雅虎香港新聞 
法力無邊的萬物論：AI製造
科學人觀點
2021-01-01 曾志朗
AI替代人類整理出錯綜複雜的物理現象，但距離實現萬有理論的目標仍有很大的差距，目前的成就還只處於概念驗證的階段。
Maximilien Brice (CERN), CC BY-SA 3.0, via Wikimedia Commons
我的英文名字是Ovid，是在大二到西洋語文學系選修「西方文學選讀」時，由教課的英國修女德蕾莎特別賜給的英文名。因為她選用古羅馬詩人Ovid的詩集英譯本，做為課外讀物，而我特別喜歡《變形記》，很用心研讀，更認真由神話去理解古希臘羅馬文化裡對宇宙的創立、大地的形成，到人類出現、建立城邦後的興衰的詮釋，去體會古文明的思維內涵。德蕾莎修女在最後一堂課，要我唸出詩集的後記，「Wherever Rome’s power extends over conquered lands, I will be read in the mouths of men, and through all ages, If the prophecies of poets have any truth, I will live on.」Ovid沒想到的是他寫完《變形記》那一年，就被皇帝放逐至黑海附近，死前他傷心的燒了這本詩集，多虧他的朋友留存副本，這部偉大的作品才能流傳至今。德蕾莎修女說，「你這麼喜歡Ovid，那你的英文名字就取Ovid（奧維德）吧！」2000年後至少有人仍然記得他！
既然是談變形，當然會有不同的神話傳說，描述人由某種原因變成動植物、星星、石頭等，點出人間善惡妒恨叛騙的種種行徑。例如被死亡分開的情侶再度結合，兩人變形為一對比翼鳥；被海神侵犯後許願為男人的美人凱妮絲，變形為刀槍不入的凱紐斯；本為女兒身的伊菲斯變形為男人，以便和自己喜歡的女子結合，象徵了古羅馬時代的同志戀情！《變形記》裡有一則把無生物變成活生生美人的故事，被一些學者認為是人類設想人工智慧（AI）的最早歷史典故。它敘述了古希臘一位很有雕刻天份的君王，因為王后不貞而厭惡所有女人，卻愛上了自己以雪白象牙雕刻的女子。他長期獨居，對這位美麗出凡的「佳人」越愛越深。漸漸的，他和雕像說話，感覺到「她」有反應；握住雕像的手臂，感覺陷進「她」的肌肉中。他向愛神維納斯祈求，賜給他一位有如雕像般美麗純真的女子。愛神答應了。他回去後，雕像已經化成真人，正在等待他。這段神話引出了「物」只要有「心」，就可以成「人」！
記得在上這篇神話時，我向德蕾莎修女說：「石頭化成人，中國的小說《西遊記》才是值得深思的大作！因為由石頭迸出的美猴王，由於忠義勇智群，還充滿了同理心，最後不只成人，還成佛哩！」奧維德描繪了由物到生命的起始，吳承恩筆下卻代表了由生命進化到認知和情感的社會化過程。然而這些變化都來自神力和魔法，和真實世界並不相融，只能當做預言式的寓言。但這些預言對AI人性化的循序漸進歷程，是有啟示作用的！
從科技的觀點，讓物有心的第一步，當然是設計和安裝機件，讓機器代替人工（如風車、水車），再來是讓機器工作進入自動化流程，然後是讓機器自發性運作，無需人為操控。但機器會運轉，是按照固定的設計，沒有彈性，自由度幾近於零。不能辨識工作環境，充其量是個無法和環境互動的「無心」機件組合而已。這就告訴我們，要讓機器有心，就必須先能展示對環境的辨識能力！環境中有各式各樣的物理現象，聽聲辨意，看圖識像，加上時空對應所產生的現象，如何表徵？如何理解？最重要的是，如何計算表徵符號和影像的分類及群聚？
傳統的區辨方程式，無法解決類似人類直覺、感知和思維的複雜性問題。所幸在1950~1960年間，出現了感知器的概念，和師法人腦運作方式的類神經網路演算法，其回饋系統能夠比較預估的和實際的結果，計算兩者之間的誤差，利用梯度下降演算法，逐步降低誤差，不斷調整，尋找最佳途徑。這整個過程名為「倒傳遞」（back-propagation），類似自我反省，其實就是利用內建的回饋系統，一而再、再而三的從錯誤中學習。這樣的學習過程就是現在科技界眾所熟悉的深度學習，是讓機器模擬「思考」複雜問題的演算技術。意即依據輸入的資料如上述不停迭替運作，把神經網路的架構分成輸入層、輸出層和中間的隱藏層；而所謂思考，就是把輸入層經由隱藏層的不斷調整，轉成輸出。也就是說，把感覺與知覺轉成決策與判斷，其中最關鍵的演算就