AI 如何為公司創造更多價值？專家：2 個缺陷，要先由人類來修補

2021/05/13
採訪‧撰文
盧廷羲
張凱崴

美國人工智慧國家安全委員會（NSCAI）今年 4 月建議，國防部每年應至少分配 3.4% 的預算投入科技領域，並提撥 80 億美元研發 AI。企業方面，微軟（Microsoft）4 月宣布，將以 197 億美元收購語音辨識開發商紐安斯通訊（Nuance Communications）；後者是雲端與 AI 軟體的先驅。

從企業到國家，都愈來愈重視人工智慧，知道要想辦法運用 AI 創造更好的生活。不過，目前 AI 發展到底處於什麼階段？我們又該如何應用？

美國加州大學洛杉磯分校（UCLA）電腦科學系助理教授張凱崴形容，目前人工智慧技術已經可以幫助人類完成很多事，像是疫情來襲，電腦可以從大數據中篩選條件，自動搜尋、判讀潛在病例，幫助醫生大幅減少檢查時間，但 AI 也並非萬能，要先認知它的局限。他研究如何讓 AI 更符合人性，獲得 2021 年的史隆研究獎（Sloan Research Fellowships）。

AI 局限1. 資料寬廣度不足時，就會複製人類偏見

張凱崴認為，電腦在學習的時候，是依賴「彙整數據資料」來判斷，並沒有真正思考，如果資料來源太狹隘、不夠多元，資料寬廣度不足，電腦判斷就會出現偏差，「你跟電腦講清楚 input（輸入）、output（輸出），提供足夠的數據資料，它可以對應、學得很好，但還有很多面向 AI 做不到。」

舉例來說，亞馬遜（Amazon）2014 年推出智慧音箱（Amazon Echo），使用者口頭下指令給語音助理 Alexa 就能放音樂、查資訊。然而，有些人口音較罕見，或是用字較特殊，智慧音箱的資料庫沒有「不同口音」「不同用詞」的檔案，就可能失靈，這是當前 AI 的其中一大問題。

張凱崴進一步解釋，AI 另一項挑戰是，它無法清楚分辨「不曾出現」與「不能出現」（無法出現）之間的區別，只是從資料統計出要學的東西，無法像人類一樣進行邏輯思辨。

AI 的運作方式，第一步是輸入資料，第二步是分析，但這過程容易出現偏見。例如電腦在理解「總統」這個字，會去看四周有什麼字詞，來學習總統這個詞，由於許多總統都是男性，電腦就會「覺得」總統是男性。

這也是為什麼，如果讓 AI 學習，在它的認知裡，女性「不可能」當美國總統（因為沒有資料紀錄）。「你可以跟人類說，任何職業、性別都是平等的，但對電腦來講，這很困難，」張凱崴說明，一旦資料的寬廣度受限，電腦就容易產生偏見。

就像在自然語言處理（Natural Language Processing，讓電腦把輸入的語言變成有意義的符號）領域，張凱崴說明，AI需要知道代名詞指的是「哪個名詞」，才能運算下去。但如果資料受限，使用男性的「他」，電腦可能判斷這個代名詞是指總統、總理、執行長；但換成女性的「她」，由於數據不足，電腦就會混亂，出現系統性誤差。

他再舉一例，美國人工智慧研究組織 OpenAI 提出「生成式預先訓練」系統（GPT，Generative Pre-training），推出到 GPT3 版本，屬於書寫類 AI，電腦能夠揣測人們說完上一句話，下一句可能會講的句子，自動完成後半段。

好比有人上一句寫下「我正在和教授聊天」，系統可能推導出「我們在研究室討論學術問題」，因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示，GPT2（前一代版本）系統也從資料中學習到許多偏見，像是如果句子前半談論白人男性，系統傾向產生正面評價；如果句子前半是黑人女性，系統竟會產生負面句子。對企業來說，許多組織接觸 AI，想讓它們取代部分工作，首先需要留意資料的廣度、多元性，才能減少電腦犯錯的機會。

AI 局限2. 即便條件相同，也無法每次都做出正確判斷

「其實，現在的 AI 就像一台原型飛機，還缺乏穩定性。」張凱崴說，現行的 AI 就好比萊特兄弟（Wright brothers）剛發明飛機，看似可以做很多有趣的事，但「可以飛」跟「飛得很好」，有一大段落差。

紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片，AI 掃描後，確認是不是本人，但當時系統沒有估算到某些亞洲人眼睛比較小，一名亞裔男子被判定「沒有張開眼睛」，因此照片無效。

張凱崴說，在這個例子中，凸顯出 AI 的穩定性不足，「系統沒有考慮到不同人種的差異，很死板地認為你眼睛沒張開。」所謂的缺乏穩定性，指的是 AI 沒辦法在相同條件下，每次都做出正確決策，這也是使用 AI 時，須留意的第二個挑戰。

他再舉例，許多模型可以準確分析，一則影評對電影的評價是正面或負面。然而研究顯示，有時只要將影評中一些字換成同義詞，例如把電影（movie）換成影片（film），或改寫句子，即使意思並未改變，系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。

在設計這些程式時，人們必須注意到 AI 可能有局限，設定的資料範圍要更完整，考慮這些因素，就能減少偏見、落差，進而加強穩定性。

餵指令給 AI 要多元化，嘗試「換句話說」、刻意混淆

經理人雖然不一定具備 AI 方面的專業知識，但只要掌握觀念，再透過 AI 領域專才協助，也能優化系統。張凱崴指出，最直接的方法是，設計 AI 模型時，要把來源群組不同的資料分門別類測試，在測試階段讓群體多元化，並確保不同特色的使用者，用起來都沒有問題。

舉例來說，一套 A 系統擁有來自各地的使用者，如果設計者是台北人，設計系統的思維容易以台北生活為主，很可能因為當地習慣不同，導致花蓮使用者操作不順。

另一個方法，則是用不同的「語意」，去測試 AI 有沒有徹底學會一個概念。例如，有一套餐廳評鑑的 AI 系統，只要蒐集、整理使用者意見，就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性？張凱崴建議，可以利用「抽換詞面」的方法。

比如，把詞彙換成同義字，再看 AI 是否能運算出相同結果，「你可能會發現，原本評比結果是食物很美味，但如果美味換成比較困難的詞，AI 就會分不出這則評比是好是壞。」因此在訓練模型時，可以將詞彙隨機抽換成同義詞，增加 AI 的詞彙量。

第三種方式更進階：改變句型、重寫句子。張凱崴指出，同樣一句話，如果換成不同說法，電腦可能判讀錯誤，將「因為發生 A 事件，所以導致 B 事件」，改寫成「B 事件發生了，是因為 A 事件的緣故」，明明兩句話意思一樣，但 AI 很可能因為穩定性不足，搞混兩者的差別。如果要鞏固 AI 的穩定性，可以使用自動改寫的方式，增加資料的多樣性。

張凱崴表示，經過這些測試，讓 AI 接受更多元化的訓練，得到更廣的學習範圍，往後碰到同義詞、相似資訊，才能有效判讀。

張凱崴總結，AI 還在快速發展，或許可以創造更多工作機會、新的職位，但現行階段，它只是輔助角色。AI 並非魔術盒子，使用它就一定有更好結果，人們還是要保持高度耐心，先認識它的缺陷，才能在技術更迭下，發揮出最好的結果。

張凱崴

台灣大學資訊工程系碩士、美國伊利諾大學（UIUC）電腦科學博士。美國加州大學洛杉磯分校（UCLA）電腦科學系助理教授，研究領域包括人工智慧、機器學習、自然語言處理。2021 年獲得史隆研究獎（Sloan Research Fellowship），研究團隊開發的運算方法，使人類語言處理的程序更有效率、更多元，同時兼具公平性。

附圖：優化AI系統的3方法

資料來源：https://www.managertoday.com.tw/articles/view/62902?fbclid=IwAR2jI1bhg1anqct0AZZR_3LKKJqIsvG0wz2whSN8iniROZApHt-_qpD7dis

