主页 > 中心大事 >神经科学家看 AlphaGo:即便人脑弱点重重,也无法被 A >
2020-07-27

神经科学家看 AlphaGo:即便人脑弱点重重,也无法被 A

神经科学家看 AlphaGo:即便人脑弱点重重,也无法被 A

从 AlphaGo 以 4:1 的成绩赢了传奇棋手李世乭、划下了另一个人工智慧里程碑开始,「人工智慧会不会有一天统治人类?」这个历久不衰的话题,接着之前的科幻电影《Ex Machina》以及科幻影集《Humans》后,再度掀起一阵全球讨论热潮。

身为一个热爱艺术的系统神经科学家,我觉得这个讨论热潮非常有趣。日本关于「人类与机器人之间的情感」研究行之有年了,甚至可以订作跟自己长得一样的机器人,AlphaGo 用的深度神经网路(Deep Neural Network)最原始的想法也不算新颖,其应用之一就是在语音辨识上。

再说人造物品能做的事情超越了人类能力,这可不是历史上头一遭:汽车跑得比人快、飞机会飞人却不会… 人类却似乎不会因此而感到「被打败了」,开始担心被这些人造物品给统治的一天。 毕竟能够提升生活品质,绝大部分的人都是感到开心的──而这不就是科技发展的目的吗?

试想看看,如果我们能用电风扇冷气机,还希望有人在身旁搧芭蕉叶吗?(当然以搧芭蕉叶为业的人,可能就感到不怎幺开心了。)

但是许多人却对电脑有能力在棋艺上赢过人类这件事情感到耿耿于怀,甚至非常焦虑。20 年前 IBM 的深蓝(Deep Blue)赢了西洋棋王 Garry Kasparov 时,许多人便开始对人工智慧感到害怕。

但是那时我们还可以说:「没关係,深蓝只是用暴力解题法(brute force)!」;这次 AlphaGo 以类神经网路(neural network,我坚持中文要加个「类」)以及蒙地卡罗搜寻树(Monte Carlo tree search, MCTS)赢了李世乭,许多人更开始觉得这下子电脑真的是个「脑」了! 它用的可是「深度神经网路」啊!

我相信更多人会指出我举例跑步飞行一点都不恰当,那是因为「跑步靠体能,下棋靠智能」,而现在「人脑在智能上竟然输给电脑了!」,人类该何去何从?!

很多常接触动物(尤其是人类)的神经科学家,其实这时候都很想请因为这样而焦虑的人稍微先冷静一下(例如数学家 Ronald Cicurel 与知名神经科学家 Miguel Nicolelis 合撰的书《The Relativistic Brain》)。

到底什幺是类神经网络?网路上有非常多写给初学者以及进阶者的好文章,更有许多比较深蓝与 AlphaGo 的精闢文章,轮不到研究系统神经科学的我赘述。

其实要了解 AlphaGo,最直接正确有效的方法就是研读该团队今年 1 月在知名期刊《Nature》发表的文章 〈Mastering the game of Go with deep neural networks and tree search〉。

真正看过文章的人,就会了解 AlphaGo 运用了一些古典神经科学理论,代表的是演算法上的进步,但仍需要「看过」大量高手下过的棋谱以进行监督式学习(supervised learning),也需要透过自己和自己下棋以进行强化学习(reinforcement learning)。

不难发现,AlphaGo 目前是特别适用于下围棋的演算法, 如果要解决这世界上各式各样千奇百怪的问题,恐怕还是有困难,更遑论达到「(人类)智能」这定义十分複杂的科学、哲学、甚至牵涉到个人信仰的主题。

套句老话,问电脑会不会「思考」,其实就跟「问船会不会游泳」是一样的。

除了感到焦虑,很多人也有很深的失落感:「棋」是一门古老的艺术,传奇棋手被人工智慧给打败了,似乎象徵着人工智慧攻佔了人类艺术。

虽然不谙棋艺,但是如果我想想自己比较熟知的音乐还有音乐人工智慧, 我还是乐观地认为,不管是棋艺或音乐,总是包涵了属于理性的科学部分(演算法)、以及人性的艺术价值部分;即使是像比赛如此「需要」定论输赢的场面,也包含了心智上的运动家精神这部分。

