自從 2016 年 3 月 Google 旗下 DeepMind 公司用 AlphaGo 人工智能（AI）系統擊敗了南韓的圍棋九段高手李世乭後，不少大眾傳媒都熱烈報道關於人工智能的新聞和未來展望，筆者在 e-zone 也寫了幾篇關於人工智能的文章。
這次人工智能熱潮的確提高了整個社會大眾對人工智能研究的關注、了解和重視，但對於已有 60 多年研究歷史、經歷了兩次「冬天」起跌的科學，現時可能是 AI 重新復興的最好時機。但一如過往兩次人工智能熱潮，若果要大眾對人工智能短期內能達到的目標太脫離現實，這些目標最終只是流於幻想而不能實現，那麼第三次人工智能「冬天」的來臨也可能發生。因此，要大眾對人工智能的期望不致過於樂觀和脫離現實，並了解人工智能在目前研究上仍未解決的重大局限也是應當的。
譽為「深度學習」卷積神經網絡（Deep Learning - Convolutional Neural Network）之父的 Yann LeCun，是紐約大學終身教授，現任 Facebook 人工智能實驗室負責人。他在法國出生，曾在多倫多大學跟隨深度學習鼻祖 Geoffrey Hinton 進行博士後研究。20 世紀 80 年代末，當時為貝爾實驗室研究員的 Yann LeCun，提出了卷積網絡技術，並展示它大幅度提高手寫識別的能力。當年神經網絡在 AI 界不受重視時，Yann LeCun 是少數一直堅持的科學家。現在他引領全球深度學習的發展，為了表彰他在深度學習領域裏的成就，2014 年 IEEE 計算機學會頒發了著名的「神經網絡先鋒獎」。
今年 6 月 29 日 Yann LeCun 在台灣大學以「Deep Learning and the Path to AI」為題，解釋深度學習目前的發展、成果和最大的挑戰。LeCun 指出，很多人以為 AI 好像無所不能，但其實它還有很多局限，仍然要靠人類才能了解很多背景知識和世界運行的規律，用以精確判斷和規劃等。他又認為，AI 現時最大的局限仍是無法擁有人類的「常識」，因我們學習是建立在跟事物的互動過程，許多時是靠自行體會，領悟出對事物的理解，毋須事事要他人教導。Yann LeCun 提出「人腦就是推測引擎！」，人靠?觀察從而建立內部分析模型，當人遇到新事物，即可以用這些既有的模型推測，因為人能從生活中接觸到大量事物和知識，從而建立了「常識」。
這些常識可以令人類做出 AI 無法做到的能力，例如人可以只看半邊臉即能想像另外半邊臉，或可以從以往事件推測未來等。舉例，若人看到一張圖片顯視物件放不進行李箱，再看到一句：「這些物件放不入行李箱，因為它太小了。」人能夠很清楚知道「它」是指行李箱不是指物件，人類因為知道社會和世界運行的大量常識和規則，當沒有太多資訊時，人可以依照因果關係而自動填補空白的正確資訊。LeCun 認為，要讓 AI 學會擁有人類常識，非監督式學習的研究是最有希望 一 但仍需突破。
林南生為香港電腦學會智慧城市專題組（Smart City SIG）– Big Data召集人
以上內容純屬作者個人意見，並不代表本網立場。
Photo：法新社
Source：ezone.hk