？ 目前手機的GPS不僅能夠?qū)Ш?，還把大家的時速地點上傳到云端，Google就可以算出各路段的平均時速，引導你走最不塞車的一條路。此外，輪胎泄氣了，冷卻水不夠了、煞車油與機油不夠了，感知器會在第一時間讓駕駛知道。如果汽車發(fā)生事故，車子也會把時間地點的信息自動傳給救援公司，同時也統(tǒng)計了發(fā)生事故的機率，未來事先可以提供警示。當然，如果是貨車，司機就不能偷懶，因為你開車的路徑都有紀錄，對于貨車的調(diào)配也更精準。

關于醫(yī)療健康保健，微軟早在2008年就用視頻的方式勾勒出未來的夢想，可是常常實踐夢想的卻不是微軟自己。譬如人們可以借由可穿戴設備將自己的健康數(shù)據(jù)上傳到個人化的健康平臺，或整合第三方醫(yī)療數(shù)據(jù)，提供更精準的醫(yī)療服務。阿里巴巴的未來醫(yī)院，更將醫(yī)療就醫(yī)流程與支付寶完美地結(jié)合，以搭建未來大健康產(chǎn)業(yè)的醫(yī)療平臺，這些都成為聯(lián)網(wǎng)的目的。

同樣的道理，血壓計、血糖計、運動手表、藥罐都可以上網(wǎng)，看見你個人的行為，影響你的個人化保費。在智慧醫(yī)療照護上，醫(yī)生可以看見內(nèi)視鏡而微創(chuàng)手術，病人身上可以接上感知器隨時知道生理數(shù)據(jù)、甚至可以知道老人的位置與是否跌倒的判斷。

在智能工廠上，評估生產(chǎn)系統(tǒng)性能的關鍵指標如產(chǎn)量、品質(zhì)、成本、零組件的精密度，感知器要收集影響關鍵指標的數(shù)據(jù)以做事前自動察覺與自我預測性的警示，而不是事后報表式的信息。在智慧設備上，感知器收到的資訊不斷被收集，是一種江河運算，隨時監(jiān)測異常狀態(tài)，并記錄設備狀況。與過去正常模式做對比，以判斷當前的設備健康狀態(tài)與故障預測。也可與相同或相似機臺做信息感知、相對比較、異常偵查，這是一種機器對機器的聯(lián)網(wǎng)，借此發(fā)現(xiàn)異常，并建立異常數(shù)據(jù)庫，以做未來判斷數(shù)據(jù)的學習。

我們需要更多想象力，萬物可以上網(wǎng)，便在真實世界中，沉淀了數(shù)據(jù)。這些數(shù)據(jù)，經(jīng)過機器學習，就可以產(chǎn)生無限智能化的應用。

第三雙AI眼睛： 看見與聽見世界的意義

這一波人工智能的革命主要在第三雙眼睛，電腦可以聽見與看見這個世界了。

電腦視覺一直是人工智能中最難突破的環(huán)節(jié)，因為真實世界中的“特征值”太多。人們對復雜世界的認知處理，都會有一個“降維”的處理，將復雜真實世界的維度，降低到到可以接受的特征值。舉例來說，真實的股票市場太過復雜，于是投資專家便會定義重要的變量，希望用較少的變量，能夠解釋最多的變異量。人類必須要定義有效的變量，電腦幫忙運算。

過去，人類負責降維，但是找到的特征值都不夠好；未來，將由AI負責降維。

人臉將是最容易攜帶的O2O標簽代碼

舉例來說，目前臺灣桃園機場的人臉辨識系統(tǒng)就是“舊AI”，工程師定義了人臉五官的特征比例，借此運算辨認人臉，所以在機場辨識人臉時你必須立正站好，兩眼直視鏡頭，因為鏡頭要確認你五官的位置。人類降維的數(shù)量不會太多，當你在林志玲臉上只定義出20個特征（五官的幾何位置），你能夠很容易地在十億人口中找到她嗎？ 如果人工智能能夠在林志玲臉上找到一百萬個特征（臉形的勾邊特征），再逐步降維，就比較容易在十億人口中找到林志玲。

