郭毅可院士「人工智能與未來社會」講座與談
今天很榮幸與郭毅可教授對談,郭教授1980年至1987年在「北京清華大學」電腦系電腦專業讀書。「台灣大學」雖然是我的母校,但我在「新竹清華大學」工作了四十二年,而「新竹清華大學」與「北京清華大學」同根同源,是由原「北京清華大學」梅貽琦校長於1956年在新竹建立的,兩校有同樣的校訓、校歌,以及幾乎完全相同的校徽,今年六月,我到北京開會,順道拜訪曾與我一起擔任校長的「北京清華大學」顧秉林校長,顧校長特別準備了2010年我們初次見面的照片相贈,倍感溫馨,而細數歷年來,我們交流有十五次之多,確確實實是「兩岸清華一家親」。
「郭毅可」院士專業是資訊工程,資訊工程是AI 的家鄉,而郭院士是斐聲國際的大數據專家,而我基本上是外行人,今天所以應邀與郭院士對談,想是朱雲漢院士特別安排的「專家與非專家」對談,也許能從更廣視角看問題。另一方面,在AI時代,未來社會是許多人關心的問題。本人近年來密切注意AI的發展與思索AI的未來,同時有幸協助公益法人「中技社」在過去一年半間舉辦了三次與AI有關的研討會。不同於國內一般AI研討會,「中技社」系列主題是請各領域的頂尖專家談談它們對AI的看法,這種由名家主講AI-X的模式,受到相當的肯定,每次都吸引超過場地容量所限之四百人報名參加。其中很感謝朱院士在去年第一次研討會中給了一個以「AI與政治」為題的精采演講,作系統性的論述,整理這方面的文獻以及過去的一些思考。而這三次研討會演講主題包括經濟、社會、政治、產業、科技、醫學、國防科技、傳媒、金融、藝術、教育、公共行政、語音辨識、老年生活、工程與營造、5G通訊、運動、學習等,誠如「李琳山」院士在8月23日,第三次研討會中所言,「想不到一個領域用不到它」,「在可預見的未來都會很有用」,總言之「可大可久」,簡明而直指核心。
同時「中技社」身為國內首屈一指的公益法人,不斷發揮創意,今年更首度辦理「中技社AI創意競賽」,分為3個競賽主題,評選具AI創意實體作品。包括: AI與藝術、AI與創新服務、AI與教育,共收到32件競賽作品,已評選完畢,優勝作品相當多元與令人驚豔,將於10月4日在「中技社六十週年慶」典禮中展示特優作品,請大家「拭目以待」。
今天郭院士在「從技術發展來探討未來社會」大架構下,談到幾大趨勢﹕
一、無中心化:新的社會組織結構,
二、資料的資本化:新生產資料下的資料經濟,
三、人工智慧的普適化:新生產工具下的產業賦能,
四、人機二元社會:新的生產關係下的機器行為。
在去中心化服務方面,可看到:
一、微醫療: 郎中階段 – 醫院階段 – 私人醫生階段 (更方便地結合海外醫療:「第二診斷報告」),
二、微教育: 私塾階段 – 學校階段 – 互聯網 + 私塾,
三、微媒體: 口耳相傳 – 大眾媒體 – 自媒體,
四、個性化經濟與大資料,從個性化的微服務/商品到高度定製化的服務/商品,展現改進的動力。
這些趨勢在台灣社會各領域已漸浮現,但離真正廣泛施行,還有一段距離。
數位經濟對應的生產要素是數據,通過大數據的數位化分析讓數據轉換為資訊,未來的共用經濟也就是大數據經濟,共用經濟導致了數據資源的社會化。過去以數為據,數據曾僅是記錄度量物理世界的資料,逐漸轉化為數據產品:大數據是這個社會的自然資源,數據主宰著我們今天的生活,數據用來組成服務時,它成為資源,到如今對數據的所有權的界定使數據成為資產,未來對數據資產流通和交易實現其價值,使數據成為資本。而數據因而從資料轉化成資源、資產到資本。引發了大數據經濟市場的產權制度及激勵機制、市場的信用關係、及市場組織結構和遊戲規則等方面都發生根本性的變化。但是在這些方面一般的基礎設施及法律制度準備不足。
歐盟在資料保護方面,最為先進,於2016年制訂,而於2018年5月25日生效《一般資料保護規範》(General Data Protection Regulation, GDPR),包含了相應的法規和保護措施。目前,台灣「個資法」第七條對個資收集的同意,仍是採取「推定同意」(當事人如未表示拒絕,相關單位若已提供其個人資料者,則推定當事人表示同意。),而非GDPR的「自願、具體聲明同意」的型態,許多國內專家認為應該要盡速修改為如同GDPR的同意要件。
另一方面,資訊隱私法在實行上有困難,讓企業千方百計鑽漏洞,也不利於促成有效而具競爭性的數據市場,政府應限制資料使用的方式。而用法規架構來提升效率,必須由政府機關負責執行。執法機關必須要有組織能力、人力、必要的調查與執法權力、具備專業知識,但人才難尋。
從資料資產到資料資本的瓶頸,在於實體資產和資料資產的不對稱、資料資產的可交易性與資料的使用特徵的矛盾(使用非排他/無限可再生)、以及個人資料接近無限:我們無法靠腦力來處理我們的資料,以實現資料價值。解決方案一為區塊鏈,另一為人工智能。未來將受區塊鏈和人工智慧的共生驅動。
