[ 書摘 ] AI人工智慧的現在‧未來進行式

第五章 - AI人工智慧如何影響我們的工作

一、AI將會取代人類??

目前許多數據只表示「AI在技術上能否取代人類的可能性」,實際的取代狀況則會因引進成本的多寡而有所不同。

原因:

(1) 每種職業總有AI擅長的(資料整理與分析),跟AI不擅長的(同理心、溝通理解)
(2)每個企業不會只評估技術實現的問題,能否獲得「高投資報酬率」也是很重要的考量。然,越能夠讓AI有所發揮的業種,引進的成效也越好。(e.g. Googl, 阿里巴巴)。

→ 未來趨勢 : 人+機器 (分工合作)

人、AI或機器人各別負責自己所擅長的領域,藉此提高生產力和品質。


二、莫拉維克悖論

英語:Moravec's paradox)是由人工智慧和機器人學者所發現的一個和常識相佐的現象。和傳統假設不同,人類所獨有的高階智慧能力只需要非常少的計算能力,例如推理,但是無意識的技能和直覺卻需要極大的運算能力

「要讓電腦如成人般地下棋是相對容易的,但是要讓電腦有如一歲小孩般的感知和行動能力卻是相當困難甚至是不可能的。」 「困難的問題是易解的,簡單的問題是難解的」

孩子AI : 辨識、拿取物品 ;成人AI : 運算、分析

→未來趨勢:

因為近年Machine Learning的成熟,導致AI也有法根據視覺資訊來辨別咖啡杯跟杯子,因此可以預期AI用來支援現有職業或取而代之的可能性,也勢必跟著提高。


三、解決日本人才不足問題

日本目前面臨人才不足的問題,更有機會可以藉由業務的效率化來獲得解決。需要完全運用AI還有困難,但還是能以「支援人類」的方式提高業務效率,而這種作法也會越來越盛行。

→未來趨勢:人機共生

人類與機器分工合作,以少於以前的人數來完成相同分量的工作。然在「技術及制度」的規畫上還有許多障礙要克服。方式:

(1) 如智力或感知能力等與資訊處理有關的能力 : 擴增實境(AR)、Siri
(2) 如肌力等與運動有關的能力。筑波大學-研發一種能夠改善、輔助且擴增身體機能的半機械型機器人,穿上去即可ˋ人與機械、資訊融為一體。如機械公敵、史蒂芬.霍金等。

四、待解問題

1. 環境

雖然目前已有這些相關應用,但是先整頓好讓機器可以發揮功能的「環境」,或是機器在應用上需要人類從旁協助的案例仍舊不少。得先整頓好讓機器可以發揮功能的環境,並致力協助機器學習。(e.g. 長崎怪奇飯店)

2. 放寬規定與立法的重要性

(1) 道德問題的因應 是否允許為了達成某目的而犧牲他人

丹‧布朗,起源 / AI人工智慧在本書出現,並且是極為重要的腳色

(2) 智慧財產權問題

原智慧財產權 – 作品創作同時著作權也跟著產生-「以創作的形式表現出思想過情感的成品」

AI原先被認為創作出的產品不具情感,因此無作權法問題。然隨著AI的持續進化,今後對於AI的創作物,也應當以保護智慧財產權的方向來進行檢討,不只是「藝術性創作物」,在「醫藥品」或「科學發明」等具有專利相關領域也可能產生問題。

