Tag: AGI

過往看人工智能的應用，大多局限於某個專業範疇，例如診症配藥、查找案例、圍棋博弈等。現今社會的職業分工越見精細，因此某些專業工種將很快被AI 取代，但AI 的智能發展始終不及人腦－ 即AI 的自我學習能力，及不上人類小孩的廣度和直觀。例如幾歲小孩未必需要曾被火或熱水燙傷，只需輕輕一碰熱鍋，又或感受到水蒸氣，就會知道火的危險性。要是讓AI 自行學習，則可能需要碰壁幾十、幾百甚至幾萬次，才學會「別靠近冒著水蒸氣的熱鍋」，但未必有能力推理出「火和熱力具危險性，應該保持安全距離」的觀念。Artificial General Intelligence (AGI) 則是具備像人類小孩般的自行學習和演化常識的系統。 過往接觸過AI 讀物的共識，是專業範疇的AI 發展一日千里，效率和精準度勝過人腦，但AGI 的發展仍處於迷濛階段，未知何年何月才會成熟。早前認識了Real AI 創辦人閆安，他專注AGI 相關的研究，且分享了公眾對「AGI 遙不可及」 的誤解。 誤解一：人們不了解智能(意識)、神經網絡(neural network) 的黑盒運作、認知能力的基礎組成等 閆安指近年的AI 浪潮，根據已有知識成功建立了很多實際應用系統。往績顯示，發展AGI 不見得需要對意識和認知能力有更深入的了解。而神經網絡內的黑盒，發展一日千里。只要運算速度能保持指數式成長，AGI 的發展未必需要本質性的新發現。 誤解二：科技進展和AI 系統不過建基於數學、而電腦構造仍根據1940 年代的基礎設計、深度學習的模型依賴具30多年歷史的技術、近年的里程碑全靠大幅提升電腦運算能力 某些科學理論是「經典」並且無懼時日飛逝，依舊有效。AGI 的發展潛力和進度，應該根據驗證結果，而不是技術的歷史和新舊程度。如果提升電腦運算能力可帶來突破，那應該會陸續見到更多AGI 相關範疇的突破。 誤解三：人類超然於電腦、人類智力經過以億年計的進化、人腦太複雜難以複製、現時的電腦不可能製造人腦般的網絡 很多的演算法和系統架構都從人腦運作獲得啟發，但並不需要真正模擬人腦運作。沒有證據顯示AGI 必須模擬人腦才可以發展成功。 安兄還列舉了其它誤解，但筆者認為單是上述三大誤解和說明，已十分具有說服力。情況就如創造飛機，飛行的原理不見得和飛鳥一樣，但靈感來自有翼的動物。飛機的物料和重量，與飛鳥大不相同，而載客和載貨能力，根本不可比擬。至於起飛和降落的方法，更是不可類比 － 需要燃料和跑道。性質有異、方法不同，但同樣可以飛行，甚至更遠更久。所以，AGI 的發展不見得需要完全了解人腦意識，才能有突破性發展。科技的進步，尤其是電腦運算速度的大幅提升，以及神經網絡的出現，大概真能突破很多瓶頸。 對AI 有興趣的讀者，可到Realai.org，安兄上載了很多相關研究和資訊。筆者不才，未有細看（大概也不會一次看懂），只求了解大概或現時的進展便了。 此文同見於《信報》的《價值投資》專欄 Facebook 專頁：www.facebook.com/trendalysis