Toby Walsh教授：四個指數趨勢解釋人工智慧威脅論！

Toby Walsh是澳大利亞新南威爾士大學（CSIRO）的教授，Data61 (CSIRO)研究小組組長，人工智慧方面的專家。Walsh教授在悉尼資訊長峰會上發表主題演講時說道：CIO（資訊長）們其實不需要擔心人工智慧會對未來造成威脅，我們距離生產出與人類大腦高度匹配的機器人還有很遠的路程。

Walsh教授認為，我們目前造出的機器人雖然執行任務的水平超過人類，但它們只會按照我們的要求去執行任務，只能算是一個無意識的文字工具。我們如果想要生產出與人類能力完全一致的機器人或許還需要很久，可能是50年，也可能是100年，甚至是永遠。

儘管如此，Walsh教授還是很高興人工智慧威脅論的話題能夠成為CIO們關注的焦點，並且出現在戰略商業計劃中。

Walsh教授說到：“人工智慧是當前人們最喜歡的科目之一，同樣也是我小時候最喜歡的科目。我們讀過很多的科幻小說，夢想著一個滿是智慧化電腦和機器人的未來，這樣的未來似乎已經快要到來。”

我們或許想要問這樣一個問題：人工智慧能夠在今天取得這樣突飛猛進的發展，到底是基於怎樣的因素？Walsh教授將答案總結於四個指數趨勢。

第一個指數趨勢是摩爾定律，由於物理量子限制等技術問題導致摩爾定律失效。英特爾宣佈，今後電晶體數量再也不會每兩年翻倍一次。

Walsh教授表示，儘管如此，我也並不擔心這個領域的發展會受到限制。在過去的20年，晶片研發人員一直處於很懶散的狀態。他們只是縮小了806資料結構，在晶片的設計上並沒有太大的創新。但是我們看到了DPU（分散處理單元）的價值，我們在硬體中看到了更多有趣的東西，比如機器學習。這將會使我們在相同的電晶體數量下進行更多的計算。雖然摩爾定律在技術上已經消亡，但仍存在很大的創新空間，並將為計算機的發展賦予更大的動力。

第二個指數是不斷升級的資料量。在企業家心裡，運營和客戶資料永遠排在第一位。Walsh教授表示，如今的資料量比過去翻了幾番，這對於人工智慧來說是一個大契機。我們現在做的很多事情，尤其是機器學習，都屬於資料培訓。

Walsh教授補充到，目前人工智慧的一個不足點是機器學習的速度過於緩慢。機器學習雖然是模仿人類的思維去學習，但是與人類不同的是機器學習是從例子中模擬學習。最先進的機器學習仍然需要從幾十萬甚至是幾百萬的例子中學習。但唯一的好處是海量的資料得以收集，我們可以從大量的資料中迅速得到想要的資訊。

第三個指數趨勢是演算法方面的突破進展。Walsh教授表示，在過去的幾年裡，隨著深度學習的發展，演算法的效能呈指數級增長。

第四個指數趨勢是流入該領域的資金數量。Walsh教授表示，透過這種方式，您可以衡量該領域的風險投資數量，可以預估AI領域的參與人數以及創業公司的數量，並且這些數量每兩年就會翻一倍。

“將這四個趨勢放在一起，就是人工智慧取得重大進展的秘訣。”但Walsh教授強調，儘管人工智慧前景可觀，但想要生產出達到人類執行能力的機器人，未來還需面臨很多棘手挑戰。

考慮到技術的侷限性，Walsh教授認為，今天的人工智慧可以完成一些實時性強的重複性高的任務，例如瞬間識別人臉功能。

說到這裡，那麼我們一般都會讓機器人幫助我們做哪些工作呢？一般分為這四類：骯髒的（dirty）、無趣的（dull）、困難的（difficult）、危險的（dangerous），我們稱之為4D。從這種意義上講，機器人也確實是一個有意思的存在。

如今隨著科技的發展，人們對科技的要求越來越高，實際應用需要涉及更復雜的自動化和人工智慧，聊天機器人就是人工智慧實際應用的一個很好的例子。

文章最後，筆者用Walsh教授的一句話作為結尾：“在我們擔心人工智慧可能帶來威脅之前，我們真正需要處理的是地球更緊迫的問題，比如氣候變化！”