诠释AI（人工智能）的两大特征：黑盒子与不确定性
高焕堂 （台湾VR产业联盟主席，厦门VR/AR协会荣誉会长兼顾问）
摘 要：AI擅长寻找大数据中的规律，其亮丽的表现已经令人类叹为观止。在学习AI时，如果您能深刻掌握AI的黑盒子（Black box）和不确定性（Uncertainty），将更能发挥AI的专长来帮助人类。
关键词：AI；黑盒子；不确定性
1 AI的长处
当今基于深度学习的AI（人工智能）非常擅长于：从大数据的复杂关系中寻找出人类难以得知的规则（规律性或法则）。人们对周遭大环境的隐藏规律太多未知，AI可以协助人们去探索未知，补足人类的短处。
那么，人们为什么需要AI的助力呢? 因为人们常常只能观察到小数据，只能归纳出局部性的规律，然后从各个局部性规律中，抽象出原则（Principle），然后掌握原则，并相信它（原则）就代表全体规律，乃是恒久不变之“道”。
如今，AI逐渐打破了这项数千年来的迷思。AI迅速掌握全体大数据，迅速找出全体新规律，颠覆人类所相信的原则。于是，擅于借助于AI者就可得到新规律来引领大潮流。反之，不擅于借助AI者，坚守旧原则，就很可能成为没落贵族了。
虽然AI擅长从“小范围大数据”中找规律；但是人类则擅长在“小数据”中找规律，又能举一反三，应用于“大范围”上。两者互补且相辅相成。
例如，在商业竞争环境中，AI可以帮企业取得相关产业的全域最佳解（Global optima），轻易地打败传统（无AI）的企业竞争者，因为这些传统企业只能凭借人的视野和经验，只能取得局部最佳解（Localoptima）。
AI有两项特性：①黑箱式推理；②不确定行为。当 今AI技术是基于算法和大数据相关性（Correlation）而进行归纳推理，属于低阶因果关系的推理（如图1）。
基于底层的算法，搭配归纳推理能力，AI能够从大数据的复杂关系中找出规则（规律性或法则），并进行预测（如图2）。
依循AI自己找出的规则，就能针对应用资料来进行预测或判断，并且输出结果（如图3）。
由于AI寻觅出来的规则，只能以成千上亿个数字表示，成为无（文）字天书。让人们对其判断理由无从理解（Incomprehensibility），且对其推理过程无法解释（Inexplainability），所以称之为：黑盒子（如图4）。
同时，常常因为训练数据的偏差或算法参数设定等，都会让AI产生意外的结果，让人们捉摸不定其行为，通称为：AI不确定性（Uncertainty of AI）。
3 AI的两层规则（Rules）
关于AI与规则的关系，首先从AI的算法说起，什么是AI的算法呢？
“算法”是人们给予AI机器的规则（Rules）。这种规则是妈妈层级的规则（Meta-rules），成为AI的底层框架，此框架支撑AI的归纳性能力，能够从大数据中找出规则（规律性或法则），就生出儿女层级的规则（如图5）。
因为是归纳法，所以妈妈如何生出儿女，其过程是黑盒子。当AI训练完毕，投入实际应用时，是依循儿女层级的规则而执行。所以，人们常常无法充分掌控AI的行为。
也许您会认为算法能充分掌控AI的行为。其实不然，掌控得了妈妈，并不一定能掌控其儿女，因此人们常常无法充分理解和解释AI行为的背后理由。
当今的AI神经网络（NN）受人脑的启发，一个神经网络类似于大脑中神经元的连接系统，由成千上万个微小的神经元连接，经由一系列数学计算，形成数百万个复杂而微小变化的连结，人类无法精准地确定正在发生的连接结果，只会得到1个输出的结果。
这种“输入数据和答案之间的不可观察的空间”，通称为黑盒子。在AI领域常拿这个名词来描述神经网络的内心深处如何在“暗处”运作的神秘景象。对于人类来说，至今仍然太难理解了。
4 举例说明：从传统IT迈向AI
4.1 传统IT：人们把规则写入电脑
