人工智慧 — 取得人類存亡與科技發展間的平衡|于天立老師

     老師雖然身為電機教授,但更像個哲學家,從小就思考人類是如何「學會」、如何意識到自己存在或如何產生意識,甚至自己在做人工智慧研究,卻認為科技繼續發展到極致會對人類產生不好的影響,思緒豐沛的于老師究竟是怎麼踏上人工智慧研究之路呢?就讓我們一起來看看吧!

「做喜歡的事,怎麼會需要被確定呢?」

     我想人工智慧是每個人從小的夢想吧,有很多電影都會描繪人工智慧或智能機器,例如 The matrix 或 i-robot ,我小時候則是看魔鬼終結者。而我們都覺得電腦做什麼都比較快,不論是計算或做其他事情,但和人類比起來還是有點笨笨的,所以如果電腦能自己偵測狀況而且做出反應,這應該是每個人的夢想吧~(撒花)而且我也常跟學生說:「喜歡就去做,難道你喜歡哪個女孩也要給我決定?」因為很喜歡,所以就一步步走過來了!

     到了大學,越來越覺得人工智慧有趣,而且從小到大的過程裡會發現有些同學學習速度快,有些速度慢,但學習速度慢也只限於某些領域,例如有些同學高中成績很差但講到電影,不論是導演風格、怎麼選角、畫面配置、理念等等都如數家珍,能夠講得清清楚楚。我覺得這是每個人的特長不同,我就開始思考人在學習東西是否都有各自的學習模式,而每個人在各時期又適合不同的學習模式。因此就會聯想到這個問題:「人到底是怎麼學會的」?

「人到底是怎麼學會的?」

     這問題其實很困擾我,我們的腦袋真的像電腦一樣,在短時間做了那麼多種運算嗎?例如現在的人臉辨識系統,透過各種方法,例如計算兩眼距離等等,做了一大堆微分和運算,但只能勉強辨識臉孔,然而人能夠辨認另一個人,並不是這樣的過程,就算是從來沒見過的角度,也會知道是我,就像你剛剛看到我的背影就知道是于天立。所以讓人很難相信人的腦袋是像電腦那樣思考的。

     我研究 AI ,一方面希望電腦能做更聰明的判斷,一方面是想拼湊出人類到底是怎麼思考的。不過這講到最後會深入到認知科學或哲學,就像我們講到,是否有智慧最大的分野就是 「self-awareness」 能夠意識到自己的存在?可是這到底又是什麼東西?

     當然我相信自己是有自我意識的,但自我意識到底是什麼呢?光這就一點能談很久很久。因為這會牽扯到更多心理學、認知科學,甚至哲學領域,但大家都沒能解決這個問題,甚至笛卡兒就直接講了「我思故我在」:反正我就是存在了。中國古代也有探討這些問題,像是老子的「道可道,非常道」:我講得出來的都是沒有用的,真的有用的是我講不出來的,甚至波羅蜜心經也有講到,所以說「我存在」這件事是不可被證明的。再舉個例子,現在只要給我的腦袋一些「你們存在我面前」的訊號,我就會認為你們在我面前,所以只要用模擬的方式,也能讓我覺得你們存在,這樣要怎麼證明你們存在,或證明我的存在呢?

「做越多研究,越覺得自己的認知不夠」

     我一直覺得越做科技會越做越「死」,因為我們都能用技術創造出有智慧的假象,最終就會迷失自我,所以研究越深,越覺得該坐下來喝杯咖啡,要沈澱自己,去想每天猛忙,到底在忙什麼。而且越學越覺得科技不能證明的東西越多,甚至有定理可以證明,我們現在論證系統有很多都不能論證「正確的事情」是正確的。所以我也不能理解為什麼電影裡只要演到科學家或教授都會呈現狂熱的傾向,因為我們做越多研究,就越會意識到自己的認知太少。而且未來科技可能會發展到無可救藥的地步,但即使如此,還是得努力研究,因為瞭解越多,越能確保自己的安全。

【AI課程快問快答】

Q1. 老師為何決定開這門課呢?會不會擔心內容較專門,同學反應不過來呢?

     AI 一開始是我在電機所開的實體課程,因為學習反應不錯,所以丙成老師就邀請我來做 MOOC 版本。另外,現在我所開的三門實體課分別是基因演算法、計概、AI,基因演算法太深了,不適合放上網路,計概也已經放上開放式課程,所以就剩下 AI !但當初會有點擔心 AI 放上網的成效,因為一般在網路上的課程可能在技術面不要涉及太多,學生會比較好吸收,但 AI 本身就屬於技術層度高的課,實體課本來也是開給電機所研究生的,所以我自己也有點忐忑。不過目前只錄到實體課的前 1/3,所以內容上應該還好,希望大家能吸收。

Q2. 這次在作業發想上用小精靈(吃豆豆),是特別設計的嗎?

