【Technews科技新報(bào)】為何要談算法（Algorithm）而不直接講人工智能,？因?yàn)槿斯ぶ悄苁撬惴ǖ囊环N,，但算法不只是人工智能。現(xiàn)今人工智能的熱潮并非無(wú)跡可尋,，而是應(yīng)該由更長(zhǎng)遠(yuǎn)的角度來(lái)看待這個(gè)問(wèn)題,，早在電腦尚未發(fā)明以前，就已有人工智能的概念,，而看似早已過(guò)去的數(shù)位革命,，其威力其實(shí)才正要開(kāi)始。

數(shù)字革命又被稱(chēng)之為第三次工業(yè)革命,，是指計(jì)算機(jī)技術(shù)的運(yùn)用對(duì)各行各業(yè)造成的沖擊層面,。在早期，以核能,、航太,、資訊工業(yè)等領(lǐng)域?yàn)橹饕?，而在個(gè)人電腦及網(wǎng)際網(wǎng)絡(luò)興起后，更加的普及于民生,，而此一階段又被稱(chēng)為資訊革命,，誕生了許多支撐現(xiàn)代社會(huì)運(yùn)行的算法。它們的基本特征就是能夠讓機(jī)器更迅速及有效率的實(shí)現(xiàn)人類(lèi)的智力活動(dòng),，促成了人類(lèi)社會(huì)從經(jīng)濟(jì)及文化的根本變革,。

其實(shí)算法這門(mén)學(xué)問(wèn)看似艱澀冷門(mén)，但本質(zhì)上仍是為了解決人類(lèi)面臨的現(xiàn)實(shí)困難,。像行程安排，就是每個(gè)人生活中常見(jiàn)的問(wèn)題,。就曾有數(shù)學(xué)教授利用算法推算出高鐵要如何分段買(mǎi)票才最便宜,，并以此來(lái)向?qū)W生科普算法在日常上的應(yīng)用。

算法是計(jì)算機(jī)科學(xué)中非常重要的基礎(chǔ)科目,，常用于計(jì)算、資料處理和自動(dòng)推理,。更精確地說(shuō),，算法是一個(gè)有限長(zhǎng)度的具體計(jì)算步驟，以清晰定義指令來(lái)使輸入資料經(jīng)過(guò)連續(xù)的計(jì)算過(guò)程后產(chǎn)生一個(gè)輸出結(jié)果,。簡(jiǎn)單來(lái)講,，算法就是電腦科學(xué)家為了解決問(wèn)題，而設(shè)計(jì)出的一連串?dāng)?shù)學(xué)公式,，以得到其想要的解答,。

之所以需要算法是因?yàn)楹芏嗫此坪?jiǎn)單的生活問(wèn)題其實(shí)比想像中復(fù)雜。雖然如行程規(guī)劃若僅限于少數(shù)站點(diǎn),，其實(shí)許多人無(wú)須借助計(jì)算機(jī),，就可以得出答案。但若要替一個(gè)想環(huán)游世界的旅客量身打造最短時(shí)間的旅游行程就沒(méi)那么容易,，這件工作出乎意料的困難,。

在假定已知每個(gè)城市間的距離，在不重復(fù)訪問(wèn)同一個(gè)城市下,，如何求出最快速的行程組合,，這就已經(jīng)是電腦科學(xué)中著名的難解問(wèn)題，又被稱(chēng)為旅行推銷(xiāo)員問(wèn)題（Travelling salesman problem, TSP）,。事實(shí)上,，不要說(shuō)環(huán)游世界這種可能多達(dá)數(shù)十個(gè)站點(diǎn)的行程安排，光個(gè)位數(shù)城市的行程,，不用更有效率的算法及計(jì)算機(jī)來(lái)處理,，就非常繁雜,。

有效運(yùn)算 7 個(gè)節(jié)點(diǎn)的 TSP 算法過(guò)程,，若用窮舉法會(huì)有數(shù)百種組合,。

（Source：By Saurabh.harsh (Own work) [CC BY-SA 3.0orGFDL],via Wikimedia Commons）

而解決這些問(wèn)題的算法，其用途當(dāng)然也不僅是能得知怎么旅游比較有效益而已,，背后數(shù)學(xué)本質(zhì)的探討與突破,，有更廣泛的用途。像這樣的線性規(guī)劃算法,，早已被應(yīng)用在物流,、生產(chǎn)制程、甚至是 DNA 測(cè)序等各方面,。簡(jiǎn)而言之,，為了面對(duì)越來(lái)越復(fù)雜的經(jīng)濟(jì)及生活問(wèn)題，數(shù)學(xué)及電腦科學(xué)在現(xiàn)代經(jīng)濟(jì)中,，扮演的角色越來(lái)越重要,。

