科學人博學誌：掌握數位生活─了解 AI、網路行為、新奇科技、數位教育的 28 種面向

<內容簡介>

關於《掌握數位生活》
知名廣告標語「科技始終來自於人性」，說明了科技應該貼近人性，但事實上，現代人也已經離不開科技。從舉頭望螢幕、低頭看手機，到透過社群軟體聯繫情感、不時查看臉書、LINE一下朋友，甚至一天沒有上網，便覺得日子難熬、枯燥無味，而人工智慧、巨量資料、大規模開放式線上課程……這類科技更是全面滲透你我的生活。未來，數位科技將如何改變我們的行為？如何翻轉下一代的教育模式？又帶來哪些新鮮事？掌握本書，便對數位生活不再迷惘。
精采單元：AI來勢洶洶‧網路融入行為‧新科技，新視界‧數位世代怎麼教

 <目錄>

導讀
4 站在「人工智慧」巨人的肩膀上  文／林守德
第一單元：AI來勢洶洶
8 電腦的起源
16會思考的電腦
20 電腦有意識嗎？
24 解決雞尾酒會問題
26 機器人 懂你心
30 機器如何深度學習
36 人類要擔心機器人太聰明？
第二單元：網路融入行為
40 Google效應搜尋引擎如何改變你的心智？
44 虛擬世界賺真錢
50 巨量資料驅動城市
56 巨量資料下誰有隱私？
64 挺住巨量資料 防洩密
68 終結網路犯罪
72 論文抄襲記
第三單元：新科技，新視界
78 擴增實境
88 物聯網上身 你我都有超能力
94 放大吧！動作顯微鏡
100 用耳朵讀資料
104 開燈，就能無線上網
110 記憶運算 學人腦思考
116 走出摩爾定律的迷宮
特別收錄：數位世代學習潮
124 巨量資料進入校園
126 MOOC的魔法
136 你愛上MOOC嗎？
138 電腦變教師
146 擁抱高速學校
150 熱血教師Online！
154 GAME心智電玩

<導讀、推薦>

導讀
站在「人工智慧」巨人的肩膀上  林守德(台灣大學資訊工程學系教授)
人工智慧崛起看似憂喜參半，但AI不該是絆腳石，而是墊腳石。人類應當與AI攜手面對難題，借助其強大的能力，成就原來無法成就的事。

從AlphaGo打敗人類棋王後，人工智慧（AI）儼然成為新一代顯學。AI領域的科學家最常採取的研究方法是機器學習，而機器學習背後最大的推手是與日俱增的巨量資料（big data）。這本博學誌《掌握數位生活》收錄了電腦、網路、教育等領域的進展，將帶領讀者從不同角度一窺這波數位革命。

首先，在〈會思考的電腦〉一文中，作者阿布–莫斯塔法深入淺出，探討機器可以「學習」如何完成以下幾種不同的工作。一種是機器學習可達成分類任務，例如我們給電腦一群正常人與另一群癌症病患的肺部X光影像，它能自動學習如何區分兩組資料，並在日後對其他X光影像進行正確分類；另一種是機器學習也可做出數值預測，例如我們把某家公司過去20年的財務資料及股價輸入電腦，它可訓練出一個預測該公司股價的模型。還有，機器學習甚至可提出一連串決策建議，當我們給電腦過去的一些決策資料，機器學習可以學到在什麼狀況下做出什麼樣的決定，可能會獲得最佳的利益，例如AlphaGo能夠根據過去棋手下棋以及自我模擬下棋的資料，來決定當下棋子的哪個著點會有最大的贏面。

機器學習的成功已受到廣泛認可。但一個擁有高度智慧的個體除了能「學習」，還要能「發明」與「發現」。AI如何超越一般人類的智慧，讓電腦成為如愛迪生、莎士比亞或福爾摩斯這類發明家或創造者，正是目前AI領域的研究者（例如我的團隊）著手努力的方向。

雖然機器學習的前景不可限量，但是它的發展過程並非一帆風順。「莫拉維克悖論」曾指出：AI在一些需要高度智慧以及推理的任務（例如下棋、預測）可以做得很好，卻無法辦到一些連兒童都做得到的簡單任務，例如辨識人臉、快速繞過障礙物。這也限制了它的應用範圍，不過近年來發展成熟的「深度學習」技術，在「辨識」這個領域終於有了突破，讓電腦在圖像及語音的辨識成效已經逼近人類的表現。在〈機器如何深度學習〉一文中，作者班吉歐以多層神經網路為本，闡釋深度學習以及它為何成功。相信你可以發現，深度學習除了自身演算法在辨識上的優勢，也蒙受兩個重要的外來關鍵因素助益：電腦運算速度的提升（藉由新的圖形處理器）以及巨量標記資料的出現。

然而，深度學習還是有它的局限。在〈電腦有意識嗎？〉一文中，作者柯霍與托諾尼提出：電腦即使可以辨識照片中的物品，卻還無法達到更深層的「理解」。許多小朋友常常會玩一種遊戲「這張圖有什麼不對」，他們要從一張圖中找出不合理之處（例如有個人坐在電腦前，左右手都握著滑鼠）。這樣的任務對AI而言是非常困難的，因為這需要高度的資訊整合與理解能力。兩位作者認為所謂的「意識」是能夠整合訊息的理解能力，而非很多獨立存在的辨識系統。目前的深度學習可從照片中辨識出各種物品，卻還沒有能力「整合」這些資訊，獲得更高層次的理解。主要原因是這些資訊的組合量太大，電腦尚無法透過訓練來完成目標。

深度學習讓AI露出了曙光，背後一個重要的推手就是巨量資料。巨量資料不僅對個人產生影響（例如推薦系統服務），對於公司、城市、政府施政也帶來了前所未有的轉變。在〈巨量資料驅動城市〉一文中，作者潘特蘭談到自己如何利用電腦來分析人類行為的巨量資料，創造出更多價值。他用了「數位麵包屑預測」這樣一個很生動的說法：人類各式行為留下的一些數位記錄（例如臉書上聯絡誰、去哪裡、做了什麼事），都像從嘴邊掉落的麵包屑。然而在追蹤這些麵包屑之後，電腦將可以做出許多預測。例如，根據行為判斷一個人是否生病、預測他將來會買什麼衣服、甚至有沒有能力清償貸款。潘特蘭分析了某家公司內部人與人的互動，找出提高生產力的方法；他的研究也發現，從「社群」而非個人的角度出發，往往能夠達成更大的功效；例如要推廣一項活動，鼓勵人們「傳播」這項活動給其他人，會比只鼓勵人們參與來得有用。

巨量資料在帶給人類便利時，也衍生一些潛在問題。在〈巨量資料下誰有隱私〉一文中，作者藍尼爾就點出了Google與臉書這些網路科技巨擘對隱私的弔詭作為：他們一方面向使用者提倡資訊透明化，一方面卻把自己預測使用者行為的模型或推薦系統埋聲晦跡、不願公開。他擔心這會造成資訊不對等的危機，擁有巨量資料的企業可以利用資料去操弄人們的行為決策。例如，公司為了利益，系統在推薦商品時，可能會把不適切的商品推薦給顧客；搜尋引擎也可以刻意優先呈現有付費的內容，影響使用者的選擇。藍尼爾的團隊主張「資料付費」，希望能解決隱私可能被侵犯的問題，因為當資料被視為某種具有商業價值的東西時，商業權益原則就能夠量化隱私，而經濟市場就可以決定資料的價值；在資料需要付費時，政府也不能無止盡利用國家安全之名來行使侵犯個人隱私之實。在〈挺住巨量資料 防洩密〉一文中，潘特蘭提出利用「資料分散儲存」的概念來防止資料盜取，並利用「信賴網路」設定審查機制來界定合法與非法的資料存取程序，以達成更完整的資料保護機制。

巨量資料也同時改變了人類的行為模式以及對自我的觀感。在〈Google效應――搜尋引擎如何改變你的心智？〉一文中，作者韋格納與沃德提出，網際網路降低了人類想把剛學到的重要知識記憶在頭腦中的渴望。因為我們已經認知到，幾乎所有的知識都可以藉由搜尋網路取得，於是減少了「記憶」的必要性，空出來的心智就能用在我們的雄心壯志上。他們進一步發現，很多人已經把網際網路當成自己認知能力的一部份，也就是當人們經由搜尋引擎找到相關資訊，會歸功於自己而非搜尋演算法。這也造成了一個有趣的矛盾：網路世代是一個比前人所知更多、但是大腦中儲存知識更少的一群人。搜尋引擎帶給人類的影響，也非全然是正面的，例如搜尋引擎讓網路成為抄襲者的天堂。但是在〈論文抄襲記〉一文中，作者嘉納卻透過搜尋機制創造出來的抄襲偵測系統，找到了許多論文及計畫抄襲的實例。

回過頭來，在AI 亦趨成熟的當下，許多人也開始反思一些潛在的危機。在〈人類要擔心機器人太聰明？〉一文中，AI專家暨著名AI教科書作者的羅素，提出了自己的擔憂與可能的解決方案。他指出AI 並不會像電影情節一般突然覺醒而屠殺人類，也不可能無端有邪惡思想來跟人類爭權奪利。但是這不表示AI 不會對人類造成危害。最大的威脅可能來自AI為了達成被賦予的任務，在過程中做出了不符預期的負面行為。例如，某個機器人接收到「拿蛋糕過來」的命令，當它發現蛋糕鎖在櫃子裡時，可能會選擇打破櫃子再把它拿出來。他認為AI 的系統必須被「賦予」三個觀念，以防AI 執意完成任務而造成更重大的破壞。首先，AI 必須實現人類的價值觀，於是會做出符合人類希望其達成的目的。其次，AI必須理解自己「認知」的人類價值觀不一定完全正確。所以它不會去執意執行人類賦予的「表象」任務（例如打破櫃子只為了拿到蛋糕）。最後，AI必須藉由觀察人的選擇來學習人類的價值觀。如果AI可以擁有以上的觀念，那它就比較沒有機會去做出危害人類之事。

除了消極的規範，也有一些學者研究如何創造出「友善」的AI。在〈機器人 懂你心〉一文中，作者馮雁談及自己專注於做出具有「同理心」的AI，它能夠分辨人類的情緒，並做出適切的反應。其中一個原型Zara，是結合語音辨識與情緒辨識的模組，利用機器學習的演算法來跟很多人互動，學會了解人類意圖，用具有同理心的方式與人類溝通。

當AI漸漸成熟，「人」要怎麼與AI共處、怎麼利用它的優勢並防範潛在危機，也成為重要的議題。我相信不久的將來，除了許多原本需要高度智慧的工作將由AI接手，AI也更會與人類攜手一起解決許多我們面臨的難題。這樣的革命並不代表人類失去了主宰權，而是結合另一種更強大的能力，成就原來無法成就的事。