2016年8月21日 星期日

了解人工智慧的第一本書



前言:
這本書具現化了運氣差是什麼意思,跟《大演算》撞期,而且還比較晚一週出。感覺像似三采出版用了些資訊優勢讓另一家出版社吃到悶棍。到底是巧合還是被算計?不知道,只能說本書如果出在大演算前應該是雙贏,因為這本比較像導讀。但順序反過來讀就變得,本書價值近乎零。

隨記:
P.17 「人工智慧」(AI,Artificial Intelligence)。
P.27 目前市區有三成至五成空間當成停車場使用,但未來如果大家不再買車,只在需要利用可自動駕駛的車,那麼停車場可以少很多,塞車問題也得到解決。→想想台灣汽車公司真的只能當代理了,科技戰怎麼打的過世界大廠。自動駕駛這項根本是一個超級高牆,能跨過去的沒有幾家。
P.72 要把像人類思考的機器,稱之為「人工智慧」。→最早的定義。
P.75 探索樹→這轉化的概念要學起來,非常有價值性。

P.82 在19✖19的棋盤上有黑白棋子的圍棋,其合數約有10的360次方那麼多。→這種天文數字已無法用對照表的方式產出,所以圍棋的演算法突顯了靠計算而不能靠暴力記憶法解決的完美測試工具。
P.85 最小最大法(minimax,預測下下步)→這個方法有意思,把思考數量化了,下次拿來在選擇權策略上使用看看。讓自己利益最大化的棋步=自己收益-對手收益  ,這代表著不是光看自己最大化收益是怎麼下,還要計算對手怎麼下的綜合計算。
P.87 祕訣一:找出更好的特徵量。
P.87 所獲特徵量就是「在資料當中要關注什麼部分」,程式的動作會因為特徵量的不同而產生變化。→就是指權重。像交通路線規劃,在平時是依最短路徑。而在尖峰時會加重車流量少的路線作規劃。
P.88 祕訣二:以蒙地卡羅法改變評鑑機制。→概念是有限的暴力破解法(brute-force)。關鍵在於有限。像圍棋要全解需要10的360次方,這超出電腦極限,但如果只計算十步內所有棋局,這就變成電腦辦得到的事情了。反正對手是人類,這算是針對人類極限在設計的策略,並不完美,但很有用。
P.109 並非華生本身理解問題的意義後再回答,而是它高速地抓出似乎與問題中所包括的關鍵字有所關聯的答案而已。→例:你不是醫生根本對病理不瞭解,但透過網路,用關鍵字搜尋,常常能找到可能的答案。我常常靠這方法解決我生理毛病,而且運作還蠻良好的,雖然我不知「為什麼」,但卻把問題有效的解決了。什麼事讓我這麼傲驕呢?薦骨痛,對照組我爸。他當時選擇的是開刀,然後身體就變很差。而我當我面對這問題時(約33歲),我運用網路嘗試解決這問題,我一開始假設是骨刺,慢慢的分析資料最後找到是薦骨痛,接著食補、換椅子、床、枕頭、爬山(註一)。現在已很少發作了。當然也有很失敗的經驗,而且是近期發生,感覺非常打臉的經驗,智慧似乎沒有因年紀增長而變得更完善,但我知道什麼叫停損點(就醫)。事情是發生手上出現一片紅,我一直不知成因為何。可能是燙到熱水或者過敏(就說我記憶實在是個渣,連怎麼發生的都沒什麼印象),我就放著、放著,起水泡了還是放著。在某日起床發現有刺痛時知道,不能再放著了,立馬掛號找醫生了。醫生只看一眼開了強力腎上線素,使用一天後立即見效。當下知道書上說的,醫生不能信是有問題的。心中升起的是「閃開,讓專業的來處理問題」。蠻有趣的經驗。
P.124 電腦無法把符號以及它所指稱的意義連結起來,很難處理「意義」這東西。
P.126 所謂的「學習」就是「分類」
P.130 分類方式

