人類別緊張!人腦即使弱點重重,仍無法被AI取代──系統神經科學家看AlphaGo

人類別緊張!人腦即使弱點重重,仍無法被AI取代──系統神經科學家看AlphaGo

從 AlphaGo 以 4:1 的成績贏了傳奇棋手李世乭、劃下了另一個人工智慧里程碑開始,「人工智慧會不會有一天統治人類?」這個歷久不衰的話題,接著去年的科幻電影《Ex Machina》以及科幻影集《Humans》後,再度掀起一陣全球討論熱潮。

身為一個熱愛藝術的系統神經科學家,我覺得這個討論熱潮非常有趣。日本關於「人類與機器人之間的情感」研究行之有年了,甚至可以訂作跟自己長得一樣的機器人,AlphaGo 用的深度神經網路(Deep Neural Network)最原始的想法也不算新穎,其應用之一就是在語音辨識上。再說人造物品能做的事情超越了人類能力,這可不是歷史上頭一遭:汽車跑得比人快、飛機會飛人卻不會... 人類卻似乎不會因此而感到「被打敗了」,開始擔心被這些人造物品給統治的一天。畢竟能夠提升生活品質,絕大部分的人都是感到開心的──而這不就是科技發展的目的嗎?試想看看,如果我們能用電風扇冷氣機,還希望有人在身旁搧芭蕉葉嗎?(當然以搧芭蕉葉為業的人,可能就感到不怎麼開心了。)

但是許多人卻對電腦有能力在棋藝上贏過人類這件事情感到耿耿於懷,甚至非常焦慮。20 年前 IBM 的深藍(Deep Blue)贏了西洋棋王 Garry Kasparov 時,許多人便開始對人工智慧感到害怕。但是那時我們還可以說:「沒關係,深藍只是用暴力解題法(brute force)!」;這次 AlphaGo 以類神經網路(neural network,我堅持中文要加個「類」)以及蒙地卡羅搜尋樹(Monte Carlo tree search, MCTS)贏了李世乭,許多人更開始覺得這下子電腦真的是個「腦」了!它用的可是「深度神經網路」啊!我相信更多人會指出我舉例跑步飛行一點都不恰當,那是因為「跑步靠體能,下棋靠智能」,而現在「人腦在智能上竟然輸給電腦了!」 ,人類該何去何從?!

很多常接觸動物(尤其是人類)的神經科學家,其實這時候都很想請因為這樣而焦慮的人稍微先冷靜一下(例如數學家 Ronald Cicurel 與知名神經科學家 Miguel Nicolelis 合撰的書《The Relativistic Brain》)。到底什麼是類神經網絡?網路上有非常多寫給初學者以及進階者的好文章,更有許多比較深藍與 AlphaGo 的精闢文章,輪不到研究系統神經科學的我贅述。

其實要了解 AlphaGo,最直接正確有效的方法就是研讀該團隊今年 1 月在知名期刊《Nature》發表的文章〈Mastering the game of Go with deep neural networks and tree search〉。真正看過文章的人,就會了解 AlphaGo 運用了一些古典神經科學理論,代表的是演算法上的進步,但仍需要「看過」大量高手下過的棋譜以進行監督式學習(supervised learning),也需要透過自己和自己下棋以進行強化學習(reinforcement learning)。

不難發現,AlphaGo 目前是特別適用於下圍棋的演算法,如果要解決這世界上各式各樣千奇百怪的問題,恐怕還是有困難,更遑論達到「(人類)智能」這定義十分複雜的科學、哲學、甚至牽涉到個人信仰的主題。套句老話,問電腦會不會「思考」,其實就跟「問船會不會游泳」是一樣的。

除了感到焦慮,很多人也有很深的失落感:「棋」是一門古老的藝術,傳奇棋手被人工智慧給打敗了,似乎象徵著人工智慧攻佔了人類藝術。雖然不諳棋藝,但是如果我想想自己比較熟知的音樂還有音樂人工智慧,我還是樂觀地認為,不管是棋藝或音樂,總是包涵了屬於理性的科學部分(演算法)、以及人性的藝術價值部分;即使是像比賽如此「需要」定論輸贏的場面,也包含了心智上的運動家精神這部分。同樣是人想出的演算法結合了硬體上的優勢,擊敗了弱點重重的人腦,僅是在理性的科學部分上贏了。

