AI時代來臨，人工智慧真的比人聰明嗎？

圖片來源：pixabay

什麼是智慧

我太太和我前不久有幸出席一場關於人工智慧的研討會，主辦單位是瑞典諾貝爾基金會。其中一場專題演講中，頂尖的人工智慧專家被問到要怎樣定義智慧時，花了很長的時間交換意見，結果沒有取得共識，這讓我們倆覺得滿有趣的：就連研究智慧的聰明專家也都沒辦法定義什麼叫做智慧！

這就表示智慧的定義並沒有「標準答案」，而是有各種不同的說法，其中包括邏輯的強度、理解能力、規劃能力、情緒控管、自我意識、創造力、解決問題的能力、學習力等等，不一而足。

在進入探討智慧之前，我希望先提出一個最廣義、最籠統的定義，而且不要被現有的智慧形式定型了。這就是我在第一章曾經提過，而且會貫穿全書維持不斷的廣義定義：

智慧 ＝ 達成複雜目標的能力

這樣就可以滿足種種不同的定義，因為不論是理解能力、自我意識、解決問題的能力和學習力，都可以算是複雜目標。這個定義也與《牛津字典》的講法：取得與運用知識和技能的能力，並行不悖，只要把運用知識和技能設定成複雜的目標就行了。

由於複雜目標多到族繁不及備載，所以就會有各種可能的智慧。依照我們的定義，用智商＊這樣單一的數字量化人類、動物或是機器的智慧高低，就會變成沒有意義。

只會下西洋棋的電腦跟只會下圍棋的電腦，哪一台比較聰明？這個問題的答案不會有意義，因為這兩者擅長的項目不同，無法直接比較，不過如果有第三台電腦，能以同樣的水準達成所有目標，而且會有一項表現得比其中一部電腦更好（像是能下贏西洋棋），那麼說第三台電腦比較聰明，就沒有多大爭議了。

用一刀兩斷的方式判定有沒有智慧也是沒有意義的，因為能力指涉的範圍如同光譜，未必都符合全有或全無的特徵。新生兒跟電台主持人，誰能夠達成說話的目標？當然是後者。不過，如果是能講十個單字的嬰兒，或能講五百個單字的嬰兒呢？你有辦法劃出那條界線嗎？

我刻意在定義中選用「複雜」這個語意不清的詞，因為要以人為方式劃出有無智慧的界線，實在很沒意思，而且把簡單的量化，改為呈現達成不同目標的能力，更為有用。對不同的智慧分類時，區分有限或廣泛智慧也相當重要。

IBM深藍電腦專門用來下西洋棋，在1997年還擊敗過世界棋王卡斯帕洛夫（Garry Kasparov），不過它只能達成下西洋棋這麼有限的目標—別看深藍電腦的軟硬體設施有多麼厲害，事實上它就連跟四歲的小朋友玩井字棋都會輸。

Google旗下DeepMind開發的DQN人工智慧系統，可以達成稍微廣泛的目標：它可以在數十種雅達利（Atari）古董級電動遊戲中，跟人類拚得不相上下，甚至有機會贏過人類。

人類的智慧與之相比就廣泛得太多了，熟練幾十種令人嘆為觀止的技巧都不是問題。只要給頭好壯壯的小孩子夠多的訓練，別說任何遊戲都能來上一手，還有能力開口說任何語言、從事任何運動跟職業。

以現階段人類和機器的智慧相互比較，我們輕而易舉就能大獲全勝，機器只能在少數有限的範圍內贏過人類，只是項目正持續增加。研究人工智慧的終極目標是打造「通用人工智慧」，盡可能擴大廣泛的範圍：幾乎可以達成任何目標的能力，包括學習在內，相關論述將在第四章呈現。

由於雷格（Shane Legg）、葛貝德（Mark Gubrud）和格吉爾（Ben Goertzel）三位人工智慧專家特別強調人類水準通用人工智慧是，「起碼能和人類一樣達成任何一種目標的能力」，「通用人工智慧」一詞才流行了起來，所以除非是特別強調〔比方說以「超人工智慧」代表「超越人類的通用人工智慧」（superhuman AGI）〕，否則我會依照定義，直接用「通用人工智慧」（AGI）代表「人類水準通用人工智慧」）。＊

雖然「智慧」一詞通常有正面意涵，但請注意，我們是採取中性的角度看待：著重的是達成複雜目標的能力，不管這個目標是好是壞。也就是說，聰慧之人有可能樂善好施，也有可能專門害人，這部分留待第七章再討論。

我們也有必要釐清所謂的目標，指的到底是誰的目標；假定你將來擁有做為個人助理的全新機器人，這個機器人沒有自己的目標，完全依照你的吩咐行事，而你要求它準備一頓豐富的義大利佳餚。收到指令的機器人開始上網搜尋義大利食譜、找出最近的超市去採買、學習怎樣做義大利麵，如此這般。最後它順利買回食材弄出大餐，酒足飯飽的你想必會認為它聰明得可以。

實際上，這頓飯原本就是你設定的目標，機器人則是在你提出要求後，接收了你的目標，然後井然有序替自己設定了好幾個子目標，包括超市結帳和磨碎帕馬森起司都算在內。在這個案例中，能否使命必達是判定智慧行為與否的必要條件。

對我們人類而言，工作的困難度理所當然會跟我們要付出多大代價去完成有關。但是將這種標準套用到電腦上就不適當了。要我們算出314,159乘以271,828可比認出照片中的朋友難多了，但是電腦早在我出生以前，就展現出遠遠超出人類的算術能力，但直到最近才開始有辦法像人類一樣辨識圖像。

莫拉維克悖論（Moravec paradox）指的就是這種看似簡單的感受能力，背後其實卻需要耗費龐大運算資源的現象，也說明了為什麼人類的大腦能輕鬆完成辨識工作，因為我們投注了龐大的客製化硬體設施在這個領域—確切的規模超過我們腦容量的四分之一。

＊這並不難理解，想像你能否認同以下的說法就夠了。假定有人宣稱站上奧運殿堂的能力，可以用叫做「運動商數」（簡稱AQ）的數字量化，則所有單項賽事的冠軍一律頒給選手中運動商數最高的那位就對了。

＊有些人喜歡把「人類水準人工智慧」或是「強人工智慧」（strong AI）視為「通用人工智慧」的同義詞，不過這兩種說法都會有點問題，一是口袋型電子計算機也能算是一定程度的人類水準人工智慧，二是「強人工智慧」的反義詞是「弱人工智慧」（weak AI），但是如果把有限人工智慧系統如深藍電腦、華生電腦和AlphaGo 當成是弱的，也滿奇怪的。

【書籍資訊】
《Life 3.0》