  • 最鄰近法(nearest neighbor):取得最靠近的。→例蘋果是水果,蘋果就不會是公司。
  • 簡單貝氏分類法(Naive Bayes):先看資料的各項特徵屬於哪類,再加總在一起。→例:蘋很很甜(水果),iphone大賣(電腦),股價大漲(公司),所以加權後蘋果90%機率是指企業而非水果。
  • 決策樹(decision tree):根據某一數值是否帶有某種屬性,做為分類標準。→簡單說就是一直問yes/no,最後即得到答案。例:蘋果是水果嗎?(no)。有做手機嗎?(yes)。是公司嗎?(yes),最後只會指向為企業。
  • 支援向量機(Support Vector Machine):在分類時力求讓類別與類別間的邊界區間(空白區間)最大化。→例:看蘋果所有屬性離「水果」和「企業 」的距離加總在推算(我猜的)
  • 神經網路(Neural Network):希望藉由模仿人腦的神經迴路完成分類的作業。

P.149 人類很擅於掌握特徵量→看圖像最明顯,人類第一眼就能辨視出圖上是什麼,機器完全呆住。
P.159 「深度學習」(deep learning)讓電腦可以根據資料,自行創造出特徵量。不由人類設計特徵量,而是電腦自行取得高層次的特徵量,不再據以分類圖片。→電腦的觀點與人類觀點大不相同。如同蝙蝠和人類所看到的世界也天差地遠,但依然能辨視出相同的東西。而目前人類用自己的觀點在告訴電腦,結果電腦怎麼辨視都總是茫茫然,就變成猜對的機率一直在75%,直到找到方法讓電腦用自己的觀點去學習看到的事物才讓正確率大幅提升到目前的85%。
P.213 奇點指的是當「人工智慧能夠自行創造出超越自己能力的人工智慧」的那個時點。→跟我想的奇點不同,我以為是指當電腦能自行思考判斷的那個時間點。
P.215 人類=智慧+生命→當智慧能獨立運作時,時間將不再具有任何意義。對機器來說時間是無限,機器根本是第四次元(這裡指的是時間)物種。

心得感想:
在人類未解開大腦如何思考前,有可能目前所有有關人工智慧的研發方向都是錯誤的,但只要找到思考的訣竅,科技就能馬上突破這個問題,如同知道鳥飛行原理,即可創造出飛機,雖然鳥是用翅膀震動,但最根本原理是一致的,空氣浮力。人類因利用機器製造出生物無法擬出的螺旋機組,讓人類飛的更高更遠,到現在直接變成噴射式的推進。這就知道人工智慧問題在兩個節點上,一個是人類想到(或理解),另一個就是科技是否達到最低要求水準。通常人類早想到了,只是科技力並沒辦法跟上人類思考速度。像蒸氣火車發明幾乎是世界同步出現的產物。也就是說目前人類已發現人工智慧可行的方法(暴力運算),但設備跟不上。看一下個人電腦速度才剛突破老鼠的運算力。作者認為電腦要取代人類還早,這似乎是受到線性思考的影響,被自己過往的痛所羈絆住。這就是經驗者的共同困境,放不下過往。也造成該行業者總是無法突破的主因,常常變成非本科系的才能發現創意而製造出破壞式的革新。這點要提醒自己,每隔幾年就放下一切,歸零。只留下最核心的本質,其他都放掉重組測試,這才能永續進化,我想那段時間應該會很痛苦吧。

註一:爬山與腰痛的關係
上山時你要用到股間力向前推,這能讓腰間到尾椎整個運動起來,讓身體自己發現不適在那,讓他自行修復。即然要花費資源修復吃好料的當然不能少。而下山你會震盪整個脊椎,並為了止住向前傾倒,而讓地心引力幫你推回錯位的區塊。爬山真是對腰很好,但不要背東西。我看一堆爬台北附近的小山都背一大包,像是爬百岳似的,大可不必。連七星山上去下來,帶水都是沒必要的舉動。



