AI 要在「常識」上突破

智慧未來 | 林南生 | 28-07-2017 09:35 | |

自從 2016 年 3 月 Google 旗下 DeepMind 公司用 AlphaGo 人工智能(AI)系統擊敗了南韓的圍棋九段高手李世乭後,不少大眾傳媒都熱烈報道關於人工智能的新聞和未來展望,筆者在 e-zone 也寫了幾篇關於人工智能的文章。

這次人工智能熱潮的確提高了整個社會大眾對人工智能研究的關注、了解和重視,但對於已有 60 多年研究歷史、經歷了兩次「冬天」起跌的科學,現時可能是 AI 重新復興的最好時機。但一如過往兩次人工智能熱潮,若果要大眾對人工智能短期內能達到的目標太脫離現實,這些目標最終只是流於幻想而不能實現,那麼第三次人工智能「冬天」的來臨也可能發生。因此,要大眾對人工智能的期望不致過於樂觀和脫離現實,並了解人工智能在目前研究上仍未解決的重大局限也是應當的。

譽為「深度學習」卷積神經網絡(Deep Learning - Convolutional Neural Network)之父的 Yann LeCun,是紐約大學終身教授,現任 Facebook 人工智能實驗室負責人。他在法國出生,曾在多倫多大學跟隨深度學習鼻祖 Geoffrey Hinton 進行博士後研究。20 世紀 80 年代末,當時為貝爾實驗室研究員的 Yann LeCun,提出了卷積網絡技術,並展示它大幅度提高手寫識別的能力。當年神經網絡在 AI 界不受重視時,Yann LeCun 是少數一直堅持的科學家。現在他引領全球深度學習的發展,為了表彰他在深度學習領域裏的成就,2014 年 IEEE 計算機學會頒發了著名的「神經網絡先鋒獎」。

今年 6 月 29 日 Yann LeCun 在台灣大學以「Deep Learning and the Path to AI」為題,解釋深度學習目前的發展、成果和最大的挑戰。LeCun 指出,很多人以為 AI 好像無所不能,但其實它還有很多局限,仍然要靠人類才能了解很多背景知識和世界運行的規律,用以精確判斷和規劃等。他又認為,AI 現時最大的局限仍是無法擁有人類的「常識」,因我們學習是建立在跟事物的互動過程,許多時是靠自行體會,領悟出對事物的理解,毋須事事要他人教導。Yann LeCun 提出「人腦就是推測引擎!」,人靠?觀察從而建立內部分析模型,當人遇到新事物,即可以用這些既有的模型推測,因為人能從生活中接觸到大量事物和知識,從而建立了「常識」。

這些常識可以令人類做出 AI 無法做到的能力,例如人可以只看半邊臉即能想像另外半邊臉,或可以從以往事件推測未來等。舉例,若人看到一張圖片顯視物件放不進行李箱,再看到一句:「這些物件放不入行李箱,因為它太小了。」人能夠很清楚知道「它」是指行李箱不是指物件,人類因為知道社會和世界運行的大量常識和規則,當沒有太多資訊時,人可以依照因果關係而自動填補空白的正確資訊。LeCun 認為,要讓 AI 學會擁有人類常識,非監督式學習的研究是最有希望 一 但仍需突破。

林南生為香港電腦學會智慧城市專題組(Smart City SIG)– Big Data召集人

以上內容純屬作者個人意見,並不代表本網立場。

Photo:法新社
Source:ezone.hk

相關文章

Page 1 of 20