《人工智慧的未來:揭露人類思維的奧祕》人工智慧的研究,從大腦開始
《人工智慧的未來:揭露人類思維的奧祕》人工智慧的研究,從大腦開始
2015.08.07 | 科技
摘自《人工智慧的未來》前言

智慧可以超越自然的侷限,依照本身的想法改變世界,是宇宙間最重要的一種現象。智慧幫助我們人類克服生物遺傳的侷限,並在演化過程中改變自己。而且在所有物種中,唯有人類能做到這一點。

**人類的智慧可以從「能對資訊進行編碼」這件事開始說起,這也是讓演化得以發生的促成因素。**宇宙為何如此運轉,這件事本身就是個有趣的故事。物理學的「標準模型」必須精準設定幾十個常數,否則就不可能產生原子,也不會有恆星、行星、大腦,更不會有跟大腦相關的書籍出現。有些人認為,是上帝創造了這個世界;有些人則認為,這世界不過是具有豐富資訊的許多平行宇宙之一員,那些不具資訊的無聊宇宙已經在演化過程中滅絕了。但是,無論我們的宇宙是如何演化到今天的模樣,這個故事依舊可以從「以資訊為基礎的世界」開始講起。

演化的故事還延伸到更抽象的層面。原子──尤其是碳原子,能以四種不同方向的連結,創造出豐富的資訊結構──形成更多複雜的分子。結果,物理學催生了化學。

十億年後,名為DNA(去氧核糖核酸)的複雜分子演化完成,能被精確編碼為長串的資訊,並利用這些「程式」描述生物。因此,化學催生了生物學。

生物以快速增長的速率演化出所謂的神經系統,負責溝通與決策等功能,並能協調日益複雜的生理結構與維生行為。神經元組成的神經系統集結成大腦,而且大腦能夠做出更加明智的行為。如此一來,隨著大腦成為儲存與處理資訊的最重要部位,生物學就催生了神經學。因此,我們從原子擴大到分子,再到DNA,再延伸到大腦,下一步就是獨一無二的人類。

哺乳動物的大腦有一種特有的天賦,這種天賦在其他動物身上尚未發現,那就是我們能夠進行層級思考(hierarchical thinking),也能理解由不同成分、依照某種模式所組成的結構,並以一種符號代表這種結構,再利用該符號做為更複雜結構中的一種成分。這種能力發生於大腦新皮質(neocortex)的結構中。人類的這種能力已經發展到某種複雜和理解的層次,因此,我們可以將這類模式稱為想法(idea)。透過一種無止盡的反覆循環過程,我們可以構建更為複雜的想法。我們將這種遞迴連結的龐大想法稱為知識(knowledge)。知識基礎是智人(意即現代人)才有的,而且人類透過本身演化,讓知識呈現指數成長,並代代相傳下去。

人類的大腦還創造出另一層級的抽象意識,因為我們在利用大腦智慧的同時,還能運用雙手來掌握環境並製造工具。這些工具代表一種新形式的演化,因此神經學催生出技術。而且,人類也因為這些工具,才讓知識基礎能無限制地發展下去。

**口語是我們人類的第一個發明,口語讓我們能用不同的話語來表達想法。**之後發明的書寫語言,又讓我們能用不同的形式來表達想法。書寫語言庫讓我們在沒有外力援助的情況下,大幅延伸大腦的能力,讓我們能夠維持並擴充遞迴結構式想法的知識基礎。

我之前出版過三本跟技術有關的書:《智慧型機器時代》(The Age of Intelligent Machines)於1989年出版;《心靈機器時代》(The Age of Spiritual Machines)於1999年出版;《奇點臨近》(The Singularity Is Near)於2005年出版。這三本書主要闡述一個本身不斷加快的演化過程(因為抽象的程度不斷提升所致),以及這個過程的產物其複雜度和能力都呈現指數成長。我把這種現象稱為「加速回報定律」(the law of accelerating returns, LOAR),這個定律跟生物演化和技術發展有關。

