【一時】Google巨擘沒你想像中高傲、比爾．蓋茨誤解了哈拉瑞

假如各位有興趣對比幾十年前後的壯觀成果，有款遊戲影片值得一看，像DeepMind用Deep Q-learning玩「人工智能打磚塊」遊戲，只要設計好勝出的分數目標，任由人工智能自行學習，不但愈來愈快取得高分，到後來它更「參透」出連研究團隊難以想像的方法勝出：

不同領域取得成績，並非人工智能常常有飛躍突破

Photo Credit: 天下文化 Youtube截圖

所以，嚴格來說，一切是深度學習技術應用在多方面的效應，從處理伺服器衡溫、下棋到小型遊戲，每方面都取得亮眼成績。事實並不如許多人看到新聞報導後，以為經常有「全新」、層出不窮的人工智能技術推出。

誠如李開復最近亦發表了新書所指，書中不厭其煩扼要回顧人工智能的發展史，強調這幾年傳媒大肆報導的「突破」，算不上有何嶄新的超越，中國數年來在人工智能上，才剛剛跟美國鬥得火熱（意謂談強人工智能比較遙遠）：

「許多人之所以誤認為美國在人工智慧具有重大優勢，主要是因為還停留在我們生活在發明年代的印象中；在發明的年代，人工智慧的頂尖研究人員不斷打破舊有典範，最終破解存在已欠的謎題。

媒體不斷報導人工智慧的最新成就，更是助長了這種印象，例如：在某些癌症的診斷上，人工智慧做得比醫生更好；在德州撲克的人機大賽中，人工智慧撃敗了人類冠軍；不用人為干預，人工智慧就自己學會並精通新技能等。媒體如此關注報導人工智慧的每一項新成就，也難怪一般觀察者、甚至專業分析師，會認為AI研究不斷獲得突破性的新發現。

我認為，這種印象有誤導作用，因為在這些『新里程碑』中，很多其實只是把過去十年的技術性突破應用到新問題上，其中主要是深度學習，但還有一些互補的技術，例如強化學習（Reinforcement Learning）和轉移學習（Transfer Learning）。研究人員做這些事，需要卓越的技能和深度的專業知識，不僅要有能力思考、撰寫複雜的數學演算法，還要能夠處理巨量資料，針對不同問題調整人工神經網路。這往往需要博士級的專業知識技能，但這些發展都不過是利用深度學習這項科技大躍進所做的漸進式改變和優化。」

無論如何，哈拉瑞身為歷史學者，對未來提出一些深沉的焦慮，可謂反映其使命感之一面，正如他受訪時分享，歷史學者其實是研究「改變」的學問，透過研究過去，設法了解世事改變的本質。

我們都知道過去的經已過去，根本沒甚麼人真切關心數千年前哪位皇帝戰死了。

真正重要的是，從了解過去追問當下，我們到底學懂了甚麼，從而面對將來，追問我們應當如何思考和做事。

最後，筆者選擇跟鐵馬克與山姆．哈里斯（Sam Harris）站在「審慎而樂觀」的陣線，憂慮科技帶來不良影響的同時，支持相關單位做好各種安全規範準備，也惦記還有一些善心人，活用先進科技的優勢幫助他人，透過網絡與3D打印技術，為有需要的殘障人士提供義肢，世事並不盡是灰暗一片。

如果可見的將來，智能科技真的引起極大災禍，也不是怎麼難理解的事，因為事在人為，是人類一手造成這樣的局面，並要為此付出沉重代價，這應當是我們預料之內。

延伸閱讀：

上篇．【一時】哈拉瑞：我21歲才承認是同性戀者、別再死抱宗教和國族主義

1. AI威脅人類安全「三大立場」：Nick Bostrom、Grady Booch、Sam Harri
2. 如果AlphaGo輸了給柯潔，我們才應該感到沮喪
3. 討論「全民每月派錢」應變AI導致失業潮，未來失業是福不是禍？
4. 美國優異生退學兼「豎中指」批大學教育學者力倡教改迎接AI衝擊
5. 這次失業潮不再一樣：剖析倫敦地鐵「自動售票」涉裁900職位、Amazon Go全棄收銀員背後的意義
6. 日本學者：不止AI導致失業，不足30年所有產業或被Google統治附AI搶走工作簡表
7. 中產將會消失？年輕人上流無望？各地問題相似，極端思潮非出路

核稿編輯：歐嘉俊