歷史上最早的算法被認(rèn)為是歐幾里德算法（Euclidean Algorithm），又稱(chēng)輾轉(zhuǎn)相除法,，在基礎(chǔ)教育中其實(shí)就已提到過(guò),，是為了求得最大公因數(shù)的一種遞回算法，每一步計(jì)算的輸出值就是下一步計(jì)算時(shí)的輸入值,。這樣的算法在處理大數(shù)時(shí)非常高效,，也是計(jì)算復(fù)雜性理論（Computational Complexity Theory）的開(kāi)端，讓后來(lái)科學(xué)家進(jìn)一步探討如何運(yùn)用資源進(jìn)行有效計(jì)算的學(xué)問(wèn),。

在計(jì)算復(fù)雜性理論中，以時(shí)間及空間需求對(duì)問(wèn)題復(fù)雜程度進(jìn)行分類(lèi),，前文舉例的 TSP 問(wèn)題就是 NP 問(wèn)題中最難的一種,。

（Source：By Hand drawn in Inkscape Qef [Public domain], via Wikimedia Commons）

如果一個(gè)問(wèn)題被認(rèn)為是可計(jì)算問(wèn)題，那么就表示可被一連串的機(jī)械數(shù)學(xué)步驟所解決,，亦即是能被計(jì)算機(jī)處理的問(wèn)題,。然而現(xiàn)實(shí)中計(jì)算機(jī)的算力是有限的，如果一個(gè)問(wèn)題的求解需要太多資源,，則被認(rèn)為是難解的問(wèn)題,。簡(jiǎn)而言之，計(jì)算復(fù)雜性理論的作用就是在研究可解問(wèn)題的實(shí)際限制,。

然而還有一種問(wèn)題對(duì)于算法的發(fā)展更為重要,，也就是不可解，不僅是資源有限,，而是在數(shù)理上不可解,。若有一天算法能突破原先被認(rèn)為不可解的問(wèn)題或許就是計(jì)算機(jī)邁向真正人工智能的一大步,。所以說(shuō)，雖然摩爾定律非常重要,，實(shí)現(xiàn)了計(jì)算機(jī)的普及,，而網(wǎng)際網(wǎng)絡(luò)則加速了資料的傳遞，但算法的進(jìn)步才真正發(fā)揮數(shù)位革命的影響力,，也是計(jì)算機(jī)的威力所在,。

算法的進(jìn)步，簡(jiǎn)單來(lái)講,，就是讓計(jì)算節(jié)點(diǎn)增加,，但計(jì)算步驟不會(huì)呈指數(shù)式的爆發(fā)，就代表算法更有效率,，也能做到更多的事,。而現(xiàn)今的算法已能讓機(jī)械高度自動(dòng)化，將所有制造流程以及機(jī)械動(dòng)作寫(xiě)進(jìn)程序里,，在少數(shù)人力，甚至完全不需要人力的情況下完成生產(chǎn)過(guò)程,，還能自我檢測(cè)及修正錯(cuò)誤,，這些已并非科幻。除錯(cuò)程序本身就是一種偉大的算法發(fā)明,。

不僅如此,，現(xiàn)今算法已經(jīng)能完成一些高度復(fù)雜的工作，甚至勝任超越人類(lèi)的智力活動(dòng),，但還是不會(huì)將這些算法,，稱(chēng)之為真正的人工智能，就像在圍棋上戰(zhàn)勝世界冠軍的 Alpha Go其顯現(xiàn)的高度智力幾乎已無(wú)人可及,。盡管異常復(fù)雜,，但圍棋規(guī)則畢竟有限，所以也只是難解問(wèn)題,，而非真的不可解,。

所以不管是多么高度自動(dòng)化的系統(tǒng) ，雖然在一般運(yùn)行上可以完全不仰賴(lài)人力,，但往往還是需要工程師進(jìn)行監(jiān)控,，這件事卻從未改變。因?yàn)檎嬲娜f(wàn)能除錯(cuò)程序,，早已被人工智能之父—圖靈（Alan Turing）,，證明為不可解。