同样是人想出的演算法结合了硬体上的优势,击败了弱点重重的人脑,仅是在理性的科学部分上赢了。

是的,「弱点重重的人脑」。人脑本来就是因应环境演化出来的,处处设限,人类的系统也不一定总是最好最高尚的。人之所以生而为人,本来就是因为人做的是「人类限定」的事情。

我总觉得,其实人类智慧随时都感到非常寂寞,于是连想要来个逆向工程(reverse engineering)仿製人脑作业系统,都要挑些人类千百年来自己爱的事情:例如下棋或谱曲。

但是这样以有限的人脑进行逆向工程产生出的「山寨版人脑」,对我来说,用个夸张点且或许有点不恰当的譬喻,简直就犹如一支手机想了解自己,目的是要创造出另一支山寨手机。

神经科学中常常用到、也被运算法应用上的强化学习,以最简单的角度来说,就是一个个体去观察以及评估不同环境中採取什幺动作会得到什幺回馈,然后推算环境会如何变迁,加上时间上的考量,设法获得最后的最大总回馈。

但,这虽然在容易定量价值或者定义输赢的事物上非常有用,人世间的事情,又有多少是可以定量价值甚至是讲输赢的呢?

例如艺术之美,对不同的人各自有多少价值?就连神经科学要探讨「美感」,这幺多年来,也都小心翼翼,只能提出这样的假说:从音乐、美术、数学方程式中所感受到的美感,与眼眶额叶皮质(medial orbito-frontal cortex)的活动有关 ,而之前新推出的研究提出音乐美感与大脑处理感官、情感、社交等特定部位之间互相的联结有关,且美感总是个人主观判定,因人而异。

说白话一点,我们连自己的脑都还一知半解,人工智慧又能做到什幺地步呢?更别说另一个人类特有的东西:语言。我想问个简单的问题:假若是文学以及幽默感,又该如何有效地定价呢?

我个人认为, 人类的美感以及价值除了含有一些因为演化而与生俱来特质,大部分还是从社会中或者是外在环境中学习的。 这时有人会问:「电影 Chappie、卡通 Futurama、《哆啦 A 梦》里的机器人/猫,不就都从人类社会中学习属于人的行为了吗?」

是的,所以我心目中比较理想的人工智慧,是类似以上这些科幻电影或动画的。但是 AlphaGo 存在于现实世界,跟科幻世界距离还很远(Futurama 好歹背景也设在西元第三十一世纪)。 大脑的可塑性,是有机的;而目前人工智慧的运算法,仍然是有序的。

未来,很多工作或许会被人工智慧给取代,但是人类是不可能被统治的,而且会与自己创造出来的结构一起演化下去。这时该担心的应该是自己的创造力跟思考力,以及社会福利问题,而不是人工智慧会不会反过来主宰人类。

最后,我想说的还是那一句耳熟能详的 Nokia 广告台词:「科技始终来自于人性。」我说这句话的出发点绝对不是因为我是人类,觉得任何事情都该以人为出发点。我说这句话是因为,我认为科技在根本上来说又是另一种「人类限定」的事情。

到头来,科学与科技的进步让我们知道了太阳不是绕着我们的星球而转,但是我们却以人类的角度看到了宇宙之大,更能体会浩瀚之美。

AlphaGo 让我们窥见了数学、逻辑以及神经科学之美,棋盘如繁星点点,进一步认识宇宙并不会让它停止运转。

与其惧怕人工智慧,不如称讚构思 AlphaGo 的团队(尤其是 AlphaGo Nature 文章并列第一作者的黄士杰 Aja Huang,堪称 AlphaGo 计划中的台湾之光!),享受人工智慧研发所带来的便利,让我们能朝更有创意的生活继续迈进。

关联阅读

王铭琬╱AlphaGo 大胜棋王后 人类的下一步?
Facebook 研究员解析演算法技术:AlphaGo 为什幺这幺厉害?