是的,「弱點重重的人腦」。人腦本來就是因應環境演化出來的,處處設限,人類的系統也不一定總是最好最高尚的。人之所以生而為人,本來就是因為人做的是「人類限定」的事情。我總覺得,其實人類智慧隨時都感到非常寂寞,於是連想要來個逆向工程(reverse engineering)仿製人腦作業系統,都要挑些人類千百年來自己愛的事情:例如下棋或譜曲。但是這樣以有限的人腦進行逆向工程產生出的「山寨版人腦」,對我來說,用個誇張點且或許有點不恰當的譬喻,簡直就猶如一支手機想了解自己,目的是要創造出另一支山寨手機。

神經科學中常常用到、也被運算法應用上的強化學習,以最簡單的角度來說,就是一個個體去觀察以及評估不同環境中採取什麼動作會得到什麼回饋,然後推算環境會如何變遷,加上時間上的考量,設法獲得最後的最大總回饋。但,這雖然在容易定量價值或者定義輸贏的事物上非常有用,人世間的事情,又有多少是可以定量價值甚至是講輸贏的呢?

例如藝術之美,對不同的人各自有多少價值?就連神經科學要探討「美感」,這麼多年來,也都小心翼翼,只能提出這樣的假說:從音樂、美術、數學方程式中所感受到的美感,與眼眶額葉皮質(medial orbito-frontal cortex)的活動有關 ,而上週新推出的研究提出音樂美感與大腦處理感官、情感、社交等特定部位之間互相的聯結有關,且美感總是個人主觀判定,因人而異。

說白話一點,我們連自己的腦都還一知半解,人工智慧又能做到什麼地步呢?更別說另一個人類特有的東西:語言。我想問個簡單的問題:假若是文學以及幽默感,又該如何有效地定價呢?

我個人認為,人類的美感以及價值除了含有一些因為演化而與生俱來特質,大部分還是從社會中或者是外在環境中學習的。這時有人會問:「電影 Chappie、卡通 Futurama、《哆啦 A 夢》裡的機器人/貓,不就都從人類社會中學習屬於人的行為了嗎?」

是的,所以我心目中比較理想的人工智慧,是類似以上這些科幻電影或動畫的。但是 AlphaGo 存在於現實世界,跟科幻世界距離還很遠(Futurama 好歹背景也設在西元第三十一世紀)。大腦的可塑性,是有機的;而目前人工智慧的運算法,仍然是有序的。

未來,很多工作或許會被人工智慧給取代,但是人類是不可能被統治的,而且會與自己創造出來的結構一起演化下去。這時該擔心的應該是自己的創造力跟思考力,以及社會福利問題,而不是人工智慧會不會反過來主宰人類。

最後,我想說的還是那一句耳熟能詳的 Nokia 廣告台詞:「科技始終來自於人性。」 我說這句話的出發點絕對不是因為我是人類,覺得任何事情都該以人為出發點。我說這句話是因為,我認為科技在根本上來說又是另一種「人類限定」的事情。到頭來,科學與科技的進步讓我們知道了太陽不是繞著我們的星球而轉,但是我們卻以人類的角度看到了宇宙之大,更能體會浩瀚之美。

AlphaGo 讓我們窺見了數學、邏輯以及神經科學之美,棋盤如繁星點點,進一步認識宇宙並不會讓它停止運轉。與其懼怕人工智慧,不如稱讚構思 AlphaGo 的團隊(尤其是 AlphaGo Nature 文章並列第一作者的黃士傑 Aja Huang,堪稱 AlphaGo 計劃中的台灣之光!),享受人工智慧研發所帶來的便利,讓我們能朝更有創意的生活繼續邁進。

《關聯閱讀》
王銘琬╱AlphaGo大勝棋王後 人類的下一步?
Facebook 研究員解析演算法技術:AlphaGo 為什麼這麼厲害?

《作品推薦》
觀光勝地伊斯坦堡,你不知道的苦難另一面
「離開台灣十幾年,我只在他人面前哭過兩次」──給深愛的台灣

 

執行編輯:郭姿辰
核稿編輯:張翔一

Photo Credit:Shutterstock

回家,回台灣做一件事