人工智慧下的省思：機器真的可以超越人類？
景氣永遠波動，世界愈趨混亂，如何才能在變動中依然確立方向？掌握影響變化的關鍵趨勢，把自己放在上升的軌道上，未來的脈絡就會清晰浮現。
3 月中的人機圍棋大賽，AlphaGo最後以4比1的差距大勝李世乭，這位曾經贏得18個世界冠軍的九段高手。這樣的結果跌破很多人的眼鏡，甚至引發各種「機器超越人類，科幻小說將成為現實」的討論。到底機器真的可以超越人類嗎？我們該有什麼省思？
我在念卡內基梅隆時，曾經開發一套黑白棋人機對弈系統Bill，當年就擊敗過人類黑白棋的冠軍。我深知人工智慧的潛力，但這次的比賽，AlphaGo仍然讓我驚豔，它上次戰勝歐洲冠軍後的評分，其實差了李世乭約4、500分，但短短5個月內，它有這麼大的突破。
我認為未來6到12個月，人類就很難再擊敗它，但話說回來，卻也很難完全破解。因為所謂百分之百破解，即為一方一定贏，另一方沒有任何的機會。目前跳棋和其他棋類已經完全可以破解，但圍棋的難度過於複雜，只有靠機器深度自我學習。就是在學習過程中，漏掉的路數給了李世乭扳回一局的機會。
不過，雖然AlphaGo贏得比賽，但人類也不必妄自菲薄。因為目前為止，機器依然沒有全局觀能力，也就是無法表達出自己贏在了什麼地方。它現在所能認知的是，通過算法明白自己在第幾步是領先還是落後局勢，而任何一個人類棋手都可以表達出自己在一盤棋中贏在哪裡輸在哪裡。
深度學習的人工智慧對未來將有什麼改變？我們將看到無數的商機和產品，能夠解決問題、拯救生命、產生巨大的商業和用戶價值。未來，自動交易能得到更高的投資回報和風險比例，自動診斷＋基因排序會達到個性化精準醫療，推薦引擎將能推薦你最可能會買的產品、想吃的菜，想認識的人。在擁有大數據＋大計算＋專家調節的領域，就不必再跟人類相比了，因為人類根本差得太遠了（就像沒有人能打敗搜索引擎一樣）。
這些技術可能輔助專家，也可能取代專家。非專家的工作未來將可能面臨失業。未來10年，大部分今日人類的工作可能被取代，比方護士、記者、會計、教師、股票理財師等工作。任何帶有「助理」、「代理」或「經紀」等字樣的職位都很可能被取代。這些機器不需要薪水，只需要供電和網路，就會一年365天，一天24小時「上班」。這些機器將幫助我們創造世界上大部分的財富。
雖然這些機器確實很「聰明」，而且高效、勤奮、低廉，但它們並不「人性化」，只是冷冰冰的機器和工具。比如AlphaGo戰勝李世乭，但它不會感到高興，也不會理解我們對它的討論。甚至說不上這局棋怎麼贏。因為它的思考雖然周密，但它不懂「贏了有什麼感受？」， 也不懂「為什麼圍棋好玩」，更不懂「人為什麼要下棋？」，甚至連「你今天怎麼贏的？」都說不上。
今天的機器完全無法理解人的情感、喜怒哀樂、七情六慾、信任尊重、價值觀等方面。對於人文藝術、美和愛、幽默感，機器更是絲毫不懂。有位人工智慧專家做了一套研究幽默感的系統，然後輸入了一篇文章，這個系統看了每句話，都說「哈哈！」，今天的機器連個兩歲小孩都不如。對人工智慧的研究者，這應該是一大未來的挑戰。
那我們該擔心什麼？這些強大機器，將帶來人類能否度過有史以來最大的「失業潮」。這次「機器取代人類」將遠超過以往工業革命和信息革命。不過，失業還不是最可怕的，因為這些機器會產生巨大商業價值，養活著這些失業者，進而養活人類。人類最應該擔心的是：一旦當機器供養人類，人類達到了馬斯洛需求的基本需求，人類真的還會有動力去追求更宏偉的目標，自我實現嗎？還是會醉生夢死、無所事事地活著？
面對這個擔心，我們應該：
1. 關注啟發式教育，用互動式教育啟發孩子對學習的興趣和效率。
AlphaGo願意跟人類學習，我們當然也要善用最善於分析、最博學的機器。善於學習，樂於學習的孩子是不會醉生夢死的。
2. 正視發育右腦的學科領域，平衡文理。
塞翁失馬，焉知非福？機器超越人類的左腦（工程邏輯思維），也許就是要人類從過去幾10年重視理工，傾斜回來，花更多的精力在機器不擅長的右腦，例如： 文學詩歌、藝術音樂、電影話劇、文創設計、工匠之美、宗教哲學、溝通情商。這不是說就不要學理工了，而是說應該讓適合理工，愛好理工的人學理工，適合人文，愛好人文的人學人文。我們應該平等看待文理，並且鼓勵發展文理雙全的人才。
3. 鼓勵有上進心的年輕人挑戰自己，孜孜以求，成為專才。
不要把時間浪費在「安穩」但重複性的工作，而要以「成為某個特殊又有用領域的最頂尖人才」為目標，為己任。（整理：張德齡）