有關加速回報定律最受人矚目的例子就是,資訊技術的能力和性價比都呈指數成長,而且這種成長速度是可預測的。技術發展過程勢必讓電腦能力不斷提升,電腦能力的提升大幅擴展我們的知識基礎,讓我們能夠透過某個領域的知識,跟另一領域的知識進行大規模的聯繫,達到觸類旁通的效果。網路本身就是說明層級系統之能力的最佳實例。**網路包含大量的知識,同時又維持固有的結構。我們所處的世界也跟網路一樣,內部是依照階層劃分,比方說:樹有枝、枝有葉、葉有脈。**建築物裏面有樓層,樓層有房間,房間有門、窗、牆壁和地板。

我們也開發出其他工具並利用這些工具,讓我們現在能以精確的資訊術語理解人類的生物學。同時,我們正迅速運用逆向工程(reverse engineering),分析包括大腦結構在內的生物學構成資訊。我們現在擁有以人類基因體形式存在的生命目的碼,這項成就本身也是發展呈指數成長的一個顯著實例。過去二十年來,全球已定序的基因資料數量呈指數成長,每年幾乎是加倍成長。**我們現在可以利用電腦模擬,判斷鹼基序列如何形成氨基酸序列,再折疊成三維結構的蛋白質,所有生物結構就由此衍生。**隨著電腦資源持續呈指數成長,我們對於蛋白質折疊複雜度的模擬能力也跟著穩步提升。我們對於生物學的日漸理解,就是發現演化賦予人類智慧奧祕的一個重要面向,因為有了這些理解之後,我們就能運用生物學啟發的典範,創造出更有智慧的科技。

@@BOOKID:126477@@

現在,成千上萬名科學家和工程師正共同參與一項重大計畫,這群人努力理解智慧發展的最佳範例:人類大腦。這可說是「人類—機器」文明史上最為重要的工作。我在《奇點臨近》一書中提過,**加速回報定律的一個必然結果就是:其他智慧物種可能不存在。**簡單講就是,想想看人類在相當短的時間內,就能從只具備落後技術(1850年時在美國國內傳遞資訊的最快方式是透過驛馬快信),發展到擁有能到達其他星球的技術;那麼,如果真有其他智慧物種存在,我們應該早就發現他們了。從這個角度來看,對人類大腦進行逆向工程可能是全宇宙最重要的計畫。

在本書中,我提出一個名為「思維模式辨識理論」(pattern recognition theory of mind, PRTM)的觀點,我認為這個理論描述了大腦新皮質(主要負責感知、記憶和批判性思考的大腦區域)的基本演算法。在這本書的前幾章,我會說明近代的神經科學研究和人類所進行的思想實驗如何產生這項必然的結果:大腦新皮質所運用的正是思維模式辨識這一套方法。而「思維模式辨識理論」和「加速回報定律」的結合意謂著:我們將能巧妙利用大腦運作的這些原則,大幅擴展人類本身智慧的力量。

實際上,這個過程已在進行當中。以前必須仰賴人類智慧才能完成的許多工作和活動,現在已能完全交由電腦執行,而且電腦執行的精準度更高,規模也更龐大。當你每次寄發電郵或撥打手機電話時,智慧型演算法都能為傳遞資訊找出最適路徑。心電圖檢測結果就跟醫生診斷結果一樣,血液細胞造影的情況也是如此。智慧型演算法能自動辨識偽造信用卡,能駕駛飛機起降,指導智慧型武器系統,協助設計智慧型電腦輔助設計的產品,能追蹤及時庫存水準,還能在機器人工廠裏組裝產品,而且還會下西洋棋,甚至挑戰大師級程度的棋賽。

幾百萬人見識到IBM那部名為「華生」(Watson)的超級電腦,在《危險境地!》(Jeopardy!)這種使用自然語言比賽的益智問答節目中,華生的總得分竟然贏過該節目兩位紀錄保持人加總起來的分數。值得注意的是,華生不但能讀懂和「理解」該節目中的提問(包括雙關語和比喻),還能從維基百科(Wikipedia)或其他百科全書等數億頁自然語言文件中,汲取答題所需的知識。華生必須精通人類各領域的智慧成果,包括:歷史、科學、文學、藝術、文化等。現在IBM正致力於在新一代的華生超級電腦上,開發文字語音自然轉換技術(Nuance Speech Technologies,這是我的第一家公司「庫茲威爾電腦產品公司」〔Kurzweil Computer Products〕發展的技術)。新一代的超級電腦華生利用Nuance公司的臨床語言理解技術,將能閱讀醫學文獻(幾乎包括所有醫學期刊和最重要的醫學部落格),成為診斷大師和醫學顧問。

