AGI 遙不可及的三大誤解

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。

何種 AI 才值錢?

本欄曾多次提到若坊間媒體一致看好後市,就是該小心翼翼的時候,因為「時差」問題,往往大眾都知道便是尾聲。昨日畢老林兄的《投資者日記》提到GMO 創辦人 Jeremy Grantham 說現時的牛市缺乏確認泡沫的「行為指標」,即「美股牛還牛,但搭的士不會聽見司機大佬起勢咁吹,講股講到連路都行錯;去飛髮舖搞吓個頭,洗髮員隨時忍唔住口告訴你炒股賺咗幾多…

筆者認同文中所指的「股民未夠亢奮,要爆大概未是時候」。除了暫時未見「行為指標」,若抽查部份股票的持股狀況,主要持貨者似乎都是機構或專業投資者,由散戶持有的流通街貨相對少。以此觀之,「泡沫」程度有限,應該未到爆的時候。現時炒股不炒市,而且不少藍籌股領漲,當中筆者除了關注月初提及的長實地產(1113),另一間值得長期持有的是平安保險(2318)。至於小型股份,除了中國奧園(3883),天鴿互動(1980) 亦值得注意。去年的財務狀況大幅改善,營運收入升23%,經調整純利增長26%。持有現金超過10億,沒有銀行貸款,營運現金淨流入較去年增長超過一倍。而今年第一季收益較去年上升61%,純利更增長178%。雖然相比去年第四季,純利只是輕微增長3%,但公司財務穩健。倒是每日成交不算活躍,投資者若考慮投資,亦需注意。

早前本欄曾提及匯豐銀行和矽谷的人工智能初創企業合作,發掘洗錢(money laundering) 的可疑活動。早前在RISE Conference,筆者和Ayasdi 創辦人Gurjeet Singh 進行訪談,希望了解公司的技術和過人之處。

近來一股AI 熱潮,Gurjeet 認為現時被形容為AI 的科企門欖太低。他認為一套AI 系統需具備五種特質: discover (發掘), predict(預測), justify(證明), act(行動), learn(學習), 並完整運行整個循環,才稱得上是人工智能。據知Ayasdi 的大數據分析運用Topological Data Analysis(TDA)。筆者並非技術人,對此一字詞和技術不甚了了,但經常在坊間聽到的類神經網絡,是TDA 的其中一種。Gurjeet 早於十多年前在史丹福公開研究結果,所以TDA技術並沒有神秘之處。同時處理和計算大量數據,是十分具挑戰性的事。而公司真正的優勢,是花了超過六年時間,建立一個能處理大量數據的基建,並有效配置數據再進行分析。

Gurjeet 雖曾是學者,卻強調技術並非最值錢,真正重要的是實質應用 - 運用技術解決商業問題。除了與金融和醫療機構合作,Ayasdi 也協助一間日本電訊商追尋駭客,並於三個月內找出13名網絡罪犯。

越來越多企業希望運用AI 提升效率,若要實質應用新科技,行之經年的日常工作流程,和「深思熟慮才決定」的文化,都需要作出調整。正如Amazon 創辦人Jeff Bezos 曾說過具備規模的企業都傾向緩慢地 作出高質決定,但Amazon 傾向作高速決定(high-velocity decisions) ,因為這年代行得慢啲代價太昂貴。Gurjeet 亦認為企業與其擔心難以適應新流程、壞數據影響分析結果等問題,或許可以從小規模開始嘗試。企業若能早點了解AI 可解決的商業問題,累積越多數據和學習,效果應該越佳。

補白:畢兄早前回應本欄提及AK 低買高賣更高沽Tesla 並非價值投資法,尤其Tesla 當年未賺錢。其實,AK 對Tesla 的「估值」主要來自觀察Elon Musk 解決危機的能力,而且企業身為創新高科技,加上曾有一季獲得大量訂單,令現金流大幅提升,所以 AK 給予溢價。至於買賣時機,AK 則應用技術指標。筆者認同畢兄所言「只能證明此君(AK)觸覺異常敏銳,Tesla升跌盡在掌握之中,常人要學亦學不來。」