早在 1936 年,，圖靈在名為《論可計(jì)算數(shù)字及其在判定性問(wèn)題中的應(yīng)用》的劃時(shí)代論文中即已提到,，我們能不能在數(shù)學(xué)上給“可計(jì)算”（Computable）下一個(gè)精確定義,，然后用數(shù)學(xué)手段來(lái)研究萬(wàn)事萬(wàn)物的可計(jì)算性？,。在那個(gè)年代,，其實(shí)仍未有現(xiàn)代個(gè)人電腦的概念，電腦（Computer）之意即為“計(jì)算者”,。

而圖靈發(fā)展出了圖靈機(jī)（Turing machine）的概念,，試圖利用機(jī)器來(lái)模擬人類(lèi)紙筆計(jì)算的過(guò)程，之后更證明了停機(jī)問(wèn)題（Halting problem）就是一種不可解問(wèn)題,。簡(jiǎn)單來(lái)講,，不存在一個(gè)萬(wàn)能的除錯(cuò)算法，能夠預(yù)測(cè)自己因反證法產(chǎn)生的錯(cuò)誤,，而這就是算法的極限之一,。他更在二戰(zhàn)期間造出解密計(jì)算機(jī)，成功破解德軍的加密機(jī)（Enigma）,，改變了世界大戰(zhàn)的進(jìn)程,。

圖靈在二戰(zhàn)期間建造的解密計(jì)算機(jī) Bombe 的仿造品,。

（Source：by Tom Yates [CC BY 3.0],via Wikimedia Commons）

雖然在實(shí)務(wù)上,，不可解問(wèn)題并沒(méi)有真的造成多少應(yīng)用上的困擾，例如,，盡管數(shù)理上不會(huì)有完美的除錯(cuò)算法,，但仍可能造出發(fā)現(xiàn)大部分程序漏洞的程序，而這已能給予人類(lèi)相當(dāng)大的幫助,。因?yàn)樯贁?shù)不可解問(wèn)題并不會(huì)對(duì)人類(lèi)大腦造成困擾,，而能很好的彌補(bǔ)了機(jī)器的不足之處，畢竟應(yīng)該沒(méi)有人的大腦會(huì)因?yàn)檫`背數(shù)學(xué)公理以及無(wú)限計(jì)算而當(dāng)機(jī),，這點(diǎn)造就了大腦與機(jī)器的差距,，以及互補(bǔ)性。

盡管如此,，就如同圖靈在 1950 年發(fā)布的論文《計(jì)算機(jī)與智慧》中的提問(wèn),，機(jī)器到底能不能思考？仍然是許多電腦科學(xué)家亟欲解決的課題,。而為了克服這樣的問(wèn)題,，科學(xué)家甚至開(kāi)始想要造出類(lèi)似于人類(lèi)大腦的機(jī)器。但在當(dāng)時(shí),，電腦算力有限,，甚至還無(wú)法有效執(zhí)行圖靈所寫(xiě)的西洋棋程序，所以這必然成為一個(gè)難解問(wèn)題,。

現(xiàn)代已能戰(zhàn)勝人類(lèi)圍棋冠軍的 AlphaGo 棋弈程序,。

（Source：翻攝自 YouTube）

不過(guò)在現(xiàn)今醫(yī)學(xué)及神經(jīng)科學(xué)的進(jìn)展下，這已并非完全是幻想,，隨著人類(lèi)對(duì)自己大腦的運(yùn)作方式越來(lái)越了解,，令電腦科學(xué)家設(shè)計(jì)出類(lèi)神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）的算法。類(lèi)神經(jīng)網(wǎng)絡(luò)利用神經(jīng)細(xì)胞傳遞資訊的方式賦予機(jī)器學(xué)習(xí)（Machine Learning）的能力,，雖然后來(lái)技術(shù)發(fā)展遇到瓶頸,，多層神經(jīng)網(wǎng)絡(luò)（Multi-Layer Artificial Neural Networks）被認(rèn)為沒(méi)有效率。

但如今,，隨著半導(dǎo)體技術(shù)的蓬勃發(fā)展,，電腦算力一日千里，尤其是圖像處理器（GPU）的出現(xiàn),，令多層神經(jīng)網(wǎng)絡(luò)以深度學(xué)習(xí)（Deep Learnig）之名再度復(fù)出,，并突破了早期被認(rèn)為神經(jīng)網(wǎng)絡(luò)所不能處理的“異或難題”（XOR Gate）。而其能夠消化大量數(shù)據(jù)并得到準(zhǔn)確預(yù)測(cè),，成為了“人工智能”顯學(xué),，未來(lái)將廣泛應(yīng)用到商業(yè)技術(shù)當(dāng)中。