一百萬個特征如何找？這種用電腦自己歸納出林志玲臉上特征值的降維方法，是深度學習的重大突破。過去的機器學習比較類比像是非線性回歸分析，人類定義出輸入特征值X（數(shù)量無法太多），來調(diào)整權重預測Y。深度學習比較類比像是因素分析，讓輸入等于輸出時，經(jīng)過多層降維的運算，就能逐步歸納出最佳的特征值。過去人類定義人臉辨識的變量，多半是五官間的幾何距離，再由人類設計精妙的算法來辨別人臉；而電腦則是由不斷地試誤，找到最小誤差的特征值，多半是細微的勾邊，再逐步降維到簡化過的圖像。只要有夠多的圖片去訓練電腦，讓電腦找到這些勾邊如何繼續(xù)降維。深度學習算法是固定的，不像過去必須倚賴程序設計師的邏輯能力，反而重點是誰掌握到夠多的人臉照片，誰就能在人臉辨識上勝出。

在線上與線下數(shù)據(jù)整合上，我們過去都需要代碼（如客戶編號、二維條碼、電話號碼等等），未來如果人臉就是代碼，就可以用人臉配合密碼來支付，用人臉取代會員編號，只要你一走進店家，店家就知道誰來了，我們在真實人類的世界上，本來就是靠人臉辨識你是誰。

辨識圖片的意義，并且說出來意義

除了人臉，電腦開始可以辨別這個世界的物件與意義。

如果電腦要開始辨別出更多的物件，必須要有龐大標簽化的圖片庫來學習。人工智能科學家李飛飛在2007年開始了一項ImageNet的圖片庫建立的計劃，他們在網(wǎng)絡上下載了大量的圖片，并由全世界約五萬名義工幫忙給每一幅圖片分類與下標簽（圖的意義）。2009年，ImageNet圖片庫中有了一千五百萬張圖片，超過二萬兩千個分類標簽。這些龐大標簽化的圖片庫讓許多人工智能算法在其中比賽準確度。2012年，加拿大多倫多大學Prof Hinton的團隊，居然以新的算法（卷積神經(jīng)網(wǎng)絡，Convolutional Neural Network）與GPU處理器（擅長處理矩陣運算），讓他們的準確度遙遙領先其他團隊10%以上。至此，有了附有說明的練習圖片，有了新的算法，電腦視覺產(chǎn)生了顯著的進步，能夠辨識許多真實世界的物件，并且能夠以自然語言，說出圖片的意義。

這項突破是這波人工智能主要帶來的里程碑，讓電腦逐漸可以取代人類的眼睛看見這個世界的物件與意義，并以人類的語言說出來。

舉例來說，未來人工智能的眼睛可以看到駕駛正在打瞌睡或酒醉，是否摔跤，可以看出人們的喜怒哀樂、可以看得出自駕車前方路上出現(xiàn)的是紙袋還是石頭，可以幫助醫(yī)生判讀X光，辨別人際關系、辨別美丑、提供穿衣服與化妝的建議等等。螞蟻金服也提出了定損寶的服務，汽車如果有事故，只要在指定位置照三張照片上傳，打通電話說明發(fā)生了什么事，就可以在幾小時內(nèi)，完成理賠的服務，原來，那通電話在測謊，而你上傳的幾張照片，由人工智能程序判斷應該理賠多少，準確度不輸給真實人類定損員。

聽見聲音，并且完美翻譯

這波人工智能的革命主要發(fā)生在圖片的特征表達，因此舉凡能夠轉(zhuǎn)換成類似圖片像素二維矩陣格式的數(shù)據(jù)都可以使用深度學習，但是每一行列的像素如果換了位置，意義就不一樣的數(shù)據(jù)，就不擁有圖片像素的特征。過去一般資料庫的表格因為欄位變動意義還是一樣，像是欄位信息是“編號、姓名、地址”，還是“編號、地址、姓名”，如果換了欄位順序沒有影響的數(shù)據(jù)，就不是圖片像素數(shù)據(jù)，就無法使用深度學習算法。

