博客

AI成為社會發展的「必然選項」

數碼世界依靠數據驅動，其運作的三大支柱是數據、算力和算法。大數據（Big Data）及雲計算（Cloud Computing）技術對應前兩者，至於代表算法的技術便是人工智能（Artificial Intelligence），三者形成數碼世界的ABC三大基礎設備，三個要素缺一不可，相互促進、相互支撐。以美食作為比喻，大數據相當於食材；雲計算是烹煮必須的煤氣或電力；人工智能的演算法便是烹飪方法，三者俱備才能炮製出美味佳餚。 人工智能的概念早在70年前已有科學家提出。1956年夏天在美國達特矛斯（Dartmouth）舉行了一個關於人工智能研討會，正式提出人工智能（AI）的定義。隨着電腦出現，當時的科學家便構想將人類智能赋予電腦，讓電腦模仿人類思考，進而模擬人類的能力或行為。AI作為一門學科便在這時起步，人們普遍將這一年稱為AI元年。 時至今天，AI已進入了人類生活。我們日常接觸到的智能手機、叫車軟件、社交媒體、導航、搜尋引擎等都運用了AI技術。不過，這種在特定範圍執行具體任務的AI只屬於「狹義人工智能」（Narrow AI）。至於能夠模仿人類思維、決策，有自我意識、自主行為的「通用人工智能」（General AI）現時仍只能在科幻小說或電影找到，未能成為現實。在AI發展初期，利用以法則為主（Rule Based）的程式，將人類專家的知識和經驗變成數據形式，通過數據讓電腦進行推理，這種系統擁有多條法則，可進行簡單的推理，稱為專家系統。這些法則要明確，數量要少，例外的情況不能多，所以適用處理結構化的數據，但面對大範圍、數量多、非結構化的數據便難以應付。 機器學習數據為本着重學習 除了法則為本的程式外，AI另一重要分支是機器學習（Machine Learning）。與法則為本的方向相反，機器學習從下至上，着重AI模型的學習，盡可能提供大量數據，經由人類知識從數據提取一些具有特徵的數據（feature data），讓AI模型學習，然後用學習好的模型去判斷數據，並得出問題的答案。 機器學習將複雜的智能問題換成相對簡單的統計問題，而電腦正是處理統計數據的能手。經過大量數據的訓練後，AI便能總結出規律，應用到新的樣本。如果在缺乏足夠數據的全新場景，AI只能瞎猜，無用武之地。現時學術界普遍相信，讓電腦獲得智能的關鍵是大數據，因此機器學習已成為AI的主流方式。雖然「餵飼」AI越多數據，便越有智慧，但只要仍需人類參與特徵工程（把原始數據轉變成特徵的過程），效率便難以提升。科學家便模仿人類的生物神經網絡（Biological Neural Network）的結構和功能，創造出一種人工神經網絡（Artificial Neural Network）數學模型。 人工神經網絡由大量人工神經元（與人腦運作相似）聯結進行計算，是一種自適應系統（adaptive system），可根據環境變化調整自身，使行為在新環境下仍能達到最佳功能。簡單來說，這便是具備了學習功能，因此，深度學習（Deep Learning）在提取特徵的過程已無需人類協助，可以自行從海量數據中通過持續學習而完成。深度學習現時是機器學習眾多分支中，最廣為應用的AI技術。 AI決策系統贏圍棋世界冠軍 機器學習或深度學習較普遍的應用範疇有5類。一是電腦視覺（Computer Vision），如用於手機解鎖、安全監控、門禁系統等的人臉辨識技術。二是自動語音辨識（Automatic Speech  Recognition）技術，手機的語音輸入法或智能語音助手如Siri、Echo等均屬這類，可從語音中說一段話，隨即翻譯成另一種文字，實現不同語言之間的交流。三是自然語言處理（Natural Language Processing, NLP）。它是在機器語言和人類語言之間溝通的橋樑，實現人機交流。NLP最常見的例子是電郵篩選器，最開始是垃圾郵件篩選器。Gmail電郵系統更進一步可根據內容識別出電郵屬於主要、社交或促銷三類中的哪一類。此外，也常用於智能助手、語言翻譯、搜尋引擎等。四是決策系統。最著名例子是1997年IBM的超級電腦Deep Blue（深藍）打敗國際象棋世界冠軍，另一例是2016年打敗世界圍棋冠軍的AlphaGo。現時決策系統已在自動化、量化投資、AI遊戲等範疇廣泛應用。最後一類是大數據應用。社交媒體通過你看過的文字或圖像，知道你喜歡的內容，便可進行更精準的營銷。 AI在電腦視覺及語音技術的應用已有蓬勃發展，未來重點是增加不同場景的應用。在NLP的範疇仍需在語意理解能力方面再提升。至於決策，則要在通用能力下功夫，令電腦學習到的知識可以在不同場景運用。 關注倫理推動可解釋AI冒起 現時Al技術及產業應用已成為人類生活的「必選項」，但AI究竟是甚麼？對我們的生活帶來甚麼改變？不少人仍然一頭霧水，尤其是深度學習的能力，在某些範疇已超越人類，但透明度卻不足，令人難以理解。近年業界關注AI的倫理及治理問題，可解釋AI（Explainable  AI）成為業界研究的新興範疇，核心議題是AI的透明度與可解釋性。歐洲、美國及中國等主要國家近年均立法監管AI運用及帶來的私隱問題。聯合國教科文組織（UNESCO）更在2021年通過首份AI倫理協議，提出包括「透明性與可解釋性」在內的10大原則。部份人對AI仍停留在電影未來戰士（Terminator）的恐怖形象。當然擁有自我意識的通用AI可能會在未來出現，但我們必須認清AI對人類有甚麼影響，如何發展才對人類是最合適的。究竟AI最終會成為人類最佳的助手，抑或最恐怖的敵人？我們要主動掌握在自己的手中。 作者：香港中國商會常務副會長陳亨達 [...]