【專家解讀AI趨勢：臺灣大學資訊工程學系教授林守德】深度學習不是最終答案，第三波AI浪潮有5大挑戰
在GPU運算資源協助下，大幅提高了訓練模型的效率，深度學習掀起第二波人工智慧的浪潮，但深度學習不是最終答案，下一波AI浪潮將有5大挑戰，這也是AI突破的5大方向（攝影／何維涓）。
人工智慧在今年開始發光發熱，以往不被重視的類神經網路演算法，因為硬體資源的提升加上大量數據的輔助，得以增加深度學習模型的準確率，讓AI踏出在學術界的實驗室，來到產業界產生各式各樣的真實應用。
「AI早在80年代前就已經有第一波的浪潮，」臺灣大學資訊工程學系教授林守德指出，當時許多企業投入開發的專家系統，就是AI最早期實現的應用，將專家的知識變成規則，藉由規則來判斷，從技術來看，專家系統是成功的，但因聘僱各領域專家的成本太高，導致專家系統難以普及化，因此，AI在80年代末期沒有成功興起。
接著， 90年代，更多的演算法出現，加上軟硬體的配合，包含電腦運算速度增加、記憶空間變大，以及網路的崛起讓資料收集變得更方便且廣泛，帶動了AI第二波的崛起。
林守德表示，第二波AI浪潮是將機器學習應用於統計、資料探勘，眾所皆知的AlphaGo，AI電腦圍棋打敗人類圍棋冠軍的事蹟，掀起了這一波AI技術的浪潮。也因AlphaGo的世紀戰役，也讓眾人對AI有更多的了解，過去，機器學習就是指用監督式學習來分類，像是支持向量機（Support Vector Machine，SVM），但因這一波AI的崛起，大家開始意識到機器學習還有許多各式各樣的演算法，非監督式學習、增強式學習、生成對抗網路（Generative Adversarial Network，GAN）等。
尤其是增強式學習，更因AlphaGo Zero的成功而開始受到注目，增強式學習讓程式能夠跟外在環境互動，並從互動中學習如何優化得到的獎勵的機制。
林守德認為，支撐第二波人工智慧浪潮的是深度學習，深度學習是從類神經網路衍生而來，將神經網路疊合成更多層，進而產生複雜的非線性模型，在GPU運算資源的協助下，增加了訓練模型的效率，而帶動這一波AI發展。
但是，他認為：「深度學習並非AI最終的萬靈丹」許多人可能覺得深度學習將認知和辨識的技術，推到了下一個境界，但林守德指出，深度學習還是有一些問題有待解決，目前AI的發展上，大部分成熟的應用都是與知覺相關，也就是說在辨識和認知方面的應用，但是深度學習並沒有解決電腦缺乏推論能力的問題，還是無法解決非搜尋類的相關問題。
未來，第三波人工智慧的浪潮，林守德提出5大即將面臨的問題，第一，他認為，AI將會從弱AI進入到強AI，弱AI即是只能聚焦在單一特定的任務上，從第二波浪潮之後，都算是弱AI極致的表現，但是，將來可能會走向強AI，也就是能夠解決廣泛問題的AI（General AI）。
他指出，未來AI將會加強推理、創造能力，打造出更接近人類智慧的AI，是下一波AI浪潮的新挑戰。目前像是DeepMind、臉書AI研究院都有在進行相關的研究，期望突破深度學習的架構，讓AI能夠完成更複雜的工作，像是記憶、推理等能力，若能達到這些能力，AI將會更接近人類的智慧。
第二個挑戰則是AI如何與人合作，他指出目前大部分的AI都是各自處理各自的問題，在不同的領域上也少有交集，未來的AI除了要相互合作，更要與人一同合作，但是為了要與人合作，就必須需要賦予AI更多能力，包含與人類互補的智慧，還需要展現出同理心、信任感，在合作的過程中，AI也需要有認知能力來與人類溝通，目前也有許多研究在朝著開發出類似人類能力的AI方向進行。
第三挑戰是安全和可性度。「AI的安全性和可信度會是未來需要關注的議題！」林守德指出，AI病毒和AI的安全性的討論，目前為止還沒有受到重視是因為AI還不夠普及，未來AI深入人類的生活，變得越來越普及之後，將會開始出現AI攻擊工具和方法，他表示，目前已經有研究發現，機器學習的決策可以被誤導，舉例來說，深度學習在圖像辨識的準確度已經達到大90以上，也在許多產業廣泛應用，但是若有心人士在圖片上加入特殊的錯誤，肉眼雖看不出差別，卻能夠左右AI的判斷，這種影響尤其不易察覺。
他認為，AI判斷遭誤導了，對許多應用都會造成嚴重的後果，舉例來說，近來有些銀行用AI來判定小額信貸的審核，但是AI系統若遭到有心人士攻擊，可能能夠使AI做出錯誤的判斷，也會造成銀行非常大的損失。
因此，林守德認為，金融業的AI應用，需要特別留意安全性，另外，國安方面，也是一大議題，未來人臉辨識、指紋辨識可能變得普及，若辨識遭到偽造，也會產生眾多問題，「AI的安全性，會越來越重要，」他甚至大膽預測，在幾年後將會出現第一支AI病毒。
而第四個挑戰則是AI道德和倫理議題。這也是林守德常常被問的問題，「AI有沒有可能摧毀人類？」他的答案是：「有可能，但是不是電影情節的那種摧毀方式」，AI短期之內，是不可能產生自我意識，進而攻擊人類，AI可能危害人類的方式是，在執行命令的過程中，因為沒有對現況有全面的了解，而犯錯傷害到人類。
簡單來說，AI在執行人類的命令時，因為誤判或是不夠智慧，而傷害到人類，例如，機器人被要求去冰箱拿飲料，行進的過程可能將遇到的嬰兒踢到旁邊，因此，「AI還需要加入道德和倫理的觀念，」他認為，道德和倫理也是智慧的一部分。
不過，他也指出，要賦予AI道德和倫理的觀念，非常具有挑戰，有時候道德觀和AI要執行的目標會有衝突，AI必須對現況有全面的了解，才能做出較正確的判斷。
最後，未來AI發展可能面臨的一大挑戰是，要如何建立透明化的AI方法，他表示，心理學家有一項研究指出，人類較不能接受無法理解的事物，當人類不能理解事情的原委時，接受度將會下降不少，因此，AI在未來深入人類的生活，生活中許多事物將會有AI共同參與，要如何讓大眾接受AI的建議與決策將是一大挑戰，必須建立一套透明的機制，讓大眾了解AI給予建議或是制定出決策的原因。
舉例來說，若AI理財機器人建議投資人買某支股票，但是沒有交代建議的參考資料和原因，投資人很難取信於AI，他認為，如何將AI的方法透明化並解釋清楚決策的過程，以及如何說服人類相信AI的決策，會是未來需要解決的議題。
《全文請見iThome（https://www.ithome.com.tw/news/118494）》