有些觀察家認為,華生並未真正「理解」《危險境地!》當中的益智問答或它所閱讀過的百科全書,因為這部超級電腦只是在進行「統計分析」。在此我要描述的重點是,人工智慧領域所涉及的數學技術(譬如被用在華生、Siri和iPhone助理上的那些技術),在數學上都跟大腦新皮質涉及的生物學演化方法極為類似。如果透過統計分析理解語言和其他現象不算真正的理解,那麼人類也沒有真正理解什麼事情。

 Google的無人駕駛車已經在加州繁忙城鎮行駛二十萬英哩(等到這本書出版上架時,這個數字鐵定會高出許多)。當今世界有關人工智慧的其他實例多到不勝枚舉,未來還會有更多實例出現。

有關加速回報定律的進一步實例,比方說:腦部掃描的空間解析度和我們針對大腦收集的資料,每年都加倍遞增。人類也正在證明,我們可以將這類資料轉變成運作模型,模擬大腦區域的運作。另外,我們已經運用逆向工程,順利取得處理聲音資訊的聽力皮質、處理圖像的視覺皮質,以及處理一部分技能形成(譬如接住飛來的球)的小腦之關鍵功能。

理解、建模和模擬人類大腦這項計畫的最先進部分就是:對大腦皮質進行逆向工程,而大腦皮質正是我們進行遞迴層級思考的部位。大腦皮質佔據人腦的80%,是一個高度重複性的結構,允許人類隨意產生具有複雜結構的想法。

在思維模式辨識理論中,我將以一個模型說明人腦如何利用生物演化設計的巧妙結構,達成思維模式辨識這項關鍵能力。雖然在這種皮質運作機制中,有些細節我們現在尚未徹底了解,但是我們對皮質運作機制所需執行的功能已有足夠的了解,並且可以設計出演算法達到相同的目的。新皮質的運作原理可說是世界上最重要的思想,因為它能代表所有的知識和技能,也能創造新的知識。畢竟,每部小說、每首歌曲、每幅畫作、每個科學發現和其他人類思想的各式各樣產物,全都是由新皮質創造出來的。

**我寫這本書的目的當然不是要老生常談人腦有多麼複雜,而是要讓大家知道,原來只要辨別出人腦思維的簡單模式,就能揭發複雜人腦的奧祕。**我會藉由說明一個巧妙的基本機制──大腦如何進行辨識、記憶、預測模式,來讓大家知道思維的奧祕。這些行為在大腦新皮質裏不斷重複,讓我們產生各種不同的想法。如同核基因與粒線體基因的遺傳密碼組合出令人歎為觀止的生物多樣性,新皮質思想模式辨識感知器裏的連接及突觸所產生的意見、思想及技巧,也同樣令人嘖嘖稱奇。

韓裔美籍麻省理工學院神經學家承現峻(Sebastian Seung)博士相信:「基因無法決定一切,大腦神經元的連接才是人類身為智慧生物的最重要部分。

到目前為此,我的話題一直圍繞著大腦打轉。然而,思維運作又是怎麼一回事?舉例來說,負責解決難題的新皮質是如何取得意識?當我們討論這個話題時,我們大腦裏出現多少意識思維呢?有證據顯示,大腦裏出現的意識思維可能不止一個。

另一個跟思維有關的問題是:什麼是自由意志?我們是否擁有自由意志?有實驗顯示,在我們意識到自己做出什麼決定前,我們早已開始採取行動了。這是否意謂著,自由意志只是一種假象?

最後,我會在書中探討究竟大腦裏的哪些特質造就自我認同?現在的我,跟六個月前的我是同一個人嗎?顯然,我已經不是以前的我,但我還是我嗎?

@@BOOKID:126477@@

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