Revision history and IPFS entry, back to latest
鋼哥
IPFS What is this

Content Hash

📚📑📝:《AI背後的暗知識》| 人類能思考機器如何思考嗎?

鋼哥
·
·
本書《AI背後的暗知識》首度以「暗知識」描述機器的運作,以超越人類的視角來思考機器;我們可以來試著從這個問題來開啟這一趟辯論:「人類能思考機器如何思考嗎?」
《AI背後的暗知識》

5G來臨的21世紀,這個問題依舊歷久彌新始終糾纏著我們

機器能夠思考嗎?

緊接者在後的便是一連串對於人工智慧的敵意與恐懼「機器會搶走人類的工作嗎?」、「人工智慧有可能取代人類嗎?」。自英國計算機科學家艾倫.圖靈(Alan Turing)在《計算機器和智慧》的論文中提及

  • 「機器會思考嗎?」(Can Machines Think?)

這個問題從1950起便敲響了人類大腦與機器大腦的思辯鐘聲,長達70年的歷史長河裡,各個領域的學者都在嘗試回應這問題;圖靈當年的構思掀起了電腦科學、腦神經科學、心理學、物理學、人類學甚至哲學間的羈絆,也讓這議題走出了學術的象牙塔,成為全民討論的思辯運動。本書《AI背後的暗知識》首度以「暗知識」描述機器的運作,以超越人類的視角來思考機器;我們可以來試著從這個問題來開啟這一趟辯論:

人類能思考機器如何思考嗎?



中文房間(Chinese Room)

在思索一個新科技時,我們經常會以周遭的物件或自身的經驗來輔助我們;而討論機器是否能思考時,我們最直接能想到的便是由我們自身出發「人類是如何思考的?」1980年,美國哲學家約翰.希爾勒(John R. Searle)以人類自身的經驗提出了「中文房間」(Chinese Room)的思想實驗。中文房間的實驗過程可表述如下:

一個對中文一竅不通,只說英文的人關在一間只有一個開口的封閉房間中。房間裡有一本用英文寫成的手冊,指示該如何處理收到的中文訊息及如何以中文相應地回覆。房外的人不斷向房間內遞進用中文寫成的問題。房內的人便按照手冊的說明,尋找合適的指示,將相應的中文字元組合成對問題的解答,並將答案遞出房間。

在上述過程中,房外人的角色相當於程式設計師,房中人相當於電腦,而手冊則相當於電腦程式:每當房外人給出一個輸入,房內的人便依照手冊給出一個答覆(輸出)。而正如房中人不可能通過手冊理解中文一樣,電腦也不可能通過程式來獲得理解力。希爾勒的想法是奠基於「人類的思考是伴隨著意識、且帶有目的性」這個論點,機器只是進行輸入/輸出的運作,這樣只是純粹重複我們需要它做的事不能算真正會思考。

事實上,這種「做你所被告知的事」(do as you are told)的指令在生活中很常出現。軍人服從長官的命令,即便他不明白命令的意義為何,依舊能夠貫徹長官的指揮;大量背誦詩詞歌賦應用在考試上的學生,即便他們不懂這些文學作品的意境,依舊能夠在國文考試拿到分數。純粹「機械式」地重複不算是真正了解該行為背後的意義。

但是這樣的思考有些許問題,在中文房間的實驗上,希爾勒以人類來思考機器其實並不合理;一但我們以人類作為前提,就會以人類的視角出發,反而不是以機器的立場思考「機器是否會思考」。我們應該想的,是機器如何接受、處理、分析以及輸出資訊,也就是作者提倡的以暗知識思考機器。

人類無法觸及的暗知識

知識體系分布圖(來源:王維嘉)

在過往的知識體系當中,人類的知識主要被劃分為兩類

  • 內隱知識(tacit knowledge)
  • 外顯知識(explicit knowledge)

這兩個種類分別對應上述圖表中的「默知識」、「明知識」。默知識為人類以體驗累積成的知識,不見得能以語言表述(如,游泳、健身、語感);明知識同樣也是人類可感知的知識,只是這一類的知識是能夠以語言傳遞、分析(如,微積分、機率與統計、牛頓三大運動定律)。然而,以感知、表達劃分的知識體系之下將會出現一種分類,也就是「不能感知也無法表達」的暗知識(dark knowledge

事實上,暗知識很常在生活中出現。狗狗的聽覺範圍是15~50,000赫茲,而人類能聽到的音頻範圍一般在20~20,000赫茲,超過人類可接收的音頻之外的聲音對於我們而言就是既無法感知也無法表達的暗知識;以暗知識的角度去分析狗的聽力範圍才是真正的了解,否則若是以人類的視角將會超出我們所能理解的範疇,便草率地認為狗狗的聽力跟人類並無二致。

王維嘉老師強調,我們必須以暗知識的層面來分析機器,否則以人類的角度思考機器永遠都是在打高空。那麼,機器有甚麼樣人類無法企及的知識呢?我舉書中所提到的三個例子:

  1. 超強感官
  2. 數位化資料
  3. 快速精確傳遞

超強感官

用光譜來說明會最好理解。人類的感官有限,然而機器卻能夠感測到人類無法探測、觀察的顏色範圍;下圖便是將目前所知的光譜呈現出來,可以發現的是,中間一小段彩虹的片段便是「可見光譜」,而那也是人類唯一能觀察到的顏色範圍。其他的波長的波只能透過機器測量,人類才得以間接觀察。

可見光譜的範圍(來源:台灣物理學會)

.

數位化資料

人類對於溫度這件事,最直接的感受便是冷、熱;若是要我們說出現在攝氏幾度確實對我們是一大難題。但是今天如果我們使用紅外線熱感測器(熱成像儀),那麼溫度便可以一目了然,而且誤差可以到小數點以下兩位都不是問題。

防疫期間有賴於紅外線感測器的幫忙(來源:網路)

因此,溫度對於我們而言只是物理上的冷熱區別;但是對於機器而言,那便是一個接著一個的數據,分析這些數據、爬梳彼此的關聯性也是機器在行的。

.

快速精確傳遞

透過腦神經科學家的研究,人腦至少有一千億個神經元,以毫秒的速度在傳送以及接收資訊。目前的機器即便採取「類神經網路」建構也尚未達到人腦如此複雜、密集的神經元分布」。

然而這並不是說我們贏了機器,如果今天我們探討的是「傳輸速度」那麼恐怕人類又要望其項背了。機器的傳輸速度比人腦還要精確而且快速許多,資料彼此之間的傳輸秒數僅奈秒之差!因此很多美國的證券交易所為了要得到最新的股票交易資訊,很多交易所都在爭奪奈秒之差;這也是後來廣為人知的「暗池交易」

來源:如何用「暗池」實現零手續費?

我們可以用維度(dimension)來理解我們跟機器之間的差異。高維度的生物可以理解比自己低維度的世界觀,然而,低維度的生物卻無法理解高維度的世界;如同二維平面的圖形無法呈現三維空間的厚度、深度。

垂死之光的遊戲畫面(來源:4gamers)

如同像垂死之光這樣的上帝視角遊戲,遊戲裡的角色永遠都是在各個平面游移,但是操控這一切的玩家可以一目了然看見敵人的位置、找出最佳路徑。而將我們與機器劃分的暗知識,正是賦予了機器上帝視角的能力,不論人類再怎麼努力也只能望塵莫及。

CC BY-NC-ND 2.0