獅子銀行用AI 反洗錢

友人米奇早前大大讚賞獅子銀行。事緣他收到該行電話查詢某宗信用卡交易,而那宗交易並非友人簽署的,估計信用卡已被盜用。米奇讚賞銀行每日幾千萬宗交易,都注意到兼且反應快,客戶零損失。未知讀者有否類似經驗?
除了個人信用卡消費、存款往來大幅波動等,銀行一直有團隊專責發掘和調查洗錢(money laundering) 的可疑活動。匯豐銀行早前和 Ayasdi 進行12星期的試點方案,運用人工智能和大數據進行分析,令可疑的調查個案總數大幅下降兩成,但匯報要求人類作深入調查的洗錢個案卻沒有下降。結果顯示科技將為匯豐節省大量的人力資源!6月初匯豐公佈和 Ayasdi 合作,令杜絕洗錢活動的調查更有效率。
Ayasdi 是來自矽谷的人工智能初創企業,由2008年成立至今融資了七次合共1.06億美元。共同創辦人兼CEO Gurjeet Singh 是史丹佛大學計算機數學博士,去年10月開始成為匯豐銀行技術顧問董事會員。上週三企業推出專注分析金融服務業數據的 Ayasdi Model Accelerator,目標是減低現時模型中的特質(features)和可變數(variables),令建立和運行模型時的透明度和效率更高。
筆者近來嘗試多閱讀人工智能相關文章,但由於沒技術背景,整體理念始終不容易拿捏。維基百科顯示Ayasdi 是機械智能軟件公司,分析大數據並建立具預測性的模型。Ayasdi 致力大規模的無預設條件自動分析,透過大量的監督(supervised)和非監督(unsupervised) 機器學習演算法,自動找出並排列相關數據,然後以網絡般的地圖顯示結果,幫助分析人員用新方式分類和檢視關連系數。
機器學習除了監督式和非監督學習,還有強化學習(reinforcement learning),即透過獎賞機制讓機器懂得辨別較好的選擇,現時的最佳例子是 AlphaGo。監督學習需要大量數據,而強化學習需要的數據量相對少很多,但始終未能像人類般不經歷都可以學懂。例如不衝紅燈過馬路,人類聽過一次就知道,不需要親身試過。但若以監督學習訓練機器,就需要大量的交通意外數據才能學會避開車輛。至於強化學習,則可能要在學習過程中撞幾千次車,機器才會學懂。
據聞現時非監督學習的應用不廣泛,實質例子少。Ayasdi 同時運用監督和非監督學習分析數據,並套用在不同行業(包括醫療、交易策略、疾病研究、資訊安全,金融服務等),確實是「超級智能」。希望在一年一度的科技界盛事RISE Conference,有機會向Gurjeet Singh 了解更多。

珩灣科技的盈喜通告

近日恆指四連升,這時候未必最適宜談價值選股,畢竟大部分港股(不論好壞)皆造好,投資人最怕滿倉踏空。本欄過往曾詳盡分析的股票例如新意網(8008)、平安保險(2318)、中國民航信息(656)、中國通號(3969)、復星國際(656)、碧桂園(2007)等,財務狀況比較穩健,若然投資人想入市又怕高追,可以考慮上述股份。另外,每年第一季都是業績公佈期。投資者如欲短期買賣,可嘗試多看通告,篩選有盈喜的公司。公告中一般會說明利潤增減的原因,若果是營運業務表現佳,而非一次性收益影響,或可以短期交易買賣。

早前看見一個市值僅約6.2億的細價股珩灣科技(1523) 發盈喜,雖然通告未有透露數據,但截至去年12月底的全年盈利有大幅增長。珩灣科技的市年期短(去年7月才上市),主營業務是售賣SD-WAN 技術
的路由器,和提供保修和支援服務。約一半銷售收入來自北美洲,三成來自歐洲、中東和非洲,約兩成來自亞洲。公司擁有16項美國專利,於2015年榮膺全球第五大SD-WAN 路由器供應商,客戶包括矽谷的科技公司、航空公司和執法機關等。


參考去年截至6月底的半年業績,銷售收入增加超過12%,盈利增長超過100%。
資產和債務情況健康 - 持有約650萬美元的現金,而短期負債不足100萬美元。 
而且經營現金流穩健,較2015年同期增長接近一倍,這些數字都顯示公司財務穩健。
雖然市值小,股價又細 (波動率較大兼且容易推上擠下),但其業務增幅和美國專利權等,值得投資者考慮短期交易買賣。

提到科技,數日前車品覺兄在《全民大數據》專欄詳談人工智能和深度學習,碰巧筆者最近看完一本相關書籍,對人工智能的發展和障礙稍為了解多一點點,在此和讀者分享。AI 的研究和技術發展其實早已展開,但一直未有突破性進展,直至深度學習的出現。要模擬人類的思考和辨識能力,最大的挑戰在於「特徵辨識」。例如「斑馬」這個名詞,對於未見過真斑馬的人,可以理解並想像到「斑紋」和「馬」合起來的樣子,但電腦卻無法理解這種抽像概念。深度學習卻似乎能幫助系統突破抽象概念 - 電腦不再依賴人類給予特徵辨識的資訊,而是通過多層次的對比篩選,自行發掘特徵,並將之歸類。雖然深度學習的特徵辨識方法異於人類思考,但過往的測試結果顯示電腦可有效學習,而且效果不俗。

