或說，把這本書取名為「猴子也能懂的人工智慧」也有過之而無不及。作者松尾豐是東京大學工學研究所副教授，長年深耕人工智慧的研究與開發，並且經歷AI發展史上的大起大落。
(補注：本書全名「了解人工智慧的第一本書：機器人和人工智慧能否取代人類。副標題更接近原書名，算是被台灣翻譯坑了一把，特此聲明)
松尾教授之所以著作本書，與其說是推廣或科普人工智慧的知識，不如說是提供務實的資訊與評估，讓那些拿著大把鈔票的資本家們，免於低估人工智慧之餘，也避免過度神化人工智慧的前景。在過去，每次人工智慧的話題興起後，都伴隨著寒冬期。人工智慧在希望破滅後，總是被譏為做夢與謊言。而這次由大數據與深度學習再次帶起的風潮，松尾教授並不希望步上類似的命運，並希望人工智慧的發展能夠穩步向前。
人工智慧是甚麼
松尾提到了一個耐人尋味的現象：AI效應，亦即任何關於AI技術的運用，一旦實用化、普及化並自成一個領域，人們就不再覺得「這算是智慧」。這導致人工智慧的貢獻被過度低估。隨著本書的介紹，我也赫然驚覺一個顯而易見的困境，那就是在概念上，別說是人工智慧了，人們可能連人類智慧究竟是甚麼，都搞不太清楚。也因此每當人們搞動一項人工智慧的技術後，就會因為跟自己也不清楚，但想像中理應如此的「人類智慧」有所落差，最後忍不住皺著眉頭說道：「這根本不是智慧嘛！」
但誠如電影《模仿遊戲》當中那句義憤填膺的質問：
「只因為某個東西跟你思考的方式跟你不一樣，就代表它不會思考嗎？」
人工智慧，儘管總是在模仿人類智慧，到頭來可能會發展成出與人類完全迥異的思考方式。就像是人類儘管模仿過鳥類，卻不是以振翅來實現飛行。
為了澄清一般大眾對於人工智慧的認知，松尾教授將市面上常見的「AI」分成四級，我又僭越地修飾了一下名稱，把它們理解為以下四種：
第一級：準人工智慧
定義上不算是人工智慧，只是加了控制程式，因為行銷需求所以自稱「配備人工智慧」，諸如空調、吸塵器、洗衣機等。
第二級：典型人工智慧
懂得推論與探索，或是加入了知識基礎，可以針對人的要求作相應且複雜的反應。簡言之就是聽得懂人話、幹得出人事，可以跟人類互動。
第三級：學習的人工智慧
此段數的人工智慧除了聽得懂人話，還可以透過大數據等資料來「舉一反三」。換句話說，AI不只聽話了，還很受教。
第四級：深度學習的人工智慧
這一級的AI，不只好學，還懂得對人類而言易如反掌，但對機器而言難如登天的技巧：特徵表達學習，或說「特徵量」的學習。
讓AI學會如何掌握特徵量的過程，在近年已有突破，那就是透過深度學習，但在此之前，我們須更進一步了解，人工智慧與人類智慧的差異。
與人類智慧的差異：本體論與特徵量
前面提到，人工智慧與人類智慧可能有所不同，但到底是哪裡不同呢？
首先是本體論的不同，或說「使用腦袋的方式」不同。人類使用腦袋時，會力求理解這個世界。然而AI使用他的電子腦袋時，力求的不是正確理解，而是「迅速的資料處理」，講求的是效率。
打個比方，基於科系背景的關係，我時常會被諮詢法律問題。然而法律條文多如牛毛，縱使是大律師，動手翻查規定都是再尋常不過的事。作為法律系的逃兵，我頂多幫忙查一下法規，對於法規的內容、體系、立法緣由、判決等根本毫無研究。當我轉發那些法律知識的當下，就比較接近AI使用腦袋的方式。