然而這些都還稱(chēng)不上是真正的人工智能,，離圖靈時(shí)代所想像的還差之甚遠(yuǎn),。就如同前文所述，這仍無(wú)法突破算法的極限,。且許多從事 AI 研究的實(shí)務(wù)專(zhuān)家出來(lái)澄清，人類(lèi)的技術(shù)發(fā)展藍(lán)圖尚未能對(duì)如何達(dá)成真正的 AI 做出想像,。但仍然無(wú)法停止許多人對(duì)未來(lái)人工智能發(fā)展及影響作出辯論,。

近期最廣為人知的就是著名科技創(chuàng)業(yè)家馬斯克（Elon Musk）及扎克伯格（Mark Zuckerberg），雖然兩人都不能算是專(zhuān)業(yè)的電腦科學(xué)家,，但其象徵著對(duì)人工智能發(fā)展觀點(diǎn)的兩極,。馬斯克長(zhǎng)期以來(lái)對(duì)人工智能抱持著較為悲觀的態(tài)度，甚至認(rèn)為人工智能的發(fā)展,，可能導(dǎo)致人類(lèi)的滅亡,。他強(qiáng)調(diào)，人工智能最危險(xiǎn)的地方,，就在網(wǎng)絡(luò)本身,，它能制造假新聞、駭入每個(gè)人的電郵,，操控資訊,，甚至使戰(zhàn)爭(zhēng)爆發(fā)，使人類(lèi)文明面對(duì)極大風(fēng)險(xiǎn),。

而扎克伯格表示,，馬斯克的言論是很不負(fù)責(zé)任的,，他認(rèn)為人工智能技術(shù)將大幅改善人類(lèi)生活品質(zhì)，并強(qiáng)調(diào)有些人不斷散播 AI 是個(gè)巨大威脅是很牽強(qiáng)的,，因?yàn)槠鋷?lái)災(zāi)難的可能性遠(yuǎn)比疾病和暴力還小,。而針對(duì)這番話(huà)，馬斯克認(rèn)為扎克伯格對(duì) AI 所知甚少,。事實(shí)上,，也有不少名人發(fā)布過(guò) AI 威脅論，如著名物理學(xué)家霍金及微軟創(chuàng)辦人比爾·蓋茲,，基本上同意馬斯克所言,。

這樣的辯論在企業(yè)家之間發(fā)生有另一番意義，因?yàn)榫退悴皇请娔X專(zhuān)家,，也體悟到了 AI 的潛在威力,。人工智能可能是自數(shù)位革命以來(lái)，對(duì)人類(lèi)而言,，影響最大的技術(shù),，不亞于網(wǎng)際網(wǎng)絡(luò)。事實(shí)上,，兩人所陳述的觀點(diǎn)都相當(dāng)合理,。長(zhǎng)遠(yuǎn)來(lái)看，若證明機(jī)械真的能如同人類(lèi)般誕生意識(shí)及思考,，那么物理本質(zhì)上的差異,，將使得人類(lèi)在效率上全面落于下風(fēng)，再加上目前跡象顯示,，AI 的邏輯與人類(lèi)截然不同,，那么可能真的會(huì)引發(fā)“文明沖突”。

但從另一面來(lái)講,，機(jī)械與人類(lèi)的不同,，也使兩者未必不能相容，只要機(jī)械一天仍然擁有算法的極限,，那么有些事物就無(wú)法超越人類(lèi),，但其超高的計(jì)算能力，將可讓人類(lèi)擺脫生物的局限,，邁向更先進(jìn)的經(jīng)濟(jì)及生活方式,。雖然同樣也會(huì)帶來(lái)更多的社會(huì)問(wèn)題，但這與網(wǎng)際網(wǎng)絡(luò)的誕生也沒(méi)有什么不同,，原本就是人類(lèi)自己應(yīng)該去克服的障礙,。所以馬斯克與扎克伯格的想法差異就在于機(jī)械與人類(lèi)之間的新關(guān)系到底是什么？而算法的極限將會(huì)是現(xiàn)階段數(shù)位革命的關(guān)鍵。

著名動(dòng)畫(huà)《攻殼機(jī)動(dòng)隊(duì)》中,，人類(lèi)與人工智能對(duì)話(huà)的一幕。

（Source：Flickr/Tim DouglasCC BY 2.0）

（首圖來(lái)源：Flickr/Elliott BrownCC BY 2.0）