法力無邊的萬物論:AI製造

·8 分鐘 (閱讀時間)

科學人觀點

法力無邊的萬物論:AI製造
法力無邊的萬物論:AI製造

2021-01-01 曾志朗

AI替代人類整理出錯綜複雜的物理現象,但距離實現萬有理論的目標仍有很大的差距,目前的成就還只處於概念驗證的階段。

Maximilien Brice (CERN), CC BY-SA 3.0, via Wikimedia Commons


我的英文名字是Ovid,是在大二到西洋語文學系選修「西方文學選讀」時,由教課的英國修女德蕾莎特別賜給的英文名。因為她選用古羅馬詩人Ovid的詩集英譯本,做為課外讀物,而我特別喜歡《變形記》,很用心研讀,更認真由神話去理解古希臘羅馬文化裡對宇宙的創立、大地的形成,到人類出現、建立城邦後的興衰的詮釋,去體會古文明的思維內涵。德蕾莎修女在最後一堂課,要我唸出詩集的後記,「Wherever Rome’s power extends over conquered lands, I will be read in the mouths of men, and through all ages, If the prophecies of poets have any truth, I will live on.」Ovid沒想到的是他寫完《變形記》那一年,就被皇帝放逐至黑海附近,死前他傷心的燒了這本詩集,多虧他的朋友留存副本,這部偉大的作品才能流傳至今。德蕾莎修女說,「你這麼喜歡Ovid,那你的英文名字就取Ovid(奧維德)吧!」2000年後至少有人仍然記得他!


既然是談變形,當然會有不同的神話傳說,描述人由某種原因變成動植物、星星、石頭等,點出人間善惡妒恨叛騙的種種行徑。例如被死亡分開的情侶再度結合,兩人變形為一對比翼鳥;被海神侵犯後許願為男人的美人凱妮絲,變形為刀槍不入的凱紐斯;本為女兒身的伊菲斯變形為男人,以便和自己喜歡的女子結合,象徵了古羅馬時代的同志戀情!《變形記》裡有一則把無生物變成活生生美人的故事,被一些學者認為是人類設想人工智慧(AI)的最早歷史典故。它敘述了古希臘一位很有雕刻天份的君王,因為王后不貞而厭惡所有女人,卻愛上了自己以雪白象牙雕刻的女子。他長期獨居,對這位美麗出凡的「佳人」越愛越深。漸漸的,他和雕像說話,感覺到「她」有反應;握住雕像的手臂,感覺陷進「她」的肌肉中。他向愛神維納斯祈求,賜給他一位有如雕像般美麗純真的女子。愛神答應了。他回去後,雕像已經化成真人,正在等待他。這段神話引出了「物」只要有「心」,就可以成「人」!


記得在上這篇神話時,我向德蕾莎修女說:「石頭化成人,中國的小說《西遊記》才是值得深思的大作!因為由石頭迸出的美猴王,由於忠義勇智群,還充滿了同理心,最後不只成人,還成佛哩!」奧維德描繪了由物到生命的起始,吳承恩筆下卻代表了由生命進化到認知和情感的社會化過程。然而這些變化都來自神力和魔法,和真實世界並不相融,只能當做預言式的寓言。但這些預言對AI人性化的循序漸進歷程,是有啟示作用的!


從科技的觀點,讓物有心的第一步,當然是設計和安裝機件,讓機器代替人工(如風車、水車),再來是讓機器工作進入自動化流程,然後是讓機器自發性運作,無需人為操控。但機器會運轉,是按照固定的設計,沒有彈性,自由度幾近於零。不能辨識工作環境,充其量是個無法和環境互動的「無心」機件組合而已。這就告訴我們,要讓機器有心,就必須先能展示對環境的辨識能力!環境中有各式各樣的物理現象,聽聲辨意,看圖識像,加上時空對應所產生的現象,如何表徵?如何理解?最重要的是,如何計算表徵符號和影像的分類及群聚?