從 RISE 看未來科技熱點

年初本欄的《跌市中尋寶》一文曾分析粵海置地(124),指公司的規模和市值雖小,但財務穩健現金充裕,而且廣州如英居項目去年開始預售,有大筆現金回籠,再加上深圳的布心廠房地皮,將轉為經營房地產發展,公司前景具潛力。無奈股票交投不活躍,吸納投資需要耐性。週一該股價曾飆升超過6%,而且成交量大。現價較年初升逾29%,筆者認為值得繼續持有和觀察。當然,本欄曾多次強調投資需要風險管理,所以let the profit run 的同時,未來股價若創新高後回落某個百分比,亦可考慮(部份)離場。

筆者上週參與一連三日在灣仔會展舉行的RISE Conference。這個號稱亞洲最大的tech startup 峰會,引來世界各地的初創公司擺攤,而講台上的嘉賓包括創投基金經理如GGV Capital 和 500 Startup 合夥人、初創企業創辦人如本地代表Ray from 9Gag 和Steven from GoGoVan,和大型科技公司如Facebook, Uber 的管理層等。由於演講和訪談的時間短(每節僅約20分鐘),難以深入討論任何主題,所以筆者並不期望峰會過後深受啟發,只求了解未來科技發展方向,知道最新的技術應用。這有助分析長期趨勢和作投資決定。

本欄曾撰文提及誠哥旗下的創投基金Horizon Ventures 也投資的 Sentient Technologies,運用人工智能(Artificial Intelligent) 進行程式交易,又將技術應用在電子商務。第三日峰會,RISE 請來該公司的Chief Business Officer Randy Dean 和麥格理合夥人Jeff Galvin 在台上分享人工智能的商機。他們強調解決問題才是重點,人工智能只是工具。台下筆者有機會與Randy 及Sentient CFO Fabrice 交流,當然抓緊機會問及Sentient 為何由AI程式交易,再多開一個AI 電子商務部。他們回應以AI 尋找交易機會是困難的事,因為全世界最聰明的頭腦都在金融市場競爭。每次AI 找到可以獲利的交易patterns,不多久其它人都會發現,patterns 很快就失效,要再尋找其它交易點子。而電子商務的規模大,具商業價值兼可以帶來實質現金流,加上客戶購物往往能快速決定(以分鐘而不是以日或星期計算),所以他們選擇在這範疇應用人工智能。筆者再問及AI 交易的回報,自然是最高機密無可奉告,唯一知道是至今錄得正回報,而且未來會成立基金供投資者認購,但該基金不會開放予公眾參與,而是VIP 形式 by invitation only。

(圖為Randy Dean(左) 和 Jeff Galvin (中) 在RISE 分享人工智能商機)


另一個印象深刻的演講,是來自日本的近藤麻理惠(Marie Kondo) 分享執屋的魔法。她是全球暢銷書《怦然心動的人生整理魔法》作者,該書在35個國家銷售了650萬冊!她說很多人執屋都是按位置分類 - 收拾客廳再收拾睡房,其實應該按物品種類執拾。例如將全屋的所有衣服、或者全部書本一次過拿出來收拾。這會帶來「剎那震撼」的效果 - 多數人發現自身擁有的物品時自以為的三倍!更多的執屋魔法,在此不贅,有興趣的讀者可以買書看。為甚麼RISE 請她來教人執屋?這與初創科技沒半點關係吧?原來近藤麻理惠在日本經營執屋顧問服務,這個暑假更會推出mobile app,將執屋變成一門世界性的生意。她會先在美國推出課程教人執屋心法,學生畢業後可成為執屋顧問。至於下載了mobile app 的用戶,能夠搜尋附近的執屋顧問,並預約上門指導服務。執屋竟然可以執到去全世界!  世代真的不一樣,任何專業技術達到極致,能助人解決問題,都可以成為一門生意!

未來世界似乎是任何問題的解決方法,都能夠大規模地全球商業化。分析一個產品、一種服務、一家企業的潛力,最重要是可否解決用戶問題。同時,最好是入行門欖高。以往的新創產品著重聯繫通訊(connectivity) ,如Facebook,Twitter,Line 和 LinkedIn,全是軟件。下一波的投資熱點除了上述的人工智能和線上到線下服務(O2O),是Internet of Things (IoT),將網上世界連結硬件,例如量度心跳和血壓的智能手帶、觀察嬰兒呼吸和睡眠狀況的床頭燈之類的產品。