:::

寰宇韜略

【寰宇韜略】AI發展趨勢與挑戰(中)

◎宋吉峰(譯)

(接上文)

 在此同時,施奈德也非常關注人工智慧的運用,一種稱為機器學習程式,這種程式的問世有助於解決雲層的複雜因素問題,該團隊已將大量的雲層資料,以及相關衛星數據整合於人工智慧的模型中。與此同時,麻省理工學院的全國各地研究人員也建立了一個具備人工智慧的海洋模型,這些模型包含了所有過去和現在的衛星數據,以及海洋浮標測量資料。不僅如此,現今的麻省理工學院團隊有著更大的企圖心,他們正著手進行設計「地球大氣系統模型」。

 「地球大氣系統模型」計畫的目的是解決雲系的問題,但是,任何類型的參數化,即使是由人工智慧調整的參數,都無法將雲系的情況破解到完全真實的程度,這是因為無法減少不確定性因素。對於衛星觀測而言,低層大氣中水蒸氣的確切位置,幾乎很難發現。但是若將水蒸氣因素經由模型適時附加時,就可以從調整後的模型中發現,看似無關重要的因素,實際上與大氣存在著無法觀測卻又如此緊密的關係,施奈德團隊解決了這個問題,並分享給其他相關的大氣研究機構,該團隊的所有成員深具信心,並迫不及待的想大展身手,希望該計畫的模型有朝一日能付諸實踐,為探索大氣科學奧祕作出貢獻。

 愈來愈多的人工智慧應用證明可帶來許多優勢,但同時也面臨一些挑戰。根據美國會稽核處2018年3月技術評估資料指出,需要仔細考慮這些利益和挑戰,這些考慮因素包括了網路安全、自動駕駛、法律規範、資金交易等,這些是AI使用後必須考量的問題。該處還強調,人工智慧可能帶來的好處尚無法完整預測,甚至可能也難以想像。

 人工智慧的產業優勢

 美國會稽核處認為,AI的運用可以改善經濟,並提高生產力。但是,該處的成員也表示,即便AI可以帶來許多優勢,但是卻難以準確預測人工智慧對經濟的影響。全球在過去的這段期間,大量投資自動化對經濟與生產率已產生了巨大的成果,這是由於人工智慧投入市場的轉變結果。然而,該處也指出,沒有人蒐集或量測AI與其他類型高度自動化可能對經濟產生的影響所需的數據,因此,無論人工智慧對生產力的影響如何,以及整體經濟如何改變,這些變化都會迅速發生,但卻難以預測。

 因此,改進或規範人類決策將是個重要的課題,AI可用於從多個位置蒐集大量數據和資訊,不僅如此,透過人類行為模式的蒐集,可以比人類更快速地檢測異常情況。此外,人工智慧可用於製定資訊警示功能,有助於防止不恰當、或有害的人類偏見,無論是出於政治壓力,還是其他因素可能產生的不良後果;即使如此,人工智慧無法保證絕對不受偏見的影響。因此,該處也特別強調,如果AI使用的數據存在偏差,結果也會有偏差。如果仔細使用,並加以仔細考慮模型的假設,且最重要的是,如果模型的輸出經常仔細反覆驗證,那麼AI確實可以幫助防止不適當或有害的人類偏見。

 當我們進一步深入了解複雜而緊迫的問題時就會發現,人工智慧也許可以提供一些方式,解決一些世界上最複雜和最緊迫的問題。例如,隨著美國人口老化人數的持續增長,人工智慧可用於為需要幫助的人提供藥物管理、行動協助、家務維持、膳食準備及復健服務等日常活動;此外,還有其他複雜而緊迫的問題,可能最後都需透過人工智慧來解決。另一方面,人工智慧可用於確保金融體系的監管,並確保合於法規,而且不會對受監管者造成不必要的負擔(如確保隱私)。

 人工智慧的法規道德挑戰

 主要的人工智慧挑戰,乃是蒐集和共享數據的障礙,雖然並非AI的所有應用程式都需要大量數據,但某些使用機器學習算法的應用程式則需要大量的數據;目前為止,在AI領域中,數據不易彙整或解釋是最大的問題。以美國司法為例,蒐集和組織數據的內容因司法管轄權而異,因此,很難「同中求異」或「異中求同」,這對於尚未蒐集數據的大多數其他機構或發展中國家也是如此。

 缺乏足夠的計算資源和必要的人力資本,也是存在的另一個問題,該處的AI研究人員和研發人員需要進行數據的存儲、處理和應用,然而這些成本卻非常昂貴,有時難以進行大規模的分析和儲存。該處還擔心,與人工智慧相關的加速變革步伐,正在削弱教育、勞動力系統培養、僱用具有適當技能的人員的能力,使許多公司難以找到具有相關知識、技能和培訓的員工,就某種程度而言,有些既存的人類生活或工作形態,正在被AI取代,或是向AI轉移。

 另外,還有現行法律、法規的可適性問題。該處研究也顯示,人工智慧的廣泛運用可能對現行法律或法規的可適性產生影響。例如,目前的專利權和版權法規,僅對軟體和商業活動提供有限的保護,對於AI所創造的產品,目前並沒有完善的規定。另外一個重要因素是,AI可能會侵犯公民權利,例如,執法部門將人工智慧中用於種族、階級或性別的風險評估,則可能會違反美國第14修正案中被告的平等保護權利,以及第5和第14修正案的相關人民權利。

 至於在人工智慧的道德倫理框架中的可適性和接受性部分,AI的運用也導入了道德的因素。根據該處的說法,需要一個計算道德倫理系統來幫助AI選擇,藉以反映合乎商業價值道德的選項,因此,在人類有能力理解及適當信任,並能夠有效管理AI之前,AI應用程式或系統需要解釋為什麼它採取某些行動,以及為什麼它比其他變量因素更重視其他某些變量因素。

 AI相關跨領域政策考慮因素

 在提出了與AI相關的益處和挑戰後,美國會稽核處也提出了一些政策考慮因素和未來研究領域建議。

 鼓勵數據資料共享

 該處認為,在共享數據資料的同時,需建立一個「安全空間」來保護敏感訊息資料(例如知識產權和專業技術資料),而要想獲得成功的安全空間,需要從製造商開始,明確定義所需的數據資料,以及使用數據的具體方案,方能成功。

 但該處也表示,擔心許多潛在有用的數據會受諸多限制,因此該處也建議,可透過與國家安全、資訊、金流研究中心(MITRE)和國家標準與技術研究所(NIST)等實體進行數據共享程序,不但可以確保成果的保存安全,亦可不影響數據共享流程,例如,MITRE的研究人員可將航空業(使用安全空間)的數據共享工作進行保存與監管,以降低網路事件發生,且分享數據亦可有效了解與自動駕駛汽車相關的安全因素重要性,該中心也明確表示「我們相信這些車輛可以在路上行駛,但我們需要驗證的是,在行駛期間,它們和我們的認知一樣安全」。(待續)

友善列印

相關新聞

熱門新聞