AI 60問-Q12人工智慧做不到那些事?

by 提拔我園丁
緯育TibaMe AI小教室-Q12人工智慧做不到哪些事?

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。

世界棋王柯潔和AlphaGo對戰連3敗,賽後記者會上一度哽噎落淚。

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。

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。

例如:微軟推出的聊天機器人少女Tay被網友教成納粹份子

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。

如:網球狗

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。

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://www.tibame.com/courselibrary/ai

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!

緯育TibaMe FB

企業人才數位轉型FB

參考資料

分享這篇文章:
0 comment
3

您也許會喜歡

Leave a Comment

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料