聲音是一個很容易轉(zhuǎn)換成圖片像素檔案格式的另一個應用，譬如縱軸是音頻高低，橫軸是聲音的時間排序，因此聲音很容易轉(zhuǎn)換成類似圖片像素的檔案格式，一旦轉(zhuǎn)換成功，電腦就可以自行發(fā)現(xiàn)聲音的特征值。過去數(shù)十年語音識別的聲音模型一直很難突破，因為人類制定的語音特征模型的方式不夠好且因人而異，但是2006年 Hinton提出了深度學習的算法，由電腦自行找到的特征值，讓語音識別的錯誤率，降到5%甚至更低的水準，產(chǎn)生許多智能音箱的物種大爆發(fā)。

當AI聽懂了聲音，接下來還需要了解語言的意義。過去靠的是語言學家的文法結(jié)構，文法是人類定義出的結(jié)構，但是人類知道的比說出來得多，文法的例外可能與規(guī)則一樣多。譬如我看過一則中文文法，是“動詞+名詞”=“把名詞動詞掉”，“吃飯”=“把飯吃掉”，“關燈”=“把燈關掉”，但是“開燈”=“把燈開了”，到底是開掉還是開了，就是例外狀況。其實只要中文講多了，根本不需要記憶文法，因為從大量生活對話中，人們有一種統(tǒng)計直覺本能，找到正確的介系詞。

人工智能正用統(tǒng)計智能取代規(guī)則智能。語言翻譯也因為網(wǎng)絡上翻譯對照的網(wǎng)頁越來越多，一種以統(tǒng)計對應而不是用字典對應的新方法產(chǎn)生。過去的人工智能對語言的翻譯是要先將語言按照文法句型結(jié)構（parsing）辨認出主詞、動詞、形容詞、副詞、名詞，再依照字典加以解釋，但是翻譯的品質(zhì)一直不到小學程度，而且無法充分考慮上下文情境對于翻譯的影響。早期IBM也嘗試由三百萬句完美翻譯中找出翻譯的統(tǒng)計關系，但是效果并不好，但是在網(wǎng)頁上累計了九百億句的翻譯網(wǎng)頁，品質(zhì)良莠不齊，但是因為數(shù)量龐大，反而開始有了良好的表現(xiàn)。舉例來說，看電視、看書、看醫(yī)生都是用看，但是如果從大量中英對照的網(wǎng)頁中統(tǒng)計出“看”這個字會因為不同的受詞而有不同的英文翻譯，反而有更好的翻譯表現(xiàn)。

語音比圖片單純太多，語音辨識將是“新AI”第一個產(chǎn)業(yè)化的應用，目前我們已經(jīng)能夠用語音對著手機發(fā)號指令，如“打電話給某某某”、“今晚會不會下雨”、“高速公路路況”等的查詢，各種類似Amazon Echo的智能音箱也問世了，Amazon智能助理Alexa可以幫助主人處理家庭內(nèi)的問題解答與家電控制，而Amazon的智能助理Alexa的自然語言介面已經(jīng)開放給各行各業(yè)使用，像是福特汽車開始使用Alexa成為儀表板的聲音控制，未來你只要說“Alexa，開大燈，Alexa，聽音樂，Alexa，幫我導航到……”即可；當然，未來你的購物助理、理財助理、健康助理可以通通都是Alexa，如此一來，Alexa就掌握了未來你所有的拼圖，比你自己還要了解你自己。這會侵犯你的隱私嗎？ 當然會，所以有人說在人工智能時代，隱私權將要被數(shù)據(jù)權保護，因為若要使用臉書、谷歌、LINE等等精準服務時，你的隱私已經(jīng)被機器閱讀了，機器閱讀你的個人信息算不算是侵犯隱私？ 還是我們必須先立法制定各種數(shù)據(jù)權，允許在什么情況下，機器可以使用你的個人信息，反而是更重要的一件事。