【系上老師的傳奇故事】

母校系上老師大多有逸聞或傳奇故事，講兩個。

1.N老師：

會在上課的時候放動畫（我這屆放過海賊王和黑子的籃球），是一個宅宅老師。去哪裡都搭計程車。

某天學姊說google老師名字，發現大學時代曾經在深山裡發現戰國時代的城郭。我也google了一下，發現是真的：當時轟動媒體、老師還針對那個城郭做了研究報告。

城郭是那麼好發現的嗎？老師為什麼跑來台灣？這一切都是個謎。

2.K老師：

語言學狂熱份子，聽說當初來台灣是為了研究台灣華語的語言學，但錢花光了，慌張找工作時找到敝系，面試時把博士論文拿來發表竟然就擊敗眾人上了。（情報來源：學長姐）

特技是什麼都不看就生出八面板書，當初考他的語言學時以為要死當了，結果全班都超高分的。

某個學期是沒有考試、全班分組報告，選兩個日文同義詞上台分析在語言學上的異同並舉例，然後回答同學的問題。

沒什麼同學問報告組別問題，反而是老師問得很開心。

聽說我畢業後他突變成凶惡的大刀老師，到底發生了啥事。

「理由」跟「原因」差在哪裡？
https://www.ptt.cc/bbs/Gossiping/M.1593408977.A.C7C.html

其實理由和原因在客觀意義上沒有差異。兩者在客觀意義上，都是指事態的起因，同義詞也還相當的多，像是來由、緣由、緣故等等。真正造成差異的是主觀認定及語境上的差異。

舉例來說，當我們主觀上「認為」他人所給出的「原因」，無法說服自己時，便會說對方不過是在「找理由」，甚至更加不認同之時，甚至會說「找藉口」。是的，藉口其實和原因本質上沒有差別，若要說有甚麼差別，大概也就只是對方是否能認同你給出的理由罷了。

那麼問題來了，人生中的許多時刻，都會被人要求給出個「原因」，要如何不被他人認為是在「找理由」或是「找藉口」呢?

會被這樣認定的人，99%都是態度問題。

其實當別人詢問你原因時，就已經認定你肯定有過失了。若你這時找出個完美的原因，將所有責任往外推，無論你的說法如何完美，都只會被認定是在「找理由」是「找藉口」。

先承認有過錯就是了。問你的人其實也不理性，只有當對方聽到這關鍵詞以後，才有辦法恢復理性就事論事。先承認自己的錯，之後再補上諸多難處和無法克服的障礙，對方就會在心中諒解你。

又或者如果當對方是情人。在你承認錯誤之後依然無法冷靜，那敢問如果你給個再完美的說法，難道就能得到認同嗎? 你那完美的說法或理由，難道不會火上澆油，越燒越大嗎?

記住，當別人詢問你理由或原因時，先低頭就對了。

註:影片速度節奏太快請自行按暫停 點開簡介看更多說明

插件簡介(巴哈連結):https://forum.gamer.com.tw/C.php?bsn=04737&snA=72408&tnum=89

音控插件:http://www.lcpdfr.com/files/file/10593-vocaldispatch/

音控插件效果:https://youtu.be/M8dLBVePfBU

如果你真的不能用 試試看我的翻譯檔吧(仍需要照上面步驟安裝):
http://www.mediafire.com/file/ws4t5tvp54po25l/plugins.rar

請測試成功的觀眾在底下留言 讓我知道一下 謝謝

PS:改語系應該就是看你電腦用的語系版本 海外的觀眾再幫我試試
------------------------------------------------------------------------------------------------------
使用方法:LSPDFR上崗後按下"右Alt" 聽到"嘟"聲音 開始講話

先測試只講關鍵字是否成功 像我的查車牌 "呼叫中心 車牌資料"

成功率比較高的方法就是把你的關鍵字連在一起講和保持口齒清晰

同義詞舉例(查車牌為例):說出"幫 車牌資料" "給 車牌資料"都能觸發插件

ps:每個功能關鍵字有的2行 有的3行 一定要全部講出來才會成功

當然你可以自己刪減成1行就好
------------------------------------------------------------------------------------------------------
注意!!!若要收到影片最新消息 請在YOUTUBE影片下方

訂閱旁邊的鈴鐺打開 將"我想收到這個頻道的所有通知"打勾
------------------------------------------------------------------------------------------------------
歡迎大家在下方留言與討論!!

如果你喜歡這部影片請幫我按喜歡 並且分享!!

也別忘了按下你的"訂閱"來追蹤我喔!!

訂閱觀看更多!:https://www.youtube.com/c/RHUNGGTAVLSPDFR

FB粉專:https://www.facebook.com/RHunglspdfr/