(2016-03-31)知無不言、言無不盡,這句話表示誠懇交心,但真的能把知道的完全說出來嗎?

(Brain 2016-03-31)知無不言、言無不盡,這句話表示誠懇交心,但真的能把知道的完全說出來嗎?
 
說的人也許覺得全說出來了,但一些不自覺的經驗仍然沒說出來,會開車的人教不會開車的人,把自己的經驗說的再齊全,甚至寫出來,仍會漏掉一些下意識的反射動作。有人說師父教徒弟總是留一手,可能冤枉師父了,因為師父的技藝,有些確實只能會意不能言傳。
 
英籍凶裔科學家 Michael Polanyi (1891-1976) 說:我們知道的比能說出來的多 (We can know more than we can tell),因為知識有顯性與隱性 (Tacit),看見一件東西是明顯的事,但學習語言、下廚做菜、演奏樂器、使用複雜工具,都有內含的隱性知識,這些知識不但本人說不完全,也不容易、甚至不可能傳授給別人。圍棋就是最好的實例。
 
知道的事卻不能完全說出來,是個矛盾的現象,科學家給取了一名字,叫 Polanyi 悖論 (Paradox),這正是人工智慧的盲點,因為要機器有人的智慧,學習顯性的知識容易,學習隱性的知識則無從學起,所以機器不可能有人類的智慧。
 
但近年人工智慧也確有進展,Michael Polanyi 當時說電腦不可能學會開車、與辨認人的臉,現在做到了。圍棋被認為是隱性知識最高的藝術,沒有贏的規則,日前 Google DeepMind 的圍棋軟體 AlphaGO 也以 4:1 擊敗人類頂級高手李世石,加深了大家人工智慧無所不能的印象。
 
圍棋世紀大賽之後,各方面有不少的佳評,電腦科學家認為 AlphaGO 的能力,是因為克服了人類隱性的智慧,也就是並沒有學習人類下棋的顯性方式,而是自行學習發展出一套贏的邏輯。
 
19 x 19 的棋盤,走棋的方式據說比宇宙間所有的原子還多,所以不能如象棋從有限的預設棋步搜尋下一步棋的走法。AlphaGO 的研發人員結合了兩種技術,神經網路與樹狀搜尋,用大量的走棋資料讓電腦學習哪一步棋可能贏、哪一步可能輸,從不斷學習發展出贏的策略。
 
Google 分析戰局說,第二局 AlphaGO 的第 37 步棋,是贏棋的關鍵,而第四局李世石的第 78 步棋,是他贏棋關鍵,這兩步棋,對人類來說絕少這麼走的,都是萬分之一機會,李世石發揮創新奇想,讓他贏了唯一的一盤棋。
 
法國人工智慧專家 Jean-Christophe Baillie 指出,AlphaGO 是一個了不起的成就,可以用來解決很多複雜的問題,但仍不算是真正的人工智慧。人工智慧有很多定義,但真正的人工智慧與現實的世界關連,所見、所聽、所做、所遇,如同一般人類自行理解內涵,否則僅是人類為專業設計的電腦程式,這也正是今天人工智慧的現狀,除了狹隘的領域,並不了解以外的世界。
 
AlphaGO 效率不足,是電腦科學家另一評論,主要是需要龐大的學習資料,而關鍵就在神經網路系統,因為是模仿人腦的結構與重複運作,來累積智慧,而用人腦做為模型,是否有極限,科學家多有所質疑,所以需要另外學習的方法,或者是用少量資料就能快速學習。與人類的學習來比,人類的學習效率遠高於電腦。
 
DeepMind 的創辦人、也是 AlphaGO 技術的研發人 Demis Hassabis 說,這項技術可以發展成「個人助理」,有效的學習主人的嗜好與習慣,做多方面的運用,成為商品。但科學家仍認為,人類的語言較棋盤複雜得多,很難學習,AlphaGO 的專業技術用在一般的事物,需要更多的技巧才能勝任。
 
本文作者不是專家,沒有資格評論世紀圍棋大賽與 AlphaGO 技術,但仍願意把所看到的重點資料介紹給讀者,讀者可自行解讀研判。
 
*本文取材自2016年3月28日「那福忠週一論壇:知道得多、能說出來的少
對本文有任何看法,歡迎 eMail:frank.na@gmail.com 給作者,分享您對本文的看法。