赖国芳
上世纪80年代末，我在新加坡国大电机系里修硕士，研究模式识别（pattern recognition）。当时，这个领域最常被引用的模范数据叫着“鸢尾花卉数据集”（iris dataset）。它包含150组数据，属于鸢尾属下的三个亚属，每亚属各有50个样本。每组数据有四个特征或变量（features），分别是花萼和花瓣的长度和宽度。这个领域的入门挑战是：从这150个样本，随机抽取一个当成“未知”，用余下的149个做数码分析，尝试识别未知的亚属，而且必须达到98%左右的准确度。
指导教授派下作业时，我心里想：好神奇呀！电脑是如何从这150×4个变量中“学习”的？原来，这是统计学里多变量分析的一个案例，从三个亚属四个变量的平均值、方差（variance）和交叉协方差（co-variance）, 计算出未知样本属于各个亚属的概率。70年代起，计算机发展迅速，这样的计算可在短时间内完成。然而，从这个理论发展出来的影像识别等技术（如人脸或语音识别），所需计算资源成几何级数增加，要到几年前，方才发展出可在商业领域上应用，价格相宜的硬件能力。所以，我们可以说，这几年来人工智慧领域的发展，大多归功于计算能力的大幅度提升，而不是爱因斯坦式的智慧飞跃。30年前，硬件需3天计算，今天只用半秒。所以，深蓝在90年代打败了世界西洋棋冠军，直到最近，阿法狗才能击退人类的围棋九段高手，因为围棋比西洋棋复杂得多。严格来说，电脑没有变得更聪明，只是变快了。阿法狗所采用的数量分析，若在30年前的硬件上运行，每一步恐怕都得计算几天呢。
李世石连输阿法狗3局后，颓丧地向世人道歉，仿佛背负了人类战败机器的罪孽。这是有点荒谬的。今天，世界上跑得最快的马拉松选手，赢得了小小的普腾灵鹿车吗？今天没有一家媒体会去报导人车竞跑，人跑输灵鹿车，也不必涕零忏悔。阿法狗的研究团队说：它只是一个会下围棋的复杂计算程序，其浩瀚的计算能力可涵盖人类思考极限外的可能布局，因此可以“学习”“创新”的棋步，然离开全方位全能思想的人工智慧还非常遥远。从远古开始，人类面对未知，比如雷电、疾病、生死，都喜将未知“拟人化”成鬼魅神佛，因为这更容易理解。把人工智慧转化成人类未来的可怕对手，是好莱坞吸引你进入电影院的好桥段。替自家产品或研究计划冠上“人工智慧”的华盖，在今天的氛围下更方便圈钱吸金 — 这就更不用说了。
当然，计算能力的大幅度飞跃，将使电脑可以逐步取代一些重复、繁复，且无需创意的职业。另外，以前依靠地域限制，以“牵线”为主的行业（如各类经纪和特许经销商），因为电脑平台的速配能力，也将受到严重威胁。机动车出现，人力车便消失了。在线叫车程序出现，枯候某处的传统计程车行业，便失去竞争能力。时代的巨轮，是由不得你来逆转的。那么，你能做什么呢？
现代管理学之父彼得·德鲁克 (Peter Drucker)，在很多年前已经说过：一家企业只有两个基本职能 — 创新和营销。创新需要打破旧有思维、经验、偏见的束缚；营销则是掌握自身品牌的人格特质，以精准有效率的方式，将讯息传递给特定会众，从而达到播种和收割的目标。在大数据和人工智慧时代，人们使用媒体及进行交易的方式大幅度改变，旧堡垒崩溃，新希望兴起。这已不再是一个寻租取巧的时代。脱颖而出的，将是成功结合商业、科技和文学养分的团队。与其抱残守旧，感叹旧媒体和门市的败落，不如改变思维，抓紧大洗牌的机遇。
[2018年6月5日刊于中国报]
支持作者
喜欢这个作品？请略表心意。