（本文摘自《30》雜誌2016年4月號《創業的代價：即使流淚，依然有夢》）http://www.30.com.tw/journal_content_b140.html
3 月中的人機圍棋大賽，AlphaGo最後以4比1的差距大勝李世乭，這位曾經贏得18個世界冠軍的九段高手。這樣的結果跌破很多人的眼鏡，甚至引發各種「機器超越人類，科幻小說將成為現實」的討論。到底機器真的可以超越人類嗎？我們該有什麼省思？
我在念卡內基梅隆時，曾經開發一套黑白棋人機對弈系統Bill，當年就擊敗過人類黑白棋的冠軍。我深知人工智慧的潛力，但這次的比賽，AlphaGo仍然讓我驚豔，它上次戰勝歐洲冠軍後的評分，其實差了李世乭約4、500分，但短短5個月內，它有這麼大的突破。
我認為未來6到12個月，人類就很難再擊敗它，但話說回來，卻也很難完全破解。因為所謂百分之百破解，即為一方一定贏，另一方沒有任何的機會。目前跳棋和其他棋類已經完全可以破解，但圍棋的難度過於複雜，只有靠機器深度自我學習。就是在學習過程中，漏掉的路數給了李世乭扳回一局的機會。
不過，雖然AlphaGo贏得比賽，但人類也不必妄自菲薄。因為目前為止，機器依然沒有全局觀能力，也就是無法表達出自己贏在了什麼地方。它現在所能認知的是，通過算法明白自己在第幾步是領先還是落後局勢，而任何一個人類棋手都可以表達出自己在一盤棋中贏在哪裡輸在哪裡。
深度學習的人工智慧對未來將有什麼改變？我們將看到無數的商機和產品，能夠解決問題、拯救生命、產生巨大的商業和用戶價值。未來，自動交易能得到更高的投資回報和風險比例，自動診斷＋基因排序會達到個性化精準醫療，推薦引擎將能推薦你最可能會買的產品、想吃的菜，想認識的人。在擁有大數據＋大計算＋專家調節的領域，就不必再跟人類相比了，因為人類根本差得太遠了（就像沒有人能打敗搜索引擎一樣）。
這些技術可能輔助專家，也可能取代專家。非專家的工作未來將可能面臨失業。未來10年，大部分今日人類的工作可能被取代，比方護士、記者、會計、教師、股票理財師等工作。任何帶有「助理」、「代理」或「經紀」等字樣的職位都很可能被取代。這些機器不需要薪水，只需要供電和網路，就會一年365天，一天24小時「上班」。這些機器將幫助我們創造世界上大部分的財富。
雖然這些機器確實很「聰明」，而且高效、勤奮、低廉，但它們並不「人性化」，只是冷冰冰的機器和工具。比如AlphaGo戰勝李世乭，但它不會感到高興，也不會理解我們對它的討論。甚至說不上這局棋怎麼贏。因為它的思考雖然周密，但它不懂「贏了有什麼感受？」， 也不懂「為什麼圍棋好玩」，更不懂「人為什麼要下棋？」，甚至連「你今天怎麼贏的？」都說不上。
今天的機器完全無法理解人的情感、喜怒哀樂、七情六慾、信任尊重、價值觀等方面。對於人文藝術、美和愛、幽默感，機器更是絲毫不懂。有位人工智慧專家做了一套研究幽默感的系統，然後輸入了一篇文章，這個系統看了每句話，都說「哈哈！」，今天的機器連個兩歲小孩都不如。對人工智慧的研究者，這應該是一大未來的挑戰。
那我們該擔心什麼？這些強大機器，將帶來人類能否度過有史以來最大的「失業潮」。這次「機器取代人類」將遠超過以往工業革命和信息革命。不過，失業還不是最可怕的，因為這些機器會產生巨大商業價值，養活著這些失業者，進而養活人類。人類最應該擔心的是：一旦當機器供養人類，人類達到了馬斯洛需求的基本需求，人類真的還會有動力去追求更宏偉的目標，自我實現嗎？還是會醉生夢死、無所事事地活著？
面對這個擔心，我們應該：
1. 關注啟發式教育，用互動式教育啟發孩子對學習的興趣和效率。
AlphaGo願意跟人類學習，我們當然也要善用最善於分析、最博學的機器。善於學習，樂於學習的孩子是不會醉生夢死的。
2. 正視發育右腦的學科領域，平衡文理。
塞翁失馬，焉知非福？機器超越人類的左腦（工程邏輯思維），也許就是要人類從過去幾10年重視理工，傾斜回來，花更多的精力在機器不擅長的右腦，例如： 文學詩歌、藝術音樂、電影話劇、文創設計、工匠之美、宗教哲學、溝通情商。這不是說就不要學理工了，而是說應該讓適合理工，愛好理工的人學理工，適合人文，愛好人文的人學人文。我們應該平等看待文理，並且鼓勵發展文理雙全的人才。
3. 鼓勵有上進心的年輕人挑戰自己，孜孜以求，成為專才。
不要把時間浪費在「安穩」但重複性的工作，而要以「成為某個特殊又有用領域的最頂尖人才」為目標，為己任。（整理：張德齡）
（本文摘自《30》雜誌2016年4月號《創業的代價：即使流淚，依然有夢》）http://www.30.com.tw/journal_content_b140.html
