AI難取代管理決策系統 (車品覺)

By on May 11, 2020

本文作者車品覺,為紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員,為《信報》撰寫專欄「全民大數據」

人情冷暖的事情,機器最好別插手,亦不是它們可以處理的。(新華社資料圖片)

人情冷暖的事情,機器最好別插手,亦不是它們可以處理的。(新華社資料圖片)

2011年,谷歌展示了一個在YouTube視頻中能夠識別貓的深度學習系統,很多人覺得這太神奇了,電腦終於能夠了解世界。但人工智能(AI)研究者都知道,深度神經網路實際上並不了解世界。它們以大腦的結構為模型,由大量排列在不同層級中的數位神經元組成,背後的原理是,當輸入的特徵觸發其中一些底層神經元,然後根據這些神經元把訊號傳遞給上層中的神經元。訓練深度神經網路需要讓其學習大量的示例集合,並每次調整神經元的連接方式,以便最終頂層的神經元給出所需的答案,例如把獅子的圖片識別為獅子。

第一次大型現實檢驗是在2013年,當時谷歌研究員指出,如果拍攝一張獅子的圖像,深度神經網路是可以識別的,但通過改變幾個微小的原素,就能使機器相信看到的是圖書館。

加拿大蒙特利爾大學的Yoshua Bengio是深度學習的先驅,他說:「任何接觸過機器學習的人都知道,這些系統會犯上很愚蠢的錯誤。例如簡單地把圖像中的物體翻轉,就足以讓一些分類器出現誤差。根源在於,深度神經網路沒有一個好的模式來快速把握重點。當AI把一張被篡改的獅子照片識別為圖書館時,人們看到的仍然是獅子,因為他們心中有一個動物的模型,是依賴於長久積累的認知(常識),包括獅子的耳朵和尾巴等,而不是依賴一些沒關聯的細節。從以往的經驗中知道哪些是重點,這源於對世界結構的深刻理解。

長久以來自動化決策系統,都有點雷聲大雨點小。(中新社資料圖片)

長久以來自動化決策系統,都有點雷聲大雨點小。(中新社資料圖片)

從以上的描述可以看到,為何人工智能比較適合去解決一些容易定義何謂成功的問題,例如翻譯一篇中文為英文。但如果翻譯的文字裏有一些指桑罵槐的句子,而且必須對中國人的文化結構有深刻理解的文字,則不是目前的AI所擅長。

故此你可以想像為什麼長久以來自動化決策系統,都有點雷聲大雨點小,無他,因為愈高級的管理者,每天花在與人有關的事項上的時間愈多,很難定義什麼叫成功。還記得在阿里的時候,老闆時常要求副總裁以上的管理者最少花一半的時間在「人」上,因此引伸出一句阿里內部的名言:「人事無小事」。看來人情冷暖的事情,機器最好別插手,亦不是它們可以處理的。

更多車品覺文章:

支持 StartupBeat

如欲投稿、報料,發佈新聞稿或採訪通知,按這裡聯絡我們