(3) 立法問題: ex 自動車駕駛 1.2.階段駕駛人必須承擔事故責任,但3.4.責任歸屬於「器材製造者」還是「駕駛員」則是需要討論釐清的問題。

0. 零級(SAE Level 0):完全由人工操作。
1. 一級(SAE Level 1):一項或多項主要的控制功能已經自動化,但只單獨起作用。對「方向盤」和「加減速」其一提供支援,屬於這一類。
2. 二級(SAE Level 2):對「方向盤」和「加減速」多項操控功能已經自動化,有一些駕駛環節不需要司機干預,但是司機仍然需要密切關注車的行駛環境,並有可能需要介入控制車輛。比如「自動泊車技術」就屬於這一類。
3. 三級(SAE Level 3):可以稱為是無人駕駛車輛的開始階段,車輛可以完成部分駕駛任務,在一定條件下可以監控路面情況,司機可以不用操作,但需要隨時準備好接管車輛駕駛。
4. 四級(SAE Level 4):在一定環境中,車輛可以完成所有駕駛和環境監測功能,在自動駕駛時,司機不需要管。但是無人駕駛技術可能僅限於高速或者車輛較少的路面上使用。
5. 五級(SAE Level 5):在所有情況下,車輛都可以自行駕駛,這是完全的自動化,車子不再需要方向盤、剎車和油門。

延伸 - MIX 2018 陳宜秀

1. 溝通心理學

因為人機互動的問題,基本上也是溝通上的問題,彼此要能適當的理解意圖(intention)才能達成溝通的目標。ex:你知道現在幾點嗎?

理解意圖之外,溝通也需要建立在潛在的「合作原則」之上。

A: C來了沒?
B: 停車場有一輛白色的Sentra

「合作必須是互動的預設,而不是互動的結果。」

2. 人機互動 => 人自互動(自動化) => 人智互動(AI) 的演進歷程和困難點

  1. 人機互動:清楚的告訴我應該怎麼做, 但是當人與機器互動出了問題,就有賴於設計者事前對於可能遭遇情況的掌握所設計的修補流程。因此人機互動的困境來自於,機器始終無法超越設計者所能賦予的功能。
  2. 人自(自動化)互動 : 幫我做複雜的事(少來煩我)。 例如電話,汽車,網路,電力,自來水等等。我們其實不了解這些複雜的自動化系統背後做了什麼,但基於信任原則,我們「相信」系統可以「信賴」。因此人自互動的困境來自於 : 我們不知到系統在做什麼,會出什麼狀況,而當系統出問題時,人在狀況外,無法介入。例如 815停電事件, 六分鐘內台電損失約23%發電量。

我們如何決定何時該信任系統,何時不該信任? 而人真的比機器值得信任嗎? 舉Tesla自動駕駛的例子,駕駛人要如何判斷何時能夠信任自動駕駛,而何時需要自行介入呢? 宜秀老師說,「信任」在人機互動領域中不是一個新題目,但是AI使得它更複雜了。

3. 「人智互動」: 則是期待機器能像戰馬這個智慧體般擁有自行判斷、解決狀況的能力,聰明一點知道自己應該做什麼。

先回到「信任」,人類如何判斷機器是否能信任呢? 大約可以分成三個向度,(1)相信這件事機器有能力做得到,(2)確認沒有阻礙機器的周遭因素,(3)合作原則。人類必須相信機器是合作的,不會另有目的。這三個面向的判斷代表的不必然是AI的實際狀態,反而是使用者身為人對於AI的心理認知。

戰馬

但人工智慧一定要是「人工」的嗎? 馬是一個智慧的乘載系統,而且能做以下這幾件重要的事
– 自動維持「人 + 馬」這個互動單元的平衡
– 自動閃避障礙物,保護自己
– 配合人的動作及意志,改變速度
– 在失去「人」的時候停下來,自行回家/求生

馬就是一個介於人與機器之間,人類無法直接溝通但是可以順暢互動的智慧體。 其實也可以想成是兩個共生協作的智慧體之間的互動,而兩個智慧體都有以下的能力
– 理解對方的能力/經驗
– 感知周圍的環境而反應
– 感知對方的動作而糾正
– 分工(你專心跑,我專心砍人)
而馬的智慧能力,減少了人的mental loading。

因此,如果能夠脫離「人」或「機器」,「信任」或「不信任」的二分法思維,採取「人 + 機器」的合作思維,在這樣的心理認知模型下,人智互動對我們來說其實並不是那麼遙遠而難以想像的。

資料來源: