來自芬蘭國民ＡＩ課程翻譯。
第一堂：我們該如何定義ＡＩ。
我們該如何定義ＡＩ
在第一堂課，我們會藉由ＡＩ的定義和一些例子來帶著大家熟悉ＡＩ的基本觀念。
你可能已經注意到ＡＩ現在是一個“熱門的話題”，無論是媒體報導或是公眾話題都幾乎離不開ＡＩ，但你可能也注意到了每個人對ＡＩ的解釋都不太一樣。有些人覺得ＡＩ就是一種 – 能越人類智慧的人造生命，有也些人認爲只要是任何數據處理就能被稱作ＡＩ。
為了讓大家有個概念，我們將討論什麼是ＡＩ，如何定義它，以及其他與ＡＩ密切相關的技術領域。然而在開始之前，我們先重點介紹三個應用，這三個應用分別代表AI的不同層面。接著我們會在課程中一一對他們做講解，以加深我們對ＡＩ的理解。
應用一：自駕車
自駕車是結合了許多ＡＩ技術的應用，像是：搜尋並規劃從Ａ地到Ｂ地的最佳且最短路徑，或是利用電腦視覺來辨識障礙物，還有在各種不確定因素交雜的動態環境下做出最正確的決策。上面每一種行為都需要做到近乎完美來確保不會發生意外。
這些類似的技術同樣被用在其他自動化系統中，像是派送機器人、無人機或是自主艦等等。
從自駕車應用我們得到：
當系統的可靠性一旦超過了人類時，道路安全就會得到改善，運送貨物的物流鏈效率會提高。這時候人類就變成一個監督的角色，專注於觀察機器運作的狀況。由於交通運輸是人類日常生活中至關重要的一部分，所以可能還有一些我們還未了解到的含義在其中。
應用二：內容推薦
我們一整天收到的訊息有許多都是經過個人化後推送到你面前的，像是：Facebook、Twitter、Instagram或是其他的多媒體社群內容，還有像是廣告、Spotify的音樂播放清單推薦、HBO, Netflix的電影推薦還有其他類似的線上串流服務。還有許多的出版業者，新聞報紙、廣播公司的網站，或是搜尋引擎像Google也同樣的在利用個人化推送他們的內容。
舉個例，紐約時報或是中國日報在紙本的封面對所有使用者都是一樣的，但是在網路版本則會依照演算法產生個人化的首頁，這也是ＡＩ。
從內容推薦應用我們得到：
當許多公司並不願意公開他們的演算法的詳細內容時，了解一些基本原理就能幫助我們釐清一些背後潛在的意義，這些這些包括所謂的filter bubbles[1], echo-chambers[2], troll factories[3], fake news[4]還有new forms of propaganda[5]。
[1]. 「同溫層」，指個人化資料過濾、篩選小圈圈，是一種網站真對個人化搜尋而提供篩選後的結果，造成的影響是容易使認知過於單向，並讓人們處於當前文化以及意識形態的氛圍中。
[2]. 「回聲室(效應)」，在網路上許多演算法推薦內容會讓使用者接收到的訊息充斥著「同溫層」的內容，導致無法接收其他不同觀點、立場的訊息，影響的結果是造成社會分化並且更僵固人們的個人立場。
[3]. 指專門傳遞大量不實訊息及言論的組織，通常是為了製造混亂或是影響政治觀點。
[4]. 假新聞。
[5]. 新形式的宣傳，像是一些說唱音樂或是動畫影片。
應用三：圖像及影片處理
臉部辨識已經被廣泛運用在消費者、商業以及政府的各種應用上，像是根據人像來分類你的照片，在社群媒體上自動加上標籤（tag），或是護照的管制。類似的技術也能用在車輛辨識或是自駕車上的環境障礙物辨識，或是也可用來估算野生動植物的數量，這些只是眾多應用的幾個例子。
ＡＩ也能用在生成或修改影像內容，像是：風格改變，你能將你個人化照片的風格變為梵谷風格，還有像電影阿凡達、電影魔戒、皮克斯動畫中透過電腦生成的角色，這些虛擬角色的動作都是來自真實演員動作的複製品。
從圖像及影片處理應用我們得到：
