AI是怎麼學會「思考」的？從符號邏輯到機器學習｜《AI好學圖鑑》

人工智慧的沿革

早在人工智慧實際可行之前，「有生命的機器」這個概念已經出現在神話傳說之中，尤其盛行於古希臘與中國的故事。然而直至18世紀，當工程師創造出複雜的自走式裝置「自動機」時，人工智慧的想法才逐漸獲得重視。同時，哲學家也開始思考，能否透過操控符號來模擬人類思維，這樣的理念最終在1940年代催生了第一臺可程式數位電腦。到了1950年代末，人工智慧已成為正式的研究領域，電腦的運算能力也日益強大，促成各類人工智慧系統相繼出現。只是直到今天，仍然沒有任何人工智慧系統稱得上「有生命」。

▍兩種人工智慧

無論大腦是否為一種活的電腦，人類的智慧與意識，一直是科學家衡量人工智慧效能的基準。弱人工智慧（弱AI）指的是，能執行特定、有限任務的電腦系統，例如下西洋棋或翻譯語言。相對的，強人工智慧（強AI）則在各方面皆可媲美人類智慧。有些科學家認為，人類頂多能實現弱人工智慧；但也有人相信，強人工智慧有朝一日將成為現實，不只能像人類一樣思考，甚至可能擁有意識，應被賦予相應的權利。

簡約派

人工智慧理論家尚克（Roger Schank）在1970年代指出，人工智慧研究可分為兩大路線：「簡約派」與「蕪雜派」。簡約派曾有一段時間占據主流的地位，主要是透過程式設計，讓電腦遵循嚴格的數學規則，藉此建構人工智慧。這些規則讓人

工智慧能區分不同類型的資料，後續更可藉由機器學習演算法進行分析。例如，人工神經網路就是簡約派方法的一大成就。

蕪雜派

尚克將「蕪雜派」定義為一種實驗導向的方法，研究人員以各種模型與演算法進行實驗，藉此設計出能展現智慧的程式。明斯基（Marvin Minsky）形容蕪雜派方法為「類比式」，而非邏輯性，因為這個路線強調人工智慧應該像人類一樣，可辨識不同問題的相似性。換句話說，人工智慧應該具備某種常識。

▍讓人工智慧學會思考

機器學習是一種人工智慧技術，電腦系統不需要明確編寫的程式碼，就可以學會執行各種任務。處理簡單的任務時，程式設計師可透過演算法，精確指示電腦每一步要怎麼做；但遇到複雜的任務，例如臉部辨識或理解口語對話等，往往很難透過傳統方式撰寫演算法，這時就要靠機器學習。

機器學習利用樣本資料建立模型，建立後的模型可根據新資料做出預測或決策。這組樣本資料就是訓練資料。機器學習技術很多元，例如深度學習，主要是以人工神經網路模擬生物大腦的結構與運作模式。

▍生存風險

人工智慧可能帶來的問題之一，是「對齊問題」，這是指人工智慧的目標與價值觀與人類的不一致。

在迪士尼動畫《幻想曲》中，有一幕是魔法師的學徒召喚掃帚為他工作，結果掃帚不斷自我複製，最後情況失控，這正是所謂的「魔法師學徒症候群」，巧妙的反映出對齊問題可能引發的風險，並呼應了以下的思想實驗。設想人工智慧被賦予優化迴紋針生產的任務，卻以為要將整個地球變成迴紋針，才算達成目標。之所以如此，是因為這個人工智慧並不了解，人類生命的價值應該高於迴紋針生產任務。

▍無限蓬勃

許多人工智慧研究者都深信，人工智慧將為人類帶來黃金時代，機器將創造無限的富足和繁榮。他們主張，隨著日益強大的人工智慧接手人類原本的工作，人類終於能自由投入休閒活動，或實現個人夢想。他們認為這樣的時代如果到來，資源將不再短缺，犯罪、戰爭或不公也將不復存在。人工智慧將協助人類解決世上各種尚未克服的難題，包含疾病到全球暖化等等。