很多研討會都在談，人工智慧有多厲害。未來的世代，人的工作都要被人工智慧取代嗎？
大多數人會擔心、害怕…許多人對人工智慧的印象，多半來自於好萊塢電影，你以為AI想毀滅世界，或者AI能夠拯救世界。
跟大家分享，有10個人工智慧做不到的事。
我們要回歸到真實世界，把AI當作一個對人類有幫助的工具，去真正發揮它的作用，好好使用它。
1、機器目前真的不會思考
多數人不相信，因為之前AlphaGo在對抗世界棋王的時候，柯潔曾說過，「AlphaGo有圍棋之神附身，感覺好像有如神助，他不管用什麼樣的局，都沒有辦法誘導AlphaGo走入陷阱。」戰敗還是要有理由，最好的就是把對方描述成跟神一樣。
AlphaGo只是掌握到一個算法，可以正確計算該怎麼下棋才會贏。在這之中，其實只是一個計算後的結果，他並不是一個真的懂得思考，懂得如何設計戰術。機器目前沒有思考能力，精準來說，這應該是背後的算法工程師在思考的結果。
機器目前來講，只能去計算事物的表徵，怎麼下棋才會贏？怎麼知道照片中這是狗還是貓？但不意味機器可以理解其中的所有事物。短期內，機器要做到思考，有很大的困難。
【推薦學習】
- 【AI基礎思維1】認識AI與資料科學
- 【AI基礎思維2】掌握AI關鍵核心技術_機器學習及深度學習
- 【AI基礎思維3】用AI看見未來_電腦視覺應用
- 【AI基礎思維4】AI有話說_文字與訊號處理
- 【AI基礎思維5】AI無所不在_活用AI產業應用
2、把人工智慧產品買回家，它不會自己在家不斷學習
許多人以為買AI產品回家，他就能自己學習，這是很大的誤解。他根本不會在家不斷學習。你想說這不是人工智慧的特點嗎？
要談到跟「機器學習」很重要的特色，機器，人沒有教他，他就不會。所有的東西都必須要事前教過，而這個教導很重要，要事前提供給機器「人的正確答案」，那他可以依據正確答案，去不斷調整。
在這之中，機器學習的過程：
第一，提供「標註」的作業
我們買回家之後，人怎麼提供答案給機器，稱之為「標註」的作業，這個作業是很繁雜且需要專業性。家庭用戶根本不會自己去為它做標記，所以當機器沒辦法得到一個標注答案，他就沒辦法學習。
第二，企業該不該做這件事？讓它可以在家不斷學習？
你若把自我學習的功能，放在消費者端，它可以不斷學習，你可以想像你會訓練出多少恐怖的東西。
一個企業要如何為自己的人工智慧產品負責，他一定要把所有的人工智慧學習跟換版的流程，全部管理在自己家的內部，而不會放在外部讓他自我學習。
3、人工智慧目前還不懂常識
人判斷事情時，其實會從幾種不同層級的角度來思考。而通用性的東西稱為「常識」，就是世界上全人類都知道的事，另外就是從小到大的生活經驗而來。透過邏輯推理，後來發現有些事是特例，人也會從多種角度去思考事情，所以人的思考是比較縝密而完整，但是機器並不會。
雖然人工智慧在做的工作多是一個指定的「輸入」到一個指定的「輸出」，透過數據，去找輸入跟輸出兩者間的關係。目前所有的機器，並沒有額外的能力，去告訴你這個輸出不合理、輸出不正常，它沒有這樣的能力。
我們所謂的知識是，我需要有背景知識來指出哪些東西是奇怪、不合理？什麼情況在數據上符合、但又不合理？
DeepMind的重要技術叫做BigGAN，可以做到高解析度的圖像自動生成。
機器透過這個所謂的GAN，生成式、對抗式網路，可以產生很多想像的圖片，機器認為檢測這些圖片都是真的，因為看起來栩栩如生，但人一眼就看得出有問題，但機器沒有常識，所以機器在產生這些圖的過程，他不會知道是否合理。
機器沒有常識是好是壞？
人類常常被很多常識給羈絆住，阻礙了你往前走的方向，因為我們的常識告訴我說這個不可行、這個不可能。但是事實上，在很多決策空間當中，也許有一些新的可能性，也許圖片就可以變成一個新的IP。
機器沒有常識，卻可能帶來趣味跟新的可能。機器沒有常識是很大的問題點，但是應該是要把常識變成可控制的，這也許能成為未來很重要的方向。
4、人工智慧沒教過的就不會
沒有教導過的，人工智慧就不會。
現在大多數的人工智慧算法，其實是所謂的「監督式學習」，這就是指我們根據所謂的輸入（就是數據）、輸出（人類給予的答案標籤），我要教機器的前提，必須要有一堆「人類已經標註過的答案」，機器才能根據答案，進行學習。
你沒教過的東西，機器就不會，因為你沒有提供這樣的數據，其實最大的成本是來自於「標註」，企業需花費很高的數據成本來教導。
舉例：小米旗艦機5X，它主打智能拍照，你只要拍狗或貓，就能把背景虛化，這是使用人工智慧的分割功能。但狗跟貓是實際團隊標注的結果，必須把每根毛都標出來、是一個標注成本很高的事。
艾西莫夫(Isaac Asimov)的機器人三定律
5、機器人三定律之一：機器人不得傷害人類或坐視人類受到傷害
6、機器人三定律之二：除非違背第一法則，否則機器人必須服從人類命令
7、機器人三定律之三：除非違背第一或第二法則，否則機器人必須保護自己
這三個機器人定律，人工智慧都做不到，因為「機器沒有教過就不會」。