當這些技術進步而且能廣泛被取用後，就能輕易被用來製作一些你無法分辨真假的捏造影片，這將會挑戰人類“眼見為憑”這件事。
那什麼是ＡＩ
什麼不是ＡＩ呢？
這並不是一個簡單的問題！
對媒體來說，ＡＩ流行是因為人開始使用「ＡＩ」來取代曾經有其他名稱的事物。你幾乎能發現在統計和商業分析中只要用到if-then就能被稱作是ＡＩ，為什麼會這樣？為什麼大眾對ＡＩ的看法會如此含糊呢
原因一：缺乏官方定義
即使是ＡＩ的學者對ＡＩ也沒有明確的定義。當有些主題被歸類為非ＡＩ且同時出現新主題時，這個領域就不斷的被重新定義。
有個古老（怪異）的笑話，ＡＩ被定義為：「電腦無法做的很酷的事。」，諷刺的是，在這定義下ＡＩ永遠沒辦法進步：當我們找到一種方法能用電腦做很酷的事的時候，這就不是一件被稱作ＡＩ的事了。然而有個確實的要素在其中，例如五十年前，搜尋並規劃被視為是ＡＩ的核心，現今這項方法已經是每個資工系學生都知道的，同樣地，某些用來處理不確定訊息的方法也已經被很好地理解了，所以也可能很快的會從ＡＩ領域移除至機率與統計中。
原因二：科幻小說遺留的想像
各種科幻文學及電影對ＡＩ的觀點使得人們對ＡＩ的意思更加困惑，科幻小說中時常將ＡＩ描繪成友善的類人類僕人並且提供過度詳細且機智的對話，卻又有時從皮諾丘的故事來看，懷疑他們是否能成為人類。另一類科幻小說中的類人生物擁有邪惡的動機，與古老故事 – 「魔法師的學徒」中一樣，和主人的想法背道而馳，這能追朔到「布拉格的魔像（泥人）」或更久之前。
通常，此類生物的機械化只是在非常人性化的主體之上披上一層表面，這是可以理解的，因為大多數小說 – 甚至科幻小說 – 需要和人類讀者產生共鳴，否則會因為與普遍認知過於不親近而導致作品被疏遠，所以大多數的科幻小說最好被理解為對當前人類狀況的隱喻，裡頭的機器人可以被視為是受社會壓迫階層的替身，又或許能將這看成是一種對生命意義的追求。
原因三：看似簡單實際上卻困難…
另一個ＡＩ困難的點是關於分辨哪項任務是難的哪項任務是簡單的。你環顧周遭並拿起一項物件，然後想著做了什麼：你用你的雙眼掃描周圍環境，辨識是否有你能拿你的物件，從這些物件中挑一個從這些物件中挑一個後，你為了你的手計畫了用以拿取物件的軌跡路線，接著你使用肌肉組織照著順序移動你的手，最後調整適當的力道抓取物件讓它保持在你手中。
很難理解這一切是多麽複雜，但當有時出問題的時候，反而看得清楚：當你拿起的物件比你想的重或輕時，或是當你要碰到門把的時候有人開了門，這時你就會發現自己有點嚴重地失去了平衡。通常這些事項看起來毫不費力，但這是都奠基在幾百萬年的演化以及小時候無數年的練習才有這種成果。
雖然對你而言是簡單的，但對機器人來說可是非常困難的，而這也是現在正在進行的研究。最新的例子包括：Google的機械手臂專案、拿取花椰菜機器人等。
…什麼看起來很難實際上卻是簡單的
相反的，看似困難的下棋或是解決數學題目，這些項目都需要多年的付出才能成為大師，並且包含到“高等學府”以及集中思想。難怪一些最初的ＡＩ言就都及中在這些事項上，在當時看來，這些包含了「智慧」的要素。
之後，事實證明電腦非常適合下棋，它能夠照著相當簡單的規則去計算每個不同的移動順序，而這只需要花上僅僅十億分之一秒。電腦首次以棋藝擊敗人類是在1997年 – Deep Blue vs Kasparov maches。你能想像到更難的問題竟然是要在棋盤上抓取這些棋子而不將他翻倒嗎！我們之後會在第二章介紹遊戲像是下棋或是井字遊戲的相關研究。
同樣地，雖然深入掌握算數（看起來）需要人類的直覺和創造力，但有許多（但不是全部）高中或大學課程的經典習題是可以透過簡單的計算機或指令集去解決。
那，什麼才是最好的定義呢？