人工智慧需要資料,但是資料往往被中心化平臺壟斷,因而阻礙創新。區塊鏈創造了一個對於資料提供者有正確激勵機制的資料市場。人工智慧能夠依賴這個資料市場起飛。許多人不理解人工智慧的瓶頸不在於演算法,而在於資料。
郭院士在人機二元社會,介紹了新的生產關係下的機器行為。目前機器學習的局限在於沒有全域的抽象能力,就無法揭示規律,做出準確的判斷(會發生什麼?),沒有應用知識的能力,就無法理解資料,理解感知的內容,實現真正的認知 (發生了什麼?),學習的結果無法解釋,就無法和人類的知識融合,驗證決策,獲得信任(為什麼是這樣?)而機器學習孕育著新的革命,現在是:儘量減少人的干預 (資料驅動的學習),未來是:儘量利用人的知識 (知識支援下的資料驅動)。而未來可能成為一門新興學科的「機器行為學」,是很須要注目的。諾貝爾經濟學獎得主Herbert Simon曾在發表論文中問到:「是否也存在所謂『人工』科學,專門研究人造物與所引起的現象呢?」部分學者主張從動物行為研究來看,經歷出生,成長、傳宗接代、演化過程的相似性,應研究機器的行為以及與環境的互動。
機器經由腦編碼與解碼,已經到了解碼大腦的時刻,可以理解人,而知道人想什麼。那麼人懂機器嗎?一連串的問題,包括: 機器有沒有行為?機器的行為是如何決定的?又是如何發展的? 機器的行為的功能是什麼?人如何影響機器的行為? 機器如何影響機器的行為? 機器如何影響人的行為?毫無疑問, 機器是有行為的,而機器的行為是由人通過演算法決定的,通過瞭解演算法,我們就能確定機器的行為。但如何瞭解演算法?演算法是黑箱怎麼辦?可以有生成演算法的演算法嗎?
智慧演算法的特點是演算法是可以學習的,學習演算法的結果可以是新的演算法,演算法決定機器行為的辦法往往是通過優化「效用函數」來實現的,同時演算法可以是非確定的,非確定常常是人類和演算法交流的管道,演算法可以「暫時」是黑箱,實驗是黑箱透明化的方法,最後演算法是可以遺傳進化的。
機器的行為的功能是什麼?可從機器行為為環境帶來何種影響,使得它們能持續有優勢。例如,某些表現優異的交易演算法,可能會成為業界的標竿,在不同公司之間交流,也可能受對手仿效、學習。又如自駕車系統,越是顧及乘客安全的越會受到歡迎,反之則會銷售不善,被淘汰出局。
機器如何影響機器的行為?與動物、昆蟲類似,機器也有群體互動的一面。如果彼此互動優良,可能更順利也更出色地完成指定任務。相較於單一AI的行為研究多聚焦於機器在不同環境、背景下的各種反應是否合乎預期。多個AI間的合作關係,可以提升效率。目前高唱入雲的工業4.0即為一例。
人如何影響機器的行為?人類社會中固有的歧視與刻板印象自然地顯現在提供給機器的訓練資料中影響演算法。機器如何影響人的行為?,包含選舉、休閒、工作等等,隨著機器引入各種人類活動,影響人類社會將益形重大,如選民投票行為、觀眾偏好以及工作形式,都已可見到相當的變化,未來必定更加劇烈。而交互作用之下,人機共存的世界必然呈現不同的樣貌,只是改善或加劇既有的不公不義?應是「機器行為學」此一新興學科迫切關注的問題之一。
郭教授在總結時提出「知本主義社會」,類似於古籍中提到的「大同社會」。未來社會改變的趨勢是,工作與生活邊界消失,個性化匹配代替集中市場,所有權模糊,層次化消失扁平社會,人類可轉而追求更高層次需求。應是大勢所趨。
最後有兩個問題想請教郭教授的看法﹕
一、正如郭教授提到的,許多研究顯示, AI取代大量人力將是勢不可擋,傳統以「分配」以及「參與」的救濟失業方式,很明顯將無法支應。比較激進的做法,就是「全民基本收入」(Universal Basic Income,UBI)。其核心思想是讓每人每月得到一定金額,足以支應基本的食。衣、住、行、教育以及某種形式的健康保險。雖然UBI問題多多,但據大數據領域公認的權威麥爾荀伯格 (Viktor Mayer - Schönberger) 等人分析部分UBI,或許只要靠著合理程度的增稅,就足以支應,主要目標在個人賦權,讓人把「薪資」與「工作」的概念拆分開來,在思考「工作」時,能有更多自我實現的考量。[註一]
二、二十世紀九十年代,由蘇聯為首的共黨集團崩解,主要原因之一,是經濟不振,物質稀缺,AI若能促成的「大同社會」,不啻共產社會班師回朝。
[後記] 郭教授對問題一的回應是UBI值得深入探究,問題二則是大致同意。
[註一] 麥爾荀伯格 (Viktor Mayer-Schönberger),蘭姆格 (Thomas Ramge),大數據資本主義:金融資本主義退位 (Reinventing Capitalism in the Age of Big Data) ,林俊宏譯,天下文化 (2018).
https://lihjchen1004.blogspot.com/2019/09/reinventing-capitalism-in-age-of-big.html