所以在第一點，不傷害人類？人類是什麼概念？
你必須要教機器人，以現在的機器圖像辨別，機器能理解什麼叫人類。但什麼是傷害人類或坐視人類受到傷害？你必須把人類受到傷害的所有情況完全列舉，機器必須要理解：我什麼行為會導致人類受到傷害？或當這個人類受到傷害時，我該怎麼去解決？但機器沒辦法處理開放性的問題。
我們不需要把更多道德加諸在人工智慧上，機器本來就沒有自主殺人的念頭，所有會主動殺人的永遠都是人類，機器只是一種工具。
8、人工智慧只有單個模型，目前無法多才多藝
所有人工智慧的模型，目前一個模型都只能做一件事，一次只能做一件事、沒教過的它就不會。人類與機器最大的差別在於，我們一個人可以理解很多事。
機器是否會取代我們工作？
只有一種人，就是目前你的工作領域，只需要完成單一且重複性的任務，如：工廠生產線的人，這會比較容易被取代。但若你一個人能做多件事情，或能做出具有創造性的事，就不需要太恐懼。
最不會被人工智慧取代的能力
(1) 有自己的想法
如：軟體工程師需要有技巧、熱情及創造力，才能開發出應用程式。
(2) 具備感情
如：作家、平面設計師、舞蹈，這些需要自己想像、運用創作能力，製作原創性內容，尤其這些作品很大程度依賴情感，機器人無法做到。
(3) 管理能力
如：人力資源經理 ，管理、發現人才這兩種工作都很難被自動化，又要協調員工之間的人際相處，需要能夠跳出框架思考的人。
(4) 創意能力
如：活動策劃師，不只需要創意、與人溝通，更需要組織技巧，而不單單是寫程序。
(5) 辯論能力
如：律師，人類的辯論技巧難以取代，機器只能處理數據，但不可能像人一樣遊說法官和陪審團。
(6) 同理能力
如：神職人員、社會工作者、精神病醫生，需要有同理心、信念、高情商，並且能夠理解人的精神世界，這不是機器能理解的問題。
9、人工智慧沒辦法告訴你如何做決策
延續艾西莫夫的機器人三大定律，這其實涉及到「決策」，像是機器應該知道人類受傷要怎麼救他、該採取哪些步驟、步驟有什麼結果，這是一個複雜的思維過程。
機器目前都沒有辦法，直接處理開放性問題，除非把開放性問題要解決的思路、事先規劃好，但目前我們的機器學習模型中不存在我們原先規劃好的思路，機器就沒有辦法自己做各種理解、模擬、推理，來得到一個最佳的答案。
機器並沒有辦法幫你做決策，前提是你已經把「該怎麼做決策的方法」給想到，並納入到人工智慧當中，這就會是悖論，因為你是不知道怎麼做決策，才會求助人工智慧，而人工智慧要做決策前提，是你必須要先知道怎麼決策。
【推薦學習】
10、人工智慧目前做不到99.9%的正確率
許多人強調自己的機器視覺正確率有99.9%，人工智慧雖然已有很驚人成績，但那都是在單一數據集當中，能夠達到的結果。在真實世界裡面的成果，並不如想像中那麼完美，事實上機器不但會犯錯，且因為機器沒有常識，所以他們可能犯了我們覺得很意外的錯。
機器是用數學方式算出答案，所以我們也可以用數學方法知道「機器會犯什麼錯」，甚至透過數學、數據方式來誘導機器出錯。
舉例：之前在hackathon大會，事前先不公布是使用誰的人臉辨識模型，在必須要改動最少的像素之下，hackathon大會比賽，讓機器誤以為川普照片是希拉蕊，他利用稱之為對抗式攻擊的做法，冠軍在23分鐘就完成。
在應用人工智慧的時候，一定要注意你必須要是可以容錯的應用，像是醫療、自動駕駛，要留下一個可以最後由人來決定跟人協作的過程，才可以確保整個運作不會出現任何問題。這跟過去我們認為所有的應用程式，你只要把規則定好，都會100%正確，人工智慧跟這個應用程式是非常不同的。
google大腦推出所謂對抗式貼紙，把這些貼紙貼在人的身上或任何物體身上，那機器視覺就會誤以為，你是香蕉或者誤以為你是烤麵包機。所以也許在這一塊，人工智慧會衍生出更多你我都想不到的犯罪模式，也許有一天可以帶著這個貼紙，繞過所有人工智慧的安防系統，這在未來可能會是一種新的安全隱憂。
機器會犯的錯誤，通常是人都想不到的錯，人工智慧沒有那麼神奇，它可以幫我們做很多事情，但同時它也有很多限制。機器很多思維模式，跟人類完全不同，機器可能可以變成我們工具，幫我們分擔瑣碎的事情，善用這樣的工具，可以讓我們未來工作跟生活變得更美好。
緯育TibaMe已經有10萬人次來學習AI/資料科學知識或技術，若你想進一步了解或學習 AI / 資料科學的相關知識或技能，歡迎來TibaMe 👉 https://bit.ly/3o4N39e
下篇將與大家分享人工智慧(AI)、機器學習和深度學習有什麼區別？
每週4則，每日5分鐘， 提拔我園丁陪你快速添補AI/資料科學知識與技能。
若您想了解更多AI/資料科學的小知識、及各產業的相關應用，歡迎訂閱TibaMe FB及部落格，或你有其他想了解的主題歡迎在下方留言讓我們知道唷！
參考資料
- TibaMe大師開講—AI人工智慧做不到及你想不到的10件事
- 10大會被AI取代的工作以及10大不會被取代的工作