日前Alpha Go打敗世界圍棋冠軍李世石,引起各界震驚,更為其AI技術打開知名度。而後續該團隊更打造了Alpha Zero,超越之前所有圍棋、象棋、將棋的AI(包括Alpha Go)與人類,陳昇瑋表示,關鍵在於Alpha Zero是純計算的程式,純粹讓機器相互學習,取代人類數百年的切磋與計算。但為何沒人在做其他的棋類AI?陳昇瑋指出,因為光是Alpha Go就需要20億元的研發成本,Alpha Zero又更多,「這不是一家遊戲公司可負擔的,必須是世界級大企業才能做到。」
陳昇瑋也自己提出質疑,「AI真的是萬能嗎?」他認為,AI只能用在有模擬器的地方,像怎麼教育小孩、怎麼選擇政治人物最好這類的問題,沒辦法用AI處理,「至少目前這部分沒辦法用機器去做深度學習。」
[廣告] 請繼續往下閱讀.
換句話說,陳昇瑋認為,只是擁有大數據資料並不會到AI程度,資料只是原料,在成為AI之前,必須先經過機器學習(Machine Learning)用邏輯迴歸分析,進而將這些資料解析,並自行用經驗法則選出最佳的函式,這個函式越接近人類,就越接近大家所知的AI。
陳昇瑋也舉例,假設要讓AI知道「你好」這個詞,必須先收集許多人的「你好」音源等,用程式寫出規則,讓AI大量吸收後可判斷該聲波,並做出回應程序。但最難的在於人類的聲坡不完全相同。不過在圖像辨識部分,他指出,2015年的時候,機器學習在辨認照片部分就已超越人類。
[廣告] 請繼續往下閱讀..
由於AI為未來趨勢,陳昇瑋表示,在2014年的時候,Google有200個計畫在用深度學習,2016年的時候已超過2,000個。相關計畫不僅應用在Google輸入法,讓機器去猜使用者下一個字,也在Google Map的路標、門牌辨識等應用,未來將更擴大到各層面。
而AI在近幾年的突破主因,陳昇瑋將其歸因於運算速度提升,例如過去在3.5吋磁片時代,要放進一支影片可能需要十張磁片,但現在進入TB時代,可立刻傳輸數TB資料。他也以電腦網頁可隨時辨識影片的人臉與一般物體,指出AI的人臉辨識、自動上色、資料庫技術之所以能成真,就是在運算速度提升數百、數千倍的結果。