四大象限一次了解人工智慧的能與不能

編按:陳昇瑋博士創設台灣人工智慧學校,並致力推動AI在各產業的應用與轉型。透過《人工智慧在台灣》提供的企業導入AI案例,讓更多企業與個人能善用科技、整合企業數位資源,為現在與未來的挑戰做好準備。

 

人工智慧可以解答所有問題嗎?這個問題十分容易回答,當然是不行。真相是,人工智慧只能對符合特定形式的問題提供良好的解答,而且還需要符合特定條件。

 

人工智慧適合解決什麼問題?我們可以用兩個軸度,來為所有可能的決策問題做分類。圖的橫軸表示是否容易為此問題取得大量資料,也就是樣本數的多寡。因為機器學習是基於資料,來學習已知與未知,也可以說是觀測與決策之間的關係。因此,歷史資料愈充足,愈有機會萃取出,觀測與決策在各種條件下的關聯性。縱軸表示該問題是否與情境相關。

 

 辨識人臉、診斷病情……人工智慧都能做 

左上角的第二象限是同樣與情境沒有太大關聯,但較難蒐集到大量資料的問題,但因與情境相關性低,基本上人工智慧還是多能提供不錯的解答,例如醫療診斷、排程預測、預測性維護等。

 

在醫療診斷應用中,已有太多研究證明,只要給予與病情有相當關聯性的生理訊號,機器學習即可精準地診察眼底視網膜病變、肺結核、心律不整、及多種癌症等。雖然醫療診斷的資料量相對較少,也許每種疾病只能蒐集到幾萬或幾千例,但是因為醫療診斷與情境並不相依,也就是說,生理訊號(例如X 光片及心電圖)本身就足以準確地判斷病徵,不會受到其他無法觀測的外部因素的干擾;同一張X 光片,無論是在哪裡拍的、受測者身上穿什麼衣服、受測者當時開不開心、受測當天天氣如何、受測者收入,結果都應該一致。

 

基本上,只要是與情境無關的問題,人工智慧通常可以做得不錯,甚至超越人類。例如許多電腦遊戲及牌類、棋類遊戲,人類已無法與人工智慧匹敵。

 

與情境高度相依的問題人工智慧難發揮

 

圖右下角的第四象限指的是有大量資料,但與情境相依程度較高的問題。基本上此象限的問題,仍可由人工智慧來提供解決方案,但隨著情境相依度愈高,要得到好解答的困難度也愈高。

 

例如信用卡盜刷、個人化行銷、程式交易、自駕車、對話機器人等,這些問題要做出好的人工智慧系統相當有挑戰性,因為有許多無法觀測到的情境變數,可能影響決策判斷,很難僅僅憑藉我們能觀測到的少部分變數,做出十分準確的預測。

 

例如,對話機器人也是屬於高度與情境相關的問題。主要原因在於,人類的對話相當複雜,有時難以透過表面上的字句得知顧客真正的意圖,此時就會出現針對同樣問話,對話機器人即使做出同樣的反應,每一位顧客感受卻會不同的情況。畢竟每個人有不同的立場、知識及個性,同樣的話,有些人聽完會很滿意,有些人可能會生氣。

 

例如假設有位男性顧客姓王,招呼語稱呼他為王先生,多數人會覺得很正常,有些政商名流可能會不高興,覺得應該要稱呼他為王市長、王董等。人工智慧在此種情況下,沒有辦法表現得和人類一樣好。

 

人工智慧能預測成功率,但無法預測未來

 

圖右下角的第三象限,包含的是與情境相依且難以蒐集大量資料的問題,對這些問題來說,人工智慧的發揮十分有限,只能有限度地提供輔助。

 

像是新創事業是否會成功、該不該跟某位異性告白、該不該進行某項全新商品的發售、該不該進行某個政治操作等問題。以「新創事業是否會成功」為例,這涉及到創辦人格局、新創團隊能力、產品技術實力與市場變化、競爭對手策略等,都是難以量化的資訊。

 

因此,即便許多創投業者都期待,能預知新創事業的成功機率,但在此條件下,人工智慧頂多只能根據片面資訊做預測,以僅供參考的方式,輔助降低投資新創事業的風險,並無法做到精準的預測。

 

總結來說,能夠觀測完整,也就是無法觀測或量化的情境資訊少的問題,基本上都適合以人工智慧來找解答。但若觀測十分片面或是無法量化,又沒有大量的資料來補助資訊的不足,這時巧婦難為無米之炊,就不用期待人工智慧能像先知一樣預知未來。

 

人工智慧的極限很明確,原則也易於掌握,千萬不要忽略對這些原則的掌握,貿然在人工智慧不擅長之處對它抱有太大期待,免得費時耗力又因為失敗而對人工智慧失去信心。

 

第一本為台灣而寫的AI轉型策略,更多《人工智慧在台灣》書摘:

人工智慧將成為白領工作者的基本技能

人工智慧是台灣產業突破代工框架的轉型關鍵

發佈日期:2019/05/22

瀏覽次數:1333

陳昇瑋

台灣人工智慧學校執行長、玉山金融控股公司科技長、財團法人人工智慧科技基金會董事長暨執行長、財團法人科技生態發展公益基金會執行長、中央研究院資訊科學研究所研究員及資料洞察實驗室主持人,曾任台灣資料科學協會理事長。創立資料洞察實驗室,發表超過130篇學術論文,研究領域為人工智慧、金融科技、多媒體系統、社群網路及計算社會科學等;同時致力於推動人工智慧在製造、金融、零售、服務等各產業的深化應用及數位轉型。 於國立臺灣大學電機工程學系取得博士學位(2006),於國立清華大學資訊工程學系取得碩士 (2000)及學士 (1998)學位。2008年榮獲IWSEC 2008最佳論文獎,2009年榮獲ACM 台北/台灣分會李國鼎青年研究獎,2010年榮獲中國電機工程學會優秀青年電機工程師獎,2013年榮獲傑出人才基金會年輕學者創新獎,並於2014 年榮獲IEEE ComSoc MMTC Best Journal Paper Award。

人工智慧在台灣

人工智慧浪潮全面來襲,沒有一個人能夠置身事外。 與其擔憂,不如清楚認識人工智慧發展的脈絡、應用與侷限, 深化個人AI實力、建立企業AI團隊, 成為AI浪潮中的領先者! 力用人工智慧,扭轉20年來台灣產業發展的困境! 人工智慧正在改變產業的遊戲規則,多數產業已進入紅皇后的領地, 不追上、就落隊,再也沒有機會。但AI也是企業擺脫發展困境的不二武器! 究竟人工智慧是什麼?機器學習與深度學習有什麼不同?大家都在談人工智慧, 但在產業中如何應用?白領工作者又該如何應對人工智慧即將帶來的工作結構變化?

購買這本好書