談一本重要的書，超級智能時代，這本書裡談的議題對每一位讀者都絕對切身相關。人類剛經過一波的資訊革命，最近幾年資訊技術的成熟發展，包含移動網路與終端設備如手機的成熟，帶來資訊大爆炸。資訊大爆炸後有了足夠的數據量，收集起來嘗試找出某些規則，並運用這些規則來使人類生活更方便，也賺取了大把財富。

但從工業時代以來的每一波革命都是先造福一小部分群眾，過了許多年後全人類才能享有革命帶來的好處。這一波大數據與人工智慧的革命帶來的影響與衝擊非常之廣，人工智慧就是想解決以往人類才能解決的問題，會取代許多既有的勞動力，再疊加上一波資訊革命帶來的影響，根據歷史可以想見需要長達半世紀來消化過剩勞動力帶來的負面衝擊。

從因果法到逆推法

以往人類學習的方式是習慣先假設某種道理，之後再去累積數據去證明出這種道理;我們習慣先假設因，才去驗證結果。上幾個世紀人類都習慣這套思考模式，稱之為工業時代思考模式。而當時間來到現在，容易尋找的真理幾乎都被發現完了，我們要面對的是不確定性越來越高的問題，往往我們連問題該怎麼定義都沒有頭緒，所以藉由累積數據來說故事，從資料裡發現道理，便是為了回答現代越發複雜，且不確定性極高的智慧型問題的新思考模式。

現代人工智慧

其實大數據不是用來解決人工智慧的唯一方法。最早其實科學家是想模仿人類思考模式來製造人工智慧，但發現難以解決不確性高的問題。而隨著硬體如儲存技術得成熟，連結技術如移動網路的成熟，處理能力如資料中心的成熟，這三者技術同時準備好了，使得人類發現與其讓機器造著人類的想法走，不如餵給機器一堆資料，讓它從中自己試著回答問題，結果比之前的方法就結果來說都更好。

逆推方方法論變成資訊時代的方法論。

順著這個思考模式可以發現。掌握數據，更嚴格來講是大數據的人在未來才有可能回答現代社會中越發複雜的問題。大數據顧命思議就是大量的資料，而大量的數據加上多維度，便能從中去試著找出規律，總結成智慧。

所以從人工智慧方向往大數據的逆推方法論走後，『人類在人工智慧領域的成就，其實就是把各種智慧問題轉化為消除不確定性的問題，然後再找到能消除相應不確定性的資訊』。

下圍棋人類依靠經驗與眾多棋譜來學習如何取勝，而只要能把棋譜轉換成電腦可懂的規則，電腦就可以大量的去讀取歷史棋譜，能比任何人類一輩子讀的都還要多，最後轉換成數學模式，採用依照大量數據訓練加上統計知識所做出來的模型來回答問題。雖然棋的變化是無窮的，但機器總能找出勝率較高的步法。

AlphaGo在比賽中走出許多令人類專家跌破眼鏡的走法，但最後又能贏。這裡重點在於機器不必像人一樣思考，只要能夠解決人的問題就好了。在大數據中得出的智慧是數據加上統計的及果，是有可能出乎人意料外的，而且能做的更好。能不照常規行事其實就是超級智慧的表現。

而AlphaGo知道自己在下棋嗎？當然不知道。只不過把智慧問題轉換成數據問題。用統計方法搭配大數據解決智慧問題後機器從此無敵。

所以對於行事有特定SOP的技能，也就是非創造性工作的從業人員，大數據加上人工智慧是大有取代的勢頭。比如基金操盤手、醫師、會計師、司機、護士、農夫等。

智能革命的影響

在未來掌握大數據與運算能力的少數巨頭，目前來看如Google, FB, Apple, Amazon, Netflex和大陸的bat，這些公司如果和公權力結合，那就是全面監控了。CIA要來台灣抓人其實不用跟台灣警察打交道，透過你使用的手機說不定還比台灣警察更知道你的所在地。免費的服務往往是用自由換來的。你提供時間與數據，巨頭提供免費服務。在未來隱私的保護是重要議題。

技術帶來的各命常常是憂喜參半，喜的是改善人類生活，讓一些處在浪尖的人發揮更大的作用。但因為技術進步而被取代的人力，往往沒有辦法在學習新技術，所以只好『養著』，耗上兩代就解決問題了。

這次的超級智能最重要的影響是人類會發現自己能做得比機器好的事情不多了，很多人會在技術進步的途中發現自己被拋下了，新技術的發展不是每個人的機會都會變多，許多人反而是機會變少，如全自動化工廠之於生產線工人，計程車司機之於自動駕駛技術。這些大量勞動力該如何解決？書中其實沒有提出解決辦法，只能接受接在未來的幾10年會有越來越多事人類贏不了機器人。而之後所做的決定也都要依照這個大前提去行動。

對於我個人

看完這本書心中是興奮與恐懼，興奮的是對未來人類生活充滿正面積極的想像，恐懼的是害怕自己是對這未來至少50年影響人類最深遠的領域一無所知，最終被拋下，在自己的工作生涯毫不自豪。幸好我是相關科系相關產業，也還年輕肯學有興趣，往後推10年的努力都要與人工智能領域有關，投入在相關領域是我對自己未來的規劃。

以下是Youtube連結，台大教授林軒田老師的機器學習基石 FYI。