書籍資料:
書名:了解人工智慧的第一本書:機器人和人工智慧能否取代人類?
原名:人工知能は人間を超えるか: ディープラーニングの先にあるもの
作者:松尾豐
原文作者:松尾豐
譯者:江裕真
出版社:經濟新潮社
出版日期:2016/08/11
閱讀價值:低,因為近期被《大演算》撞倒了。運氣很差的一本書。
目錄:
前言 人工智慧的春天

序章 人工智慧的範疇在擴大:人工智慧會毀滅人類嗎?
 人工智慧開始超越人類
 汽車會變,機器人也會變
 超高速處理的破壞力
 人工智慧能否成為科幻小說家?
 全球對於人工智慧的研究投資都在加快
 面臨失業的人類
 人類的危機來臨
 如何閱讀本書

第一章 何謂人工智慧:專家與社會大眾的認知落差
 人工智慧尚未實現
 基本命題:人工智慧「沒理由實現不了」
 何謂人工智慧:專家們的定義
 人工智慧與機器人的區別
 何謂人工智慧:社會的認知
 打工族、一般員工、課長、經理
 強人工智慧與弱人工智慧

第二章 「推論」與「探索」的時代:第一次人工智慧熱潮
 熱潮與寒冬時代
 「人工智慧」一詞誕生
 利用搜索樹走出迷宮
 河內塔(Hanoi Tower)
 機器人的行動規畫
 對手的存在會讓組合變得龐大
 在西洋棋與將棋戰勝人類
 祕訣一:找到了更好的特徵量
 祕訣二:以蒙地卡羅法改變評鑑機制
 窘境在於無法解決現實問題

第三章 只要輸入「知識」就會變聰明:第二次人工智慧熱潮
 與電腦交談
 以專家系統代替專家
 專家系統的課題
 何謂表達知識
 為求正確記述知識而做本體論研究
 重量級本體論與輕量級本體論
 華生(Watson,IBM開發的人工智慧系統)
 機器翻譯的困難之處
 框架問題
 符號接地問題
 過於前衛的「第五代電腦」
 第二次人工智慧熱潮就這樣結束了

第四章 「機器學習」悄悄地在擴大地盤:第三次人工智慧熱潮(二之一)
 資料的增加與機器學習
 所謂的「學習」就是「分類」
 有老師的學習、沒老師的學習
 「分類方式」也分很多種
 透過神經網路辨識手寫文字
 「學習」固然花時間,但「預測」只要一瞬間
 機器學習時的難題
 為何至今未能實現人工智慧?

第五章 打破寂靜的「深度學習」:第三次人工智慧熱潮(二之二)
 深度學習開啟了新時代
 自動編碼器將輸入等同於輸出
 根據日本全國的天氣推敲地區天氣
 手寫文字中的「資訊量」
 往深處多挖掘好幾層
 谷歌(Google)的貓咪辨識
 大幅發展的關鍵在於「強固性」
 如何提升強固性
 回到基本命題

第六章 人工智慧會超越人類嗎:深度學習之後還有什麼
 深度學習起的技術進展
 人工智慧不具有本能
 電腦有創造力嗎?
 智慧的社會意義
 奇點真的會出現嗎?
 假如人工智慧征服人類
 人工智慧必須造福大眾

終章 逐漸轉變的世界:對產業與社會的影響以及戰略
 逐漸轉變的事物
 對於產業造成的漣漪效應
 人工智慧的影響慢慢擴增
 不久的將來會消失與留存的職業
 人工智慧催生的新事業
 人工智慧與軍事
 「知識轉移」改變了產業結構
 人工智慧技術遭獨占的可怕之處
 日本人工智慧發展的課題
 人才的多寡是逆轉的王牌
 要對偉大的前輩抱持謝意

結語 盡情想像尚未問世的人工智慧

圖表索引

譯名對照

沒有留言:

張貼留言