2020年7月27日

黃錦輝 宏觀視野

【30天免費閱讀】AI亦要靠非數據技術

「人工智能」（Artificial Intelligence, AI）科技在過去半世紀不斷地進步，特別是最近十年隨着「深度學習」（Deep Learning）的算法及硬件技術的日益改良，功能得以持續提升，人工智能的應用愈來愈廣泛，包括提升政府、產業、教育、社區等應用系統的效率。

人工智能產業市場近年增長迅速，據Grand View Research報道，2019年全球人工智能市場規模約400億美元。報告亦估計全球人工智能市場於2020至2027年期間的年均複合增長率（Compound Annual Growth Rate, CAGR）為42.2%，估計市場規模於2027年將飆升至約4700億美元之高。 「在商言商」，商業人工智能系統為滿足市場需求為主要目標，為了捷足先登及早進軍市場商家會設法把產品以最快速度推出巿面，在產品設計過程中難免欠缺全面考慮人工智能技術的效能。

單靠「深度學習」仍有不足

值得關注的是人工智能工程師廣泛地使用「深度學習」來設計針對特定場景（例如網購、金融等）的方案，但這做法出現多個明顯的技術問題。其一是應用場景是工程師因應需求而設定的，所以方案具針對性，難以應用於其他地方；其二是設計聚焦採用「深度學習」算法而忽略其他人工智能技術；三是「深度學習」屬於「黑箱」（Black Box）操作，因此由它所產生的結果無法解釋。

有人工智能專家指由於「深度學習」取得革命性成功，其他人工智能技術的應用某種程度上被忽略了，例如機器推理（Reasoning）、「規劃」（Planning）和「搜索」（Retrieval）。這些技術應用於一些經典的系統上成效斐然，其中一個成功例子是當今圍棋之王──「阿爾法狗」 （AlphaGo）。「阿爾法狗」除使用了基於「深度學習」的「強化學習」（Reinforcement Learning）技術之外，也使用了經典的「蒙特卡洛樹搜尋」技術（ Monte Carlo Tree Search Methods）。

「蒙地卡羅樹搜尋」是一種用於決策過程（圍棋中每下一步）的啟發式搜尋演算法，經常在電腦遊戲中使用。又例如自動駕駛系統，無人駕駛車雖然對街道上物體識別的技術來源於「深度學習」，但在設計交通路線的時候，設計還是採用了傳統搜索、規劃、推理等人工智能技術。由此可見，現有商務的人工智能產品離開「圖靈測試」（Turing Test）的「機器代人」目標還有一段很大的距離。

勿被工商業界牽着鼻子走

美國「運算社區聯盟」（Computing Community Consortium, CCC）及「人工智能協會」（Association of Advancement of Artificial Intelligence, AAAI）合作於 2019年8月發表《美國未來20年人工智能研究路線圖》（A 20-year Community Roadmap for Artificial Intelligence Research in the US）白皮書。書中建議三個人工智能重點研究方向，對解決上述的問題息息相關，分別是（1）「集成化的智能」（Integrated Intelligence），強調把各種為解決特定問題而設的人工智能技術組合起來，建立一個人工智能理解的知識庫；（2）「有意義的互動」（Meaningful interaction），強調解決人機互動所產生的道德及隱私問題，以及提升用戶對人工智能的理解、信任和控制能力；（3）「有自我意識的學習」（Self-aware learning），強調小樣本學習、因果推斷、高穩定性的學習算法，以及有意圖（intentional）的感知和行動。這三個方面之目的是針對「深度學習」目前的弱點進行補充及改進。

概括而言，現有不少的人工智能產品設計不夠全面，往往忽略非數據驅動的技術，結果可能會構成人工智能技術在未來十年進一步發展要取得更大突破的嚴重障礙。因此，筆者認為人工智能的研究切忌被工商業界牽着鼻子走，各國（地區）政府應該制定政策支持大學進行相關的基礎研究。然而，中國內地在「人工智能＋」、「智能製造」、「工業互聯網」等重點規劃之主導之下，人工智能產業發展尤其蓬勃，全球業績直逼美國。企業近年不惜大灑金錢在國內、外重金禮聘人才，正因如此內地高校在人工智能領域方面呈現離校從商的不健康狀況。中央政府面對這嚴峻的大學人才流失問題，絕對不容掉以輕心，不然的話長遠以言，我們在持久的「中美科技戰役」中，難免會慘遭滑鐵盧。

香港中文大學工程學院副院長（外務）、香港資訊科技聯會前會長

 

上一篇：	【30天免費閱讀】自然光智能照明「綠綠無窮」