第四雙AI眼睛： 看見環(huán)境博弈

當電腦有了視覺與聽覺，就開始可以與真實世界互動，甚至是博弈了。

走迷宮，建立探索樹了解環(huán)境

過去，人類負責降維，但是找到的特征值都不夠好；未來，將由AI負責降維。

在“舊AI”時代最喜歡挑戰(zhàn)的游戲之一就是走迷宮，其實任何迷宮只要任機器人多走幾遍，畫出探索決策樹之后，未來的決策就是照著探索決策樹走。如圖1所示，如果你的位置在B，走到出口最快的方式，就是依照探索樹，B-A-C-G就出來了。重點是要如何畫出探索決策樹？目前先進的掃地機器人到了你家之后，會先探索把你家都走一遍，建立你家的探索樹，未來就能很快地到達想要去的一個點。物流搬運機器人也是，建立了倉庫的探索樹，就能很快的移動。

博弈，當探索樹有了對手

探索樹是機器人自己的探索，如果有了對手，就表示探索樹的結(jié)構不再固定不變了，而是我每走一步，對手都會有不同的走法，那我要走哪一步能讓我勝出的機率最大？ 這時必須沙盤推演與模擬對手的各種可能回應，并計算出我的勝率。這個博弈游戲如果簡單如井字游戲就簡單了，我可以畫出整個所有可能，但是如果復雜到西洋棋或圍棋，就復雜了很多。Alpha GO的勝出所代表的即使復雜如圍棋，我都能快速地計算出所有的沙盤推演與模擬，算出每步的可能勝率。博弈階段包含了開局、中局與殘局，開局在布局、中局在攻防、一但到了殘局，因為棋子較少，能使用的策略也較少，一但人工智能能建立整個殘局的博弈樹，人類將必敗無疑。AlphaGo的成功代表電腦在處理與環(huán)境互動的能力往前增進了一步，未來無論是投資理財、無人自駕都可以解釋成一種博弈。

人工智能毀滅人類

兩個人工智能程序在彼此博弈的時候，就有可能損害第三者。

比較可怕的是，電腦可以在人類無法感知的時間內(nèi)替人們做決策并采取行動，像是Google可以精準地投放廣告；Amazon Echo更可以接受語音，替你訂餐、購物與控制家電；臉書可以幫你自動辨識人臉與挑選資訊；理財機器人可以在計算大數(shù)據(jù)的同時，以每秒10萬次的高頻交易幫你低買高賣。當然，智慧工廠、智慧城市、各種機器人、無人自駕車……都是自動執(zhí)行的代表。目前許多公司已經(jīng)開始免費提供具有機器學習、視覺、語言等功能模組的機器人作業(yè)系統(tǒng)（ROS）給各界使用，未來機器人的開發(fā)門檻愈來愈低，甚至會像安卓系統(tǒng)一樣普及。

人工智能各為其主，有可能為了保護自己的主人而不經(jīng)意地毀滅他人，如2010年5月6日，道瓊斯工業(yè)指數(shù)莫名其妙跌了9%，1兆美元瞬間蒸發(fā)，美國證券交易委員會（SEC）六個月后才搞清楚，原來是一群高頻交易的理財機器人，在試探并利用彼此交易策略的行動上失控了。我們再有一點想像，如果兩輛自駕無人車要相撞了，唯一能夠保護主人安全的方式就是要犧牲十幾位路人的生命，這時人工智能程告訴你為了要拯救十幾位路人，我們決定要犧牲你，這時，你還會買這輛車嗎？ 當兩個人工智能在博弈的時候，就有可能犧牲第三者，如果這是武器系統(tǒng)呢？

人工智能已經(jīng)來了。傳統(tǒng)企業(yè)“對過去的堅持，與對未來的無知”，才是人工智能發(fā)展的隱憂。