傳統的區辨方程式,無法解決類似人類直覺、感知和思維的複雜性問題。所幸在1950~1960年間,出現了感知器的概念,和師法人腦運作方式的類神經網路演算法,其回饋系統能夠比較預估的和實際的結果,計算兩者之間的誤差,利用梯度下降演算法,逐步降低誤差,不斷調整,尋找最佳途徑。這整個過程名為「倒傳遞」(back-propagation),類似自我反省,其實就是利用內建的回饋系統,一而再、再而三的從錯誤中學習。這樣的學習過程就是現在科技界眾所熟悉的深度學習,是讓機器模擬「思考」複雜問題的演算技術。意即依據輸入的資料如上述不停迭替運作,把神經網路的架構分成輸入層、輸出層和中間的隱藏層;而所謂思考,就是把輸入層經由隱藏層的不斷調整,轉成輸出。也就是說,把感覺與知覺轉成決策與判斷,其中最關鍵的演算就是從錯誤中學習,然後不停變動隱藏層內部連結權重值的回饋系統!當然不能忘記輸入層,要有更巨量的資料,才能避免(或稀釋)「垃圾進,垃圾出」的問題。


從1980年後,神經網路的演算法越來越精密,運算的速度和能量也越強大,而且機器學習的方式也由引導式(如Deep Blue先有棋譜教導)的分類演算,到DeepMind自尋聚類的型態識別,前者戰勝了西洋棋棋王,而後者擊敗了世界圍棋棋王。AlphaZero的學習更是無師自通,有如嬰兒認識、學習周遭環境的過程。AlphaFold則直搗蛋白質的基地,成功分析其折疊的方式,探討生命的機密建構。下棋當然是人腦思考的重要表現,但AI棋王的「智力」和人類棋王的「智慧」是否等同?答案仍然難解。


現代人不停創造和累積更多的知識,加上不斷精進的神經網路演算法,近年來許多生活上的應用科技不但一再令人耳目一新,而且展現的潛能更是深不可測。人臉辨識機比真人厲害,語言學習和多語翻譯也不再困難重重,蛋白質折疊分析和基因編輯,漸漸成為一般技術,難怪DeepMind的創辦人哈薩畢思大膽預言:上述成就只不過是達到更大目標的墊腳石而已,AI就是要幫助我們了解這個世界!


這個預言要實現,撇開「意識」之於AI這個大哉問不提,端看AI能否從眾多科學研究的巨量資料中,歸納一套放諸四海皆準的萬有理論!1950年代電腦科學和認知心理學家紐厄爾和西蒙推出的電腦程式「邏輯理論家」,證明了羅素和懷海德的《數學原理》裡的38個定理,可說是人工智慧的先河,對後代認知模式的研究有重大影響。那麼,現代更精密更先進的神經網路演算法也適用物理學嗎?可以歸納出物理現象的萬有理論嗎?


美國麻省理工學院宇宙學家鐵馬克,兩年前曾和學生教AI模擬人類物理學家的研究方法,開發了一套名為「AI Physicist」的系統,最近他又和學生開發了遞迴多維符號回歸(recursive multidimensional symbolic regression)算則,從著名的《費曼物理學講義》中選出100個方程式,結果成功解開了所有方程式(過去其他算則只能解開71個),對更困難的物理測試,成功率也提高到90%。這當然展示AI可以從巨量資料中歸納出高層抽象理論的潛在實力。鐵馬克的同事,理論粒子物理學家泰勒(Jesse Thaler),則和研究團隊把機器學習應用在量子場論,將大強子對撞機取得的巨量資料餵入神經網路系統中,竟然成功分析出構成質子的夸克和膠子,還能進一步分辨上夸克和下夸克,這系統不知道量子場論,卻能分析出如此微小尺度的物質,實在了不起。


當然,AI目前的這些成果雖然驚人,但它替代人類整理出錯綜複雜的物理現象,只處於概念驗證的階段。不過美國國家科學基金會去年啟動AI國家型計畫,並在幾個月前和農業部共同宣佈,分5年投入42億新台幣,在全美幾所大學設立7個AI研究所,其中一個就設在麻省理工學院,重點就在推展AI和物理基礎研究。我們不妨拭目以待!


儘管愛因斯坦認為科學的理論是人類心智的自由發明,霍金主張萬有理論是可以實現的,而達陣者應該是電腦。但我總覺得,人類的智慧一定會跟著AI進步成長,唯有人腦和電腦的融合,才是萬有理論的終極完結者!

【欲閱讀全文或更豐富內容,請參閱〈科學人知識庫〉2021年第227期01月號】