圍棋系統 AlphaGo 戰勝歐洲圍棋冠軍樊麾(法國國家圍棋隊總教練 Fan Hui) 後,與南韓九段圍棋名將李世乭之間對戰不斷,AlphaGo先勝兩局,教人嘩然,感歎 Deep Learning 的強大。然而,程式者眾往後開發和完善人工智能,極需哲學、道德去約束。

Deep Learning 是 Statistics 的應用之一,只是研究生改名求科水而已,日光之下絕無新事。Statistics 是統計學,透過不斷蒐集、分析、歸納數據(data)而導出結果和方法。由人類自己建立資料庫去分析 data,找出 data 當中的萬縷千絲,為Data Mining。由一班寫程式眾開發一個程式教電腦如何學習,才是Deep Learning。

寫程式眾先了解Neural Networks 的運作原理 ,然後寫 code 實踐,利用不斷計算和運籌,然後灌入 data 落個乎習程式,不斷蒐集外來數據,分析,歸納,中間加減改良返幾個參數和決策 (Expectation–maximisation algorithm),監督電腦學習 (supervised learning) ,砌出整個思路 (heuristics)。其他就是應用層面。

另一邊箱,由 hackernews, codegeek, github , reddit 都相繼討論 software testing, test automation , 是寫一個程式,自動幫你測試開發程式或雛型,找出錯漏或控制學習過程。自動化測試的概念,有助加速開發,運籌管理開發團隊。加速開發,意味將有更多先進學習模式,比AlphaGo更強更聰明的AI電腦出爐。李生等圍棋生戰敗,不是敗給電腦,而是寫AI程式的人。圍棋競技,再不改善規則,繼續人機對決,恐怕借成為程式眾人的思維競技,離地又乏味。

固然好多人都驚AI會控制世界,殲滅人類。我反而會叫大家去認真思考,為何發明電腦?引用德國哲學家Georg Wilhelm Friedrich Hegel的名句:

Was vernünftig ist, das ist Wirklich; und was wirklich ist,das ist vernünftig.
What is rational is real, what is real is rational
凡存在必合理

昔日,人類想用更短時間完成一個工序,多快好省,自然會發明工具。人類想同時間完成多個工序,發明機械。人類想同時間監督工序,就自然有意欲去發明一個可以自動幫你做完多個工序的工具。自然,就會發明電腦,程式,去幫助大眾完成工作。如果大眾繼續精益求精,多快好省,發明 AI (人工智能),不管是否可以幫助人類福祉,都是發明電腦的必然結果。1950的Turing Test和1970開始的人機圍棋對奕,已經證明了以上一點。

當然,自動駕駛汽車的道德困境已經告訴了人工智能的思維局限,就是哲學和道德難被量化成行為規條,易生意外和悲劇。電腦判斷事物仍需由人填補思維決策,假借程式循循善誘。因此,任何人開發創新科技,只談功利,不談道德哲學,就會容易犯上平庸之惡,意外頻生。

從來,寫程式,豈止是「只是打份工」,而是「學做一個人」。做人從來都要有良知,尤指涉及科技研發。