     這次是直接選擇柏克萊大學的 Package。AI 其實有很多系列教材可選用,小精靈則是我認為是其中設計很好的一套教材,因為課堂上講技術都是一回事,但要透過實作才會有感覺,柏克萊這套小精靈就將概念與技術的連接應用做得很好,非常理想。

     很多學生都覺得上課聽得懂,但開始做小精靈才發現自己其實沒有完全理解,等到作業做完才會更明白。因為有些搜尋方法理論上很漂亮,但實作上有很多困難需要克服,這是單純聽課沒辦法深刻體會的。

Q3. 這堂課會用到 Python,本身不會 Python 會聽不懂講課嗎?

     Python 和 AI 本身並沒有關聯,是因為我選用的這套小精靈教材在作業上會使用到才有先修知識要求。Python 比起 C 或 C++ 來說已經很容易了,我相信同學能夠自學,而且會想來聽課的同學,我預期都是研究生,應該都有基本的程式能力。倘若真的不想碰程式語言,那就聽課吧,反正 Coursera 的作業也非強制性,不過相對來說能學到的範圍就局限起來了。

       不過還是鼓勵大家自學,因為 Python 是一種很簡單的語言,只要會任何一種語言,應該都能一天快速上手!

Q4. 可以用簡單的例子說明AI嗎?

     AI 的定義真的很廣,以弱 AI 最虛弱的 AI 就是冷氣,若設定感測室溫超過 27℃ 就 ON,低於 27℃ 就 OFF,這樣就是一種 AI 了。簡單來說 AI 的原理會有個 Sensor 偵測,機器再將偵測後的結果套進我們設定的規則,去做最好的判斷反應,但這樣的 AI 其實是滿虛弱的 AI。

       很多人在講 AI 時都會把它和學習放在一起,好像一定得學點什麼才叫AI,但實際在研究領域上這兩塊是分開的,「學習」就是「機器學習」領域,Coursera 有林軒田老師所開的課程可以看,相對來說比較不含學習的就是 AI。而我教的 AI 其實是混雜的,因為這兩者其實很難完整切割,不太可能只談人工智慧而不談學習,或只談學習而不談人工智能。不過現在上線的課程還在初期,似乎和「學習」還沒什麼關係,但如果想知道更多,可以看我的 AI 課林軒田老師的機器學習課

Q5. 老師在做MOOC上遇到的困難點?

     我不習慣看鏡頭講話,因為我通常會看學生的反應或背景來做例子講解,像過去在土木系上課就講如何造橋,而去管理學院教課就會舉會計系統的例子,如果沒有觀眾,對著鏡頭講話就像對著一支筆講「人工智慧其實是….」這會讓我感覺很不自然,這種心理障礙是需要克服的,而且還要講到鏡頭背後不論什麼背景的人都能聽得懂,在沒有即時反饋的情況下是困難的。

     而且我的教學習慣會從很多面向切入,先從這個角度帶入淺顯的概念,講個三四成,再從另一個角度講七八成,最後再換個方式講剩下的兩成,讓學生們能夠連結其中的關係,但在 Coursera 要做這件事比較難,雖然聽不懂的地方可以倒回去看,但這樣接收的都是同樣的字句,比較難讓學生有新的感受。人類的大腦是很聰明,會找到最好的方法讓自己放鬆,所以如果訊息有預期性,大腦就不會認真去思考背後的意義,這就是為什麼甚至用同樣的角度講事情,因為語調不一樣,同學接收的訊息也會不一樣。就像音樂與噪音的,好的音樂是有可預期性,但又同時具備變化性的,而噪音就是不可預期或著沒有重複性,才會讓人覺得無聊或吵。

Q6. 電影中的人工智慧,未來真的有機會出現在現實生活中嗎?

     電影講的絕大多數都屬於強 AI,也就是自我意識或自我能力,但我們現在講的AI研究99.99% 都在講弱 AI。這是因為強 AI 複雜得多,研究時間非常長,可能20年都做不出成果,而且人類其實不希望有自我意識、會反抗指令的強 AI 出現,因此強AI的研究比較是一個夢想,而相對缺乏市場。

    說句玩笑話,如果真要有強 AI,那就生個小孩就好啦,有真正的智慧,幹嘛需要電腦變得那麼聰明呢?