人工智慧程式基礎-概念篇
-
為什麼中學生要學AI程式？
科技已成為當代人類社會最強生產力，尤其過去50年以指數成長的半導體與數位科技，帶動其他科學與經濟發展，如今數位科技以 AI 最令人矚目，影響力將超過網際網路與智慧型手機，是帶動未來30年全球發展的火車頭。
網際網路與智慧型手機在過去20年已改變全世界所有人的生活習慣，也顛覆各行各業的規則，影響力不可謂不大，人工智慧有可能超越他們嗎？人工智慧對人類的影響能有多大？著名作家哈拉瑞的答案相當令人吃驚，在《21世紀的21堂課》書中指出，未來威脅人類生存的三大危機，包括核戰、氣候變遷以及科技顛覆，其中顛覆性科技主要指人工智慧(AI)與生物科技(Biotech)。
也就是說，人工智慧的潛力完全能夠與核能相提並論，用得好，能改變世界、創造幸福；用不好，極可能毀滅人類文明。人工智慧與核能、氣候變遷將是未來30年最重要的議題，受影響最大的，莫過於現在的中學生，他們未來的命運應該掌握在自己手裡。
簡單地說，人工智慧的力量非常巨大，不論對個人或國家，能否善用這股力量，將決定未來的命運，越早開始學習越好，中學生已具備學習人工智慧的部分基礎知識，應儘快有系統的學習。
人工智慧是如何變厲害的？
人工智慧(Artificial Intelligence, AI)最近的發展，稱得上是當今數位科技最大的成就之一，現在的AI，不但各國語言聽說讀寫翻譯樣樣通，就連下棋、作曲、寫詩、繪畫、開車、送貨…也都不在話下。如今生活中已可看到各類AI產品，包括：
- 語音助手及智慧喇叭：如 Apple Siri, Google Assistant, Amazon Alexa, …
- 自動駕駛汽車：如特斯拉(Tesla)、Google Waymo…
- AI機器人：如第一位獲得中東國家公民權的AI索菲亞(Sophia)、日本軟體銀行的Pepper…
- 聊天機器人：ChatGPT 一推出就令人驚艷
- AI換臉/美顏：DeepFake, Toonify, 美顏相機…
- AI繪圖：Midjourney, Stable Diffusion, DALL-E, …
- 無人商店/自動化餐廳/無人機送貨/停車場車牌辨識…AI不但藏身於每個人的手機、出現在各式各樣的智慧型機器中，雖然未有單一AI融合所有技能，還經常犯錯，但已顛覆大家對機器的認知，令人不禁要問：機器真能具備人類智慧嗎？
要回答這個問題，就不得不提到兩位被尊稱為「人工智慧之父」的先驅人物。第一位是有現代電腦之父與人工智慧之父雙重頭銜的英國人艾倫．圖靈(Alan Turning)，在1950年代研究「計算機器」能否具備人類思考與推理的能力，並且制定一個判斷機器能否模擬人類智慧的測試，稱為「圖靈測試」，如今若有機器或電腦程式能通過圖靈測試，基本上就認定能模擬人類的推理能力或智慧。
圖靈也是最早的程式設計師之一，在1948年設計過一個西洋棋遊戲（的演算法），但當時電子計算機剛發明，沒有任何程式語言，實際上並沒有任何機器可以執行這個遊戲。類似於此，1950年圖靈純粹從理論設想了一個「模仿遊戲」：如果有機器與真人對談一段時間而不被發現，就算模仿成功，通過測試。
“Artificial Intelligence” 一詞的創造與相關研究，則由另一位人工智慧之父 — 美國人約翰．麥卡錫(John McCarthy)1955年左右開始推動，他從人類如何推理、理解語意開始，設法將推理邏輯與語意規則寫成程式，這是一個非常困難且無比複雜的挑戰，他甚至創出一個程式語言 LISP 來開發人工智慧程式。
很可惜，麥卡錫花了40年都無法通過圖靈測試，不過卻在人工智慧領域開拓出廣大空間。1980年之後，其他科學家改用其他不同方法模擬人類智慧，其中包括「神經網路」、「機器學習」等，以數學統計為基礎的方法，並不直接找出準確的答案，而是從大量數據學習中，趨近可接受的答案。
神經網路與機器學習的方法，初期還是遭遇許多困難，經過30年的發展，在網際網路普及之後，有了網路上大量數據為基礎，終於在2010年左右開始有程式通過圖靈測試。如今若與 ChatGPT 對談，不但會以為跟真人無異，還會覺得比人更聰明，已然超越圖靈測試。
人工智慧與一般程式有何不同？
隨著人工智慧的新聞熱度越來越高，人工智慧似乎無所不在、無所不能，好像很厲害的樣子，有什麼是人工智慧做不到的嗎？
其實，人工智慧只是電腦軟體的一種，所能做的事情並不會超出軟體的範圍，只不過隨著軟體應用越來越廣，生活中能承載軟體的數位設備越來越多，讓人工智慧影響力也逐漸擴大。
那麼，同樣都是軟體，人工智慧程式與一般程式又有何不同呢？如果真要比較的話，兩者倒有個非常明顯的區別，就是「因果關係」。
在我們前面課程中，所有範例程式都有一個特點，就是不管在誰的設備上執行，都會得到相同結果，也就是結果並不隨著時間、地點、環境而變化，只要程式與輸入條件沒變，輸出就會相同。種什麼因，得什麼果，因果關係非常明確，寫程式的人完全可以預期程式執行的結果。所有程式不應該就是這樣嗎？
人工智慧程式並非如此，同樣的程式與輸入條件，在不同時間可能產生不同的結果，而且連寫程式的作者，也無法預期執行的準確結果。為什麼會這樣？下一節我們會以最近非常熱門的 ChatGPT 人工智慧程式來當例子，實際觀察一下這個現象。
但為什麼人工智慧程式不像一般程式那樣，完全根據輸入產生唯一的結果，這樣既容易預期，也好判斷對錯呢？簡單的說，因為人工智慧程式所針對的問題，大多沒有明確答案，就像下棋，在任一時間，問下一步下在哪個位置贏面最大？這就產生很多選擇，甚至可能沒有一個正確答案。
為了達到圖靈與麥卡錫所期望，讓電腦也能夠理解人類的智慧，目前人工智慧程式大多採用數學上的統計模型來「趨近」答案，也就是說，AI 每一次回答，其實都帶有隨機性，即使相對較明確的答案可能是代表99.9%機率（有0.1%機率會出現其他結果），不像一般程式那樣，100%一定都是同樣結果。
人工智慧擅長哪些領域？
想想看人類的智慧從何而來。當過父母的都知道，嬰兒一歲之前就能透過「聽覺」學習詞彙，兩歲前已會用「視覺」協調肢體動作，三歲就開始有自我意識，能分辨你我他，並用「語言」與人交流。接下來開啟後天學習，透過書本、影片或實物學會辨識各種物體與知識：這是大象走很慢、這是牛奶可以喝、大海裡面有很多魚會游泳…，人類智慧就像這樣，一點一滴累積而來。
由此可知，人類的智慧是經由體感經驗累積而來，其中透過視覺與聽覺獲得的比例最高，再加上以文字紀錄、用語言交流。因此，人工智慧程式基本上有個目標範圍，就是擅長「視覺、聽覺、語言」等三方面的應用。所以，若程式能夠分辨各種物品，聽懂日常對話，或能運用語言與人類雙向交流，我們就認為是合格的人工智慧。