人工智慧與人類至另一個差異，在於「特徵量」的不同。所謂的特徵量，粗淺的理解就是「抓住重要的點」。人類非常善於抓住特徵，而且很容易就學會如何「找出好的特徵量」。相反的，人工智慧不僅在判斷「哪一點重要」這件事上相當苦手，更不像人類輕易找出其他事物的特徵量。這也就是為何，AI的解題都偏向暴力破解。因為不會抓重點的它，必須把所有可能性都算過一遍才能回答問題，像是一個記憶力絕佳，卻毫無讀書技巧的學生。
打破寂靜：深度學習的突破
所幸，AI技術還是碰上了得之不易的突破，那就是深度學習。這是一種透過模仿神經網絡，讓AI以更接近人腦運作方式，疊加許多階層因而出現深度的學習──嗯，我想這本書的內容最終還是超出了猴子，也就是我，的理解能力。
總之，深度學習讓AI終於可以掌握變聰明的關鍵，也就是前面提到的「特徵量」的學習，或說「特徵表達學習」。這中間當然還包括很多猴子描述不出來的原理，而AI技術的似乎就在翻過山嶺的那條好漢坡。只不過這條坡到底有多陡沒人拿得準，更何況翻過這座山後，能否與人類智慧相似還未可知。
然而松尾教授的態度還是樂觀的，他要表達的是，可能性是有的。而一旦人工智慧的技術更為成熟鞏固，對於人類社會的影響將是結構性的。人類會因此而受到助益，當然也有威脅。松尾認為對於人工智慧，人們應該建立一套倫理，不是給AI的倫理，而是人類使用AI的倫理。因為，能夠讓AI傷害人類的，也只有人類。
意外碰到的熟人
在進入結論前，我還要提一下閱讀本書時，意外碰到的學者，中文名「司馬賀」的經濟學、認知心理學與公共行政大師，賀伯‧賽門。
在那1985年的那一場奠定「人工智慧」一詞的傳奇研討會中，賽門是四名開創學者的其中之一（另外三位是麥卡錫、紐厄爾、明斯基）。而我之所以認識（而且不太情願）賽門，是因為它同時也是「行政學的攪屎棍」。
在公共行政的領域中，在你快要讀通某個理論之際，賽門總能跳出來賞你一巴掌，然後告訴你，他還有某個獨到見解，讓你耳目一新之際，又得騰出位置讓他佔據記憶的一隅。如今看個人工智慧科普書也會碰到他，還真是陰魂不散。
賽門最出名的貢獻是「滿意決策途徑」與「行政人」的主張，認為比起全然理性的「經濟人」，決策者更像是於有限理性、意圖理性的「行政人」，會依照務實的需要，作出滿意就好，而非絕對完美的決定。
而這點，似乎與人工智慧的原理有些呼應。縱使是機器做的人工智慧，也沒辦法做到廣博理性，把所有資料掃瞄到底，分析出最佳解，更何況是肉做的人腦。AI在回答問題時，做的也只是有限理性下的最滿意解答，回答大概有幾趴機率會成功。
人類的答案也不會高明到哪裡去。既然如此，我們對於理性抉擇的要求，是否也太過了呢？
AI是還沒中獎的彩券，抑或是即將過站的高鐵？
讓我們把話題拉回人工智慧吧。
對於人工智慧的未來，松尾教授形容為剛買到手的彩券。如果你手中握有十張彩券，期望值也只有三百日圓而已。雖然說，大家都會期待第一張就中特獎，但可能性畢竟小之又小。健康的心態是抱著可能中獎的心情，買那張值得賭一把的希望，但不需要過大或過小的期望，甚至是恐懼。
至於人工智慧將統治人類之類的笑話，那就更不用提了，他得先弄明白夏目漱石是否真的寫過《羅生門》
我也聽過另一種比喻，那就是人工智慧的發展，彷彿即將過站的高鐵。你可以聽見列車在遠方行駛的聲音。或許還很遠，或許細微不值一顧。然而當他通過月台時，那可能是一瞬間的事兒。人類或許該為這瞬間做好準備。
然而我更傾向認為，人類與人工智慧的關係，是互補而非競爭，是延伸而非取代。當我們認清，人工智慧運作方式與人類智慧有所不同，擅長的領域也不一樣，那未來，兩種智慧應該是相輔相成的關係。人類該害怕的不會是被AI支配，而是迷失在AI的使用之中。
人類的難題，或許終究是人類自己。
