2021年7月31日
信報
去年在本欄寫過一篇《斯威夫特的文字生成器》，介紹兒童不宜的名著《格列佛遊記》（Gulliver's Travels），提到書中一個天馬行空的「發明」，可讓全無才能的人寫出學術鉅著。機器是一塊大板，上面滿佈片言隻語，只要啟動機關，字句就會隨機變化，遇到有意思的句子就紀錄下來，久而久之就可以產生偉大作品了。
最近在另一本書再遇這部機器，事關的不是英國文學，而是人工智能。這本題為The Myth of Artificial Intelligence的新書，作者是穿梭學界商界的電腦科學專家Erik J. Larson，不算是暢銷作品，內容也不大眾化，但絕對是我近年讀過最精彩深刻的一本好書。
歸納演繹溯因三種思考方法
顧名思義，此書旨在向近年的人工智能熱潮潑冷水。從傳媒報導和KOL科幻片式的思想馳騁，到名學者（如天文學家霍金）到創業家（如Tesla的馬斯克）的驚人預測，潛移默化之下，大家都對人工智能都有個鮮明印象，就是人類貢獻快要被其取替，很多事情都可以之代勞，而人工智能甚至會喧賓奪主，將人類變成工具或寵物。天馬行空的想像，人類終結的恐懼，跟現實有多大距離？作為行內人的Larson認為現時技術水平遠遠未達此程度，仍有大量基本困難未解決，人工智能統治世界仍是空中樓閣。
基本困難，源自人類智能毫不簡單，腦袋中存有的資訊深不可測，根據資訊作選擇的過程亦難以簡化成公式。
眾所周知，思考方法大致可分為三種。演繹法（deduction）是從前提推演出結論，例如從「這袋中所有硬幣都是一元」和「此硬幣是從這袋中拿出來」，我們就可以推斷「此硬幣是一元」。答案已隱含在前提之中，日常生活中我們會用到這種思考方法（例如買東西找錢），而早期的人工智能，研究方向正是要製造出這種推理機器，可以又快又準的處理複雜推算，亦可以檢查推算是否正確。只論演繹法，人工智能早已遠比人類智能優勝，隨便一部計數機就是明顯例子。
歸納法（induction）是從經驗推出結論，例如從「這些硬幣是從這袋中拿出來」和「這些硬幣都是一元」，我們就可以得出「這袋中所有硬幣都是一元」的結論。推理不一定對，但日常生活中我們常用到這種思考方法，憑記憶憑往績決定行為（例如天陰要帶遮）。人工智能早已研究出大量方法從數據中歸納學習，只是苦無數據可用，長期停留在理論層面。不過，自從互聯網興起，可供使用的數據以驚人速度增加，存在已久的工具因而有用武之地。大家熟悉的「大數據」、「機器學習」等概念，形容的正是過去十數年在各種資訊爆炸的情況下，歸納法如何被運用到出神入化，讓企業深入了解消費者喜好，掌握和預期大家的一舉一動。
暫只能在狹窄範圍內表現優秀
除了演釋法和歸納法，人類生活還需要溯因法（abduction）。從「這袋中所有硬幣都是一元」和「這些硬幣都是一元」，我們不期然會得出「這些硬幣是從這袋拿出來」的推斷。邏輯上這是個稱為affirming the consequent的謬誤，但日常生活中我們難免要用到這個思考方法。例如我見到女朋友發脾氣，表面上無緣無故，我就會試從各種可能性中去「溯因」，猜不中女朋友也許會發更大脾氣，但猜中就是心靈相通的加分表現了。我依靠的不是演釋法也不是歸納法，而是溯因法，亦即有點根據的靠估，也就是英文中的educated guess或intuition。
除了處理人際關係，人類的藝術創作以及學術研究，也需要這種「不合邏輯」的思想跳躍。我們不能從達文西或畢加索的作品推演出一個完整的思考過程，我們也不能從牛頓或愛恩斯坦的理論一步步的追本溯源。這些都是刻苦努力過後的靈機一觸，這些都是從天而降的inspiration ，這些都是可遇不可求的insight，都是解釋不了的。
現時人工智能面對的困境，是演釋法表現完美無瑕，歸納法在無限量數據供應下亦愈見精準，就像將《格列佛遊記》中那部機器變成事實並發揚光大，唯獨是溯因法的研究未見突破。歸根究底，就是我們對靈活創意的思考過程認識有限，未能將其依樣畫葫蘆成為電腦程式。人工智能暫時只能在準繩度和應用範圍之間作取捨。要比人類智能優勝，就要將活動範圍收窄，讓人工智能從人類腦袋處理不了的大量數據中學習，將一些簡單步驟做到盡善盡美。將範圍擴闊，大量數據就於事無補，不擅溯因法的人工智能表現就會大打折扣，隨時比一個普通人做得更差。最常遇到的例子，莫過於網上翻譯功能，無論人工智能的數據庫有多強大，遣詞用字之間的微妙分別就是會lost in translation ，犯下人類不會犯的搞笑錯誤。
當然，Larson並沒有否定現有成果，只是老實指出人工智能距離人類智能尚遠，沒有大眾傳媒所吹噓的誇張而已。革命尚未成功，同志仍需努力，我們等待的是另一個基本性的技術突破。
from 也是這裡，也在這裡～ http://ktoyhk.blogspot.com/2021/08/20210731.html