比起嘗試去定義“計算機還不能做什麼”，更有用的是去列出ＡＩ的特性，它們分別是自主性（Autonomy）和適應性（Adaptivity）。
keywords
自主性
不需要使用者不斷指導就能在複雜環境中執行任務。
適應性
從經驗中學習來提高性能的能力。
字詞容易造成誤導
當我們在定義或是提到ＡＩ時，必須去注意到很多我們使用的字詞容易造成相當的誤導，最常見的就是「學習」、「理解」和「聰明」。
像是你可能會說，一個系統很聰明，或許只是因為它能提供精準的導航指示，或是檢測到皮膚病照片中的黑色素瘤。當我們聽到類似的事，「聰明」容易使大家想成它能夠執行所有一個「聰明人」人做的事：像是走到一家雜貨店做飯，或是洗衣、折衣服，諸如此類。
同樣，當我們提到一個電腦視覺系統能夠「理解」一張圖片，因為它能夠分辨圖片中的物件，像是車輛、、行人、建築物、道路等等，而「理解」這個詞就會讓人想成即使一個人身穿印有道路的圖樣的衣服時，這個系統還是能準確地「理解」 – 在這條路（或人）上面開車是不好的。
從以上兩種情況來看，都不是正確的。
Note
注意使用「合適的字詞」
Marvin Minsky，一位認知科學家和ＡＩ的偉大先區之一，創造了「合適的字詞」用來囊括那些擁有極多不同意義即使我們只使用其中一種意思的詞。使用這種詞彙容易造成意義曲解的風險。
重要的是去了解「智慧」不是像溫度一樣只有一個維度，你能比較昨天跟今天的氣溫，或是赫爾辛基跟羅馬的氣溫，再告訴別人哪個溫度高哪個問度低。我們甚至會去想對人們的智商去做排名是有可能的，所以智商（ＩＱ）就產生了。然而，對於不同的ＡＩ系統，是無法在單個軸或維度下進行比較，你能比較一個下棋演算法跟或垃圾郵件過濾器哪個比較聰明嗎？或是去比較一個播放清單推薦系統和自駕車？這些問題是沒有意義的，因為人工智慧是狹隘的（我們會在本章末提到狹隘ＡＩ的意義），解決一個問題的能力並無法告訴我們解決另一個不同的問題的能力。
為什麼你能說「一點點ＡＩ（A pinch of AI）」
卻不能說「一個ＡＩ（An AI）」
區分ＡＩ與非ＡＩ並不能使用二分法，雖然某些方法顯然是ＡＩ，某些不是，但也有些方法是少量涉及到ＡＩ的，就像我們使用少量的鹽調味一樣。所以比起去爭論一件事是否是ＡＩ，更好的是去討論「AIness」（像是happness或awesomeness）。
Note
ＡＩ並不是一個可數名詞
當講到ＡＩ，我們不鼓勵將ＡＩ視為是一個可數名詞：像是一個ＡＩ、兩個ＡＩ之類的。ＡＩ是一們科學學科，像是數學或是生物學，這代表ＡＩ是許多觀念、問題和解決問題的方法的集合體。
因為ＡＩ是一們學科，所以你不能說「一個ＡＩ」，就像我們不會說「一個生物學」一樣。這個論點在當你嘗試說出像是：「我們需要更多的人工智慧。」就會清楚地發現這樣去講ＡＩ真的很怪，不是嗎？（我們覺得是這樣。）
儘管我們不鼓勵這種說法，但將ＡＩ當做是可數名詞的狀況十分常見，例如下面的標題：Data from wearables helped teach an AI to spot signs of diabetes，雖然它是一個不錯的標題，強調了數據的重要性，並且清楚表明該系統只能檢驗糖尿病的跡象而不能作出診斷和治療決策。你也絕對不能說出像是：Google’s artificial intelligence built an AI that outperforms any made by humans，這是我們見過有史以來最具誤導性的ＡＩ頭條新聞之一（該頭條並非由Google搜尋提供）。
如果以其他方式講得通的話其實將ＡＩ當做可數名詞使用是沒什麼大不了的，但是若你想專業點，請避免使用「人工智慧（ＡＩ）」而是「人工智慧方法（an ＡＩ method）」。
留言