您的位置:首页 >> 新闻中心 >> 机器人新闻

机器人新闻

  • 人工智能不是万能 一张图让你秒懂

  • 人工智能可以解答所有问题吗?这个问题十分容易回答,当然是不行。真相是,人工智能只能对符合特定形式的问题提供良好的解答,而且还需要符合特定条件。

    人工智能适合解决什么问题?我们可以用两个轴度,来为所有可能的决策问题做分类。图的横轴表示是否容易为此问题取得大量资料,也就是样本数的多寡。因为机器学习是基于资料,来学习已知与未知,也可以说是观测与决策之间的关係。因此,历史资料愈充足,愈有机会萃取出,观测与决策在各种条件下的关联性。纵轴表示该问题是否与情境相关。


    辨识人脸、诊断病情……人工智能都能做

    左上角的第二象限是同样与情境没有太大关联,但较难收集到大量资料的问题,但因与情境相关性低,基本上人工智能还是多能提供不错的解答,例如医疗诊断、排程预测、预测性维护等。

    在医疗诊断应用中,已有太多研究证明,只要给予与病情有相当关联性的生理讯号,机器学习即可精準地诊断眼底视网膜病变、肺结核、心律不整、及多种癌症等。虽然医疗诊断的资料量相对较少,也许每种疾病只能蒐集到几万或几千例,但是因为医疗诊断与情境并不相依,也就是说,生理信号(例如X 光片及心电图)本身就足以准确地判断病征,不会受到其他无法观测的外部因素的干扰;同一张X 光片,无论是在哪里拍的、受测者身上穿什么衣服、受测者当时开不开心、受测当天天气如何、受测者收入,结果都应该一致。

    基本上,只要是与情境无关的问题,人工智能通常可以做得不错,甚至超越人类。例如许多电脑游戏及牌类、棋类游戏,人类已无法与人工智能匹敌。

    与情境高度相依的问题人工智能难发挥

    图右下角的第四象限指的是有大量资料,但与情境相依程度较高的问题。基本上此象限的问题,仍可由人工智能来提供解决方案,但随着情境相依度愈高,要得到好解答的困难度也愈高。

    例如信用卡盗刷、个人化行销、程序交易、自驾车、对话机器人等,这些问题要做出好的人工智能系统相当有挑战性,因为有许多无法观测到的情境变数,可能影响决策判断,很难仅仅凭藉我们能观测到的少部分变数,做出十分准确的预测。

    例如,对话机器人也是属于高度与情境相关的问题。主要原因在于,人类的对话相当复杂,有时难以透过表面上的字句得知顾客真正的意图,此时就会出现针对同样问话,对话机器人即使做出同样的反应,每一位顾客感受却会不同的情况。毕竟每个人有不同的立场、知识及个性,同样的话,有些人听完会很满意,有些人可能会生气。

    例如假设有位男性顾客姓王,招呼语称呼他为王先生,多数人会觉得很正常,有些政商名流可能会不高兴,觉得应该要称呼他为王市长、王董等。人工智能在此种情况下,没有办法表现得和人类一样好。

    人工智能能预测成功率,但无法预测未来

    图右下角的第三象限,包含的是与情境相依且难以收集大量资料的问题,对这些问题来说,人工智能的发挥十分有限,只能有限度地提供辅助。

    像是新创事业是否会成功、该不该跟某位异性告白、该不该进行某项全新商品的发售、该不该进行某个政治操作等问题。以“新创事业是否会成功”为例,这涉及到创办人格局、新创团队能力、产品技术实力与市场变化、竞争对手策略等,都是难以量化的资讯。

    因此,即便许多创投业者都期待,能预知新创事业的成功机率,但在此条件下,人工智能顶多只能根据片面资讯做预测,以仅供参考的方式,辅助降低投资新创事业的风险,并无法做到精准的预测。

    总结来说,能够观测完整,也就是无法观测或量化的情境资讯少的问题,基本上都适合以人工智能来找解答。但若观测十分片面或是无法量化,又没有大量的资料来补助资讯的不足,这时巧妇难为无米之炊,就不用期待人工智能能像先知一样预知未来。

    人工智能的极限很明确,塬则也易于掌握,千万不要忽略对这些原则的掌握,贸然在人工智能不擅长之处对它抱有太大期待,免得费时耗力又因为失败而对人工智能失去信心。


客户服务热线

13602858842

在线客服