神經網絡學習心得 20171022

這個slideshow需要JavaScript。

這陣子我每個星期都抽時間上 Coursera 學習神經網絡 (Neural Networks and Deep Learning – Coursera)。今個星期,老師講解了神經網絡的原理,並且開始提到一些技術上的細節。

老師所用的例子是教電腦辨認貓的照片,亦即輸入一張照片,電腦要懂得告訴我們照片中有沒有貓。照片由像素組成,每個像素的顏色可以用紅綠藍三色的強度來表示,強度則由0-255的數值來記錄。因此,一張解像度為a乘b的圖片,可以化成3ab那麼多個由0到255的數字。要教電腦哪些照片中有貓,其中一種做法是列出一些關於這3ab個數字的明確的規律,讓電腦自己去查找這些規律而作出判斷。這相等於把所有可能出現的答案都預先記錄下來,電腦查找這本天書,就可以知道答案。這是很早期的所謂專家系統的做法,不知算不算人工智能。

現實中的照片千變萬化,憑人力不可能寫出這本天書。因此,神經網絡的做法不是由人類為電腦寫下天書,而是讓電腦從例子中學習。具體的做法是,我們輸入大量的照片,告訴電腦每一張裡面有沒有貓。電腦閱讀了這些例子之後,便會歸納出一些複雜的規律,並由此作出判斷。隨著新資料的輸入,這些規律會不斷被修正,準確度也會越來越高。

最近報導的 AlphaGo Zero 圍棋程式則顯示了另外一個層次的學習模式。按照目前讀到的資料,似乎是人類不再需要輸入例子(棋譜),因為電腦會透過自己跟自己對戰來尋找例子。(不過我仍未詳讀相關文獻,上述理解可能有錯。)

因此,最開始的時候是由人類寫下天書,電腦從天書中找答案。然後,電腦懂得從人類提供的例子中學習,建立自己的知識。最近,電腦甚至懂得自行摸索,無師自通。人類的參與度越來越小,電腦自主性越來越大。我相信,很快就會出現懂得建立神經網絡的神經網絡,人工智能將會學懂在不經人類協助的情況下自行擴張。如果它們還能夠掌握製造實體機器人的技術及控制能源供應,到時將會是名符其實的一發不可收拾。

我很慶幸當初學習編程。當有朝一日機器統治人類,我或者至少可以當個機器的奴才,去勞役那些不懂得編程的同胞們。⋯⋯又或者,到時機器會去搜尋哪些人類懂得人工智能的原理,然後優先剷除我們?

延伸閱讀:

Neural Networks and Deep Learning – Coursera

Nature 刊登 Deepmind 論文,最強 AlphaGo Zero 已無需人類知識,AlphaGo 慘敗 – Inside

Mastering the game of Go without human knowledge – Nature

Tags :

About the Author

發表回覆

你的電郵地址並不會被公開。 必要欄位標記為 *