這兩場都由電腦擊敗棋王的事件，卻代表著人工智能不同階段的發展。上世紀的深藍電腦，是一種專家系統，由人類給與深藍電腦輸入規則，進行運算及推演，依靠電腦本身強大的運算能力擊敗人類。（圖/取自網路）

 

作者/李貴敏

 

1997年，IBM開發的「深藍」電腦以二勝三和一負的成績擊敗世界西洋棋棋王卡斯帕羅夫（Garry Kimovich Kasparov），引起世人的注意；2016年AlphaGo以四勝一敗擊敗韓國職業九段圍棋棋士李世乭，賽後韓國棋院授予AlphaGo榮譽九段的級別。

 

這兩場都由電腦擊敗棋王的事件，卻代表著人工智能不同階段的發展。上世紀的深藍電腦，是一種專家系統，由人類給與深藍電腦輸入規則，進行運算及推演，依靠電腦本身強大的運算能力擊敗人類。

 

這也是人工智能，從1956年由麥卡錫（J. McCarthy）等教授發起的達特茅斯夏季人工智慧研究計劃（Dartmouth Summer Research Project on Artificial Intelligence）首次定義後，一直認為的觀點，也就是「人類學習的每一個方面或智能的任何其它特徵原則上都可以被精確描述，以至於可以用機器來模擬它。」

 

經由巨大的算力可以推演出人類想像不到的結果。深藍電腦戰勝人類棋王就是透過強大的計算能力，估計出人類無法想像出的下一步戰勝人類。但這就是人工智能嗎？

 

伴隨著網際網路的盛行，累積的數據量越來越多時，算法、算力加上數據時，這時候的人工智能就不是我們想像中的樣子。科學家在研究人類的思考時，認為人類的學習過程是一種沒有規則的學習。比如說人類一看到狗的照片就知道這是狗，看到一個人的照片就知道這是男生或是女生，但要怎麼具體描述「狗」的特色，或是下個定義呢？

 

怎樣告訴電腦，照片裡的男生與女生有什麼差別？或許你會說細皮嫩肉的就是女生，但什麼又是細皮嫩肉呢？目前相當熱門的「深度學習」就是科學家透過大量數據，利用權重、偏差值等概念讓電腦自行計算出這就是「狗」的特色。

 

舉一個比較簡單的例子，每個人手寫的阿拉伯數字「1」都有些差別，科學家把「1」這個字可以拆分成784個像素，也就是784個格子，每個格子不是1（純黑）就是0（純白）的代號。然後再用數據庫中6萬多種的各式各樣的「1」，讓電腦了解這些都是「1」。

 

另外，當你要登入某個網站時，在你輸入ID及密碼後，電腦會再給你一組數字，要你辨別，證明你不是機器人。其實這組數字原始的組成就是古書數字化時，電腦辨識不出的數字，讓人類來辨識（據說其中會有一個數字是電腦可以辨識的，用這個數字來證明你不是亂寫）。如果相同的圖案，大多數的人都認為這就是某個數字，那麼電腦也就學習到這個圖案是某個數字了。

 

隨著電腦存儲能力的逐步增強，數據量的累積越來越多，電腦利用人類研究出來的「深度學習」對於事務的了解度越來越透徹。AlphaGo就是學習了各式各樣的棋譜、棋局，自行發展出棋路。現在的人工智能已經可以作曲、繪圖，甚至於寫新聞稿，比如已有通訊社將每日股市收盤的新聞稿交由電腦來撰寫。而Google工程師就曾因透露LaMDA機器人已經可以同人類一樣表達情感、懂得思考與推理等而被公司開除。

 

面對著人工智能的深度學習，利用人類大量的數據記錄，再加上與時俱進的算力、算法，已經讓電腦越來與聰明。這就像當大型的數位平台服務提供者儲存著越來越多我們因使用而留下的數據記錄，而讓電腦智慧越來越高，看透人類的心思時，我們是否應該對於數據的管控，數位平台的管理要做重新對策思考呢？

作者簡介

李貴敏，國立政治大學法學碩士、美國太平洋大學法學博士及法學碩士，國立交通大學兼任教授及東吳大學兼任副教授。金典律師事務所創辦人、Baker McKenzie 國際資深合夥人、海基會財經顧問。

立法院第十屆第一、二會期優秀司法正義立法委員，口袋國會評鑑立法院第十屆第一、二會期司法法制委員會優質立委，口袋國會評鑑立法院第十屆第三會期全院表現優質立法委員。