【書健弘觀】楊書健：自動駕駛系統的開發要素
書健弘觀
日期：2022-05-31
更新時間：08:50:34
最近特斯拉談他們的自動駕駛系統，說寄望年底之前有一百萬位車主參與計劃，並且期望能收集以十億甚至百億小時的開車片段，以訓練電腦系統。現代說人工智能，通常都指腦網絡（Neural
Network）。腦網絡指程式內部構造以生物的腦細胞為藍本，學習過程亦有點類似。如果給電腦一百萬張貓的照片，再給電腦一百萬張狗的照片，腦網絡可以幫助電腦自行學習，慢慢就分辦到貓和狗。這跟教導兩歲小孩的道理是一致的。
如果要自行開發腦網絡，的確牽涉到線式代數等微積分之後才學的數學理論。但是現在有不少公開工具，所以連高中生也可以用腦網絡訓練打遊戲的機器人。所以像汽車一樣，自行開發雖難，但是使用卻很容易。而且重點是設計好腦網絡之後，電腦能自行學習，人類只需要提供足夠的案例和運算能力。
二十年前的人工智能需要程式員逐個決定編寫。例如控制鋼鐵廠的大熔爐，程式員會先訪問老師傅，再將技術集結成程式：可能當看到爐中溫度達到2,400度，然後熔鐵燒成了奶白色，就是倒模的時機。這類人工智能的限制極大，因為就算老師傅願意和盤托出技術，他的經驗往往很難直接變成當時電腦能理解的指令，像「燒成奶白色」就很難直接加以量化。
另外，這類指令只有在像工廠一類，環境高度受控的地方才有用。假如鋼廠向南遷五百公里，平均溫度改變了，這些老師傅的經驗就完全不適用了。最後，只有有交際能力的電腦人才會同時有能力訪問老師傳和編寫程式（或解釋成別人能寫出程式的流程），這類專才人數不會多，工資很高。因此這種舊人工智能開發成本極高。
所以腦網絡能直接以案例訓練，可以大量減少人手。而且隨著電腦運算成本愈來愈低，電腦所能分析的課題就可以愈來愈複雜。像「高中生訓練打機」一類的課餘研究，已經動用了幾十個電腦核一起計算，可以將訓練時間壓縮數十倍。特斯拉的大型人工智能電腦，運算能力更到了每秒十億個十億次 (10^18) 的水平，是二十年前全球所有電腦加起來也沒有的運算能力。
但是政府或大型企業要做超級電腦不難，難的在尋找相關課題的數據。就算特斯拉要求全體員工上傳自己的開車紀錄，都不可能收集到幾百億小時的開車片段。因此，只有要求顧客參與計劃，他們才有機會收集到這些數據。但如何說服足夠的顧客參與，就成了企業的雞與雞蛋的問題。
所以，離開了電腦電話的資訊科技業，觀察其他企業什麼時候徵求海量數據，也許就會明白他們的人工智能計劃，到底離開現實有多遠了。
書健弘觀 - 楊書健 舊文
本文作轉載及備份之用 來源 source: http://hksmedia.com