對于人工智能技術(shù)我們環(huán)抱著多種情緒，我們欣喜它的能力，但是又恐懼它的能力，分析師預(yù)測未來人工智能將替代人類的工作，終究會對我們的造成巨大的影響。那么機(jī)器到底能學(xué)會什么？他是否真的會將人類驅(qū)逐。

機(jī)器學(xué)習(xí)已是現(xiàn)在進(jìn)行式，當(dāng)其發(fā)展成人工智能 AI，終究會對我們造成影響，但機(jī)器到底能學(xué)會什么？

機(jī)器人（Robot）行動笨拙，除了制造業(yè)的專用機(jī)器手臂，機(jī)器人的動作遠(yuǎn)不如人類靈敏，是因為機(jī)械操演不夠靈活。但機(jī)器學(xué)習(xí)（Machine Learning， ML）則是另一個領(lǐng)域，是人工智能 AI 的核心技術(shù)，不需要機(jī)械的操演，但能學(xué)習(xí)人類相當(dāng)多的技術(shù)，甚至替代人類的工作。

一旦機(jī)器人的機(jī)械操演技術(shù)進(jìn)一步進(jìn)展，也就會學(xué)到一些人類日常生活的動作，當(dāng)然這也要用機(jī)器學(xué)習(xí)產(chǎn)生的 AI 做為腦子。所以機(jī)器學(xué)習(xí) ML，恐怕不是一個機(jī)器人坐在書堆上，一本本的讀。

上個月《科學(xué)》（Science）雜志有一篇報導(dǎo)，探討機(jī)器學(xué)習(xí)的特性與功能，有些領(lǐng)域機(jī)器可以學(xué)的非常好，這領(lǐng)域的工作遲早會被機(jī)器替代，但有的領(lǐng)域機(jī)器卻學(xué)不了，在這些領(lǐng)域人類仍然主導(dǎo)。

目前的機(jī)器學(xué)習(xí)主要是用計算機(jī)仿真的神經(jīng)網(wǎng)絡(luò)，模仿我們思考的方式，然后用大量的數(shù)據(jù)（大數(shù)據(jù)）來訓(xùn)練，增進(jìn)智慧，訓(xùn)練結(jié)束之后，就成為一個 AI 軟件。當(dāng)然這句話的解釋過于簡單，實際上用計算機(jī)軟件模仿我們腦神經(jīng)的運作，適用性仍有爭議，這只是目前的技術(shù)。

機(jī)器雖然不同于人類，但學(xué)習(xí)的情形有類似的地方，比如從病歷診斷哪一種疾病發(fā)生的機(jī)率，從貸款申請預(yù)測未來償還的機(jī)率，這些都是醫(yī)師與理財專家天天做的事，但機(jī)器可能比人做的更快更好，因為因果關(guān)系、也就是輸入與輸出的連結(jié)，定義清楚，適合機(jī)器的學(xué)習(xí)運算。

機(jī)器學(xué)習(xí)不單靠規(guī)則，還要靠經(jīng)驗數(shù)據(jù)來訓(xùn)練，越多的資料、學(xué)習(xí)的越精準(zhǔn)，大數(shù)據(jù)的概念就用到這里。大數(shù)據(jù)可來自監(jiān)測網(wǎng)絡(luò)的交易與互動，人工加注分類整理，或針對特定問題制作的仿真，但數(shù)據(jù)來自非結(jié)構(gòu)化的來源，像是網(wǎng)絡(luò)聊天，可能產(chǎn)生偏差，機(jī)器學(xué)習(xí)的結(jié)果也難免偏頗。另外，靠數(shù)據(jù)訓(xùn)練，并非適合所有的領(lǐng)域。

最有意思的是，只要有明確的目標(biāo)，甚至不必知道達(dá)到目標(biāo)的最好方法，只要運用整理好的數(shù)據(jù)來訓(xùn)練，機(jī)器的學(xué)習(xí)效果就特別好。這種方式通常用在系統(tǒng)層面的宏觀領(lǐng)域，像是讓公司獲取最大的利潤，讓市區(qū)的交通流暢無阻，而不是用在細(xì)微枝節(jié)上，因為枝節(jié)的數(shù)據(jù)范圍太窄，難免有錯。

另一個有意思的是，機(jī)器是不講理的，學(xué)習(xí)得到結(jié)果，卻說不出演繹的道理，醫(yī)師能從病歷耐心的解釋診斷的結(jié)果，但機(jī)器的解說顯然不如醫(yī)師。這正說明了計算機(jī)仿真與人的思維運作不同，神經(jīng)網(wǎng)絡(luò)從輸入到輸出可能有很多層次，每一層次運算出多項結(jié)果傳遞給下一層，這些中間結(jié)果并不做他用，所以我們看到最終結(jié)果，卻看不到中間過程。

機(jī)器學(xué)習(xí)的算術(shù)法，都是用統(tǒng)計與或然率求得答案，學(xué)的再好，一旦用到 AI 解決問題，都沒有100%的肯定答案，也就是仍然有出錯的機(jī)會，如同最好的人類專家一樣，我們用 AI 解決問題，要把容忍出錯放在心上。

綜合機(jī)器學(xué)習(xí)的特性，需要大量數(shù)據(jù)，定義嚴(yán)謹(jǐn)?shù)妮斎肱c輸出連結(jié)，使用統(tǒng)計與或然率，不能發(fā)展出單一的最佳答案，不能做清晰解釋。機(jī)器「受困」于計算機(jī)仿真的神經(jīng)網(wǎng)絡(luò)，缺乏人類的適應(yīng)性，不能突然改變。

所以底線是，許多工作難以自動化，至少要比傳說的來得慢。但仍不能掉以輕心，機(jī)器學(xué)習(xí)發(fā)展成 AI，終究會對我們造成影響，在不同的領(lǐng)域，以不同的程度替代我們的工作。 值得注意的是，機(jī)器學(xué)習(xí)也不斷的在“學(xué)習(xí)”，學(xué)習(xí)能力一天天提升。