人们最常见的迷思是：延续传统IT思维，想把自己心中的规则输入给AI。例如，当您想让AI来进行二进位的加法运算——如（011）和（011）两数相加。在传统IT里，您会利用程序（如Python）的“编程逻辑”来把心中的规则表达于Python程序码里，经过编译（Compile）、连结（Link）之后，载入到电脑里。例如，计算二进位的 （011）和（011）相加时，您会运用二进位加法的基本规则是：个位数1和1相加，得到0，且进位 1。下一位则是：1和1和进位1相加，得到1，且进位 1。再下一位则是：0和0和进位1相加，得 到1。于是，得到结果是：二进位的110。然后，写成Python程序码来表达之：
此时您需要编程技能和严密的程序逻辑。所以，在传统小数据时代的IT逻辑编程，是让人类表达其心中的规则，以程序码叙述出来，植入到电脑中，让电脑替人类快速执行（规则）。所以，您需要努力学习编程；然而那是传统IT逻辑思维，不是当今AI的逻辑思维。
4.2 AI：自己找出规则（规律性或法则）
基于大数据的AI逻辑思维是：人类只需要给它（电脑）答案，由它自己归纳出规则。例如二进位加法：
基于大数据的AI逻辑思维是：人类只需要给它（电脑）答案，由它自己归纳出规则。例如二进位加法如图6。
人们只要给电脑考卷（即输入值011和011），并且给予答案（即输出值110）就可以了。AI能自己归纳出规则，并计算出非常接近正确的答案（如图7）。
AI计算出来的答案：[0.98, 0.93, 0.09]，只是非常接近正确答案：[1,1,0]。AI自己以权重（数字）来表达它自己归纳出来的规则（如图8）。
在传统小数据时代的IT逻辑编程，是让人类表达其心中的规则，以程序码叙述出来。如今的AI，并不需要人类去表达心中的规则，反而AI基于大数据而能归纳出比人类更优质、可信的规则。
5 细说AI的“不确定性”
5.1 AI的特质：“不确定”行为
如前文所述，AI的特质是非常清晰的：它依赖大数据表层（浅层）的相关性，作为归纳法推理的基础。而归纳性推理是一种“黑盒子”思维，只有结论而没有推理过程的。
当AI训练完毕，投入实际应用时，是依循AI自己归纳出来的规则而执行。所以，人们常常无法充分理解和解释AI行为的理由。AI自己讲不清楚，甚至AI专家也讲不清楚。这是人们对于AI行为的不确定感。
于此也推荐您听听Janelle Shane于2019年4月在Ted上演讲，主题是：AI的危险比你想象的更怪异（The dangerof AI is weirder than you think）[1]。
为了有效提升人们对A I的信赖度（即降低不确定感），许多专家联合起来筹组了联盟：A I不确定性联盟（The Association for Uncertainty in ArtificialIntelligence，简称AUAI）[2]。并且定期召开大型会议，研讨各种可能的解决途径。
5.2 AI不擅长“不确定性”的事物
俗语说，优点的另一面往往是缺点。AI擅长于归纳性推理（考古），迅速找出事物幕后蕴藏的规律性。对于没有经历过的未知事物通常是无法理解和判断的。此外，因为AI没有拟定（对未来的）假设或假说（Hypothesis）的能力，而且它又没有关于未来可变事物的数据。所以，AI对中长期的未来事物变迁的预测能力却非常薄弱。这些未知的、未来变迁的不确定的部分，都是AI不擅长的。
在AI时代里，AI负责考古和探索眼前事实；人类观想未来和拟定假设性方案。AI的能力与人类能力，形成互补，相辅相成，共同迈向人机共舞的社会。
参考文献
[1] AI报道.从冰激凌实验看懂AI(2019-12-10)[R/OL].https://baijiahao.baidu.com/s?id=1652513012407958900&wfr=spider&for=pc.
[2] AUAI[R/OL].http://www.auai.org/.
本文来源于科技期刊《电子产品世界》2020年第02期第88页，欢迎您写论文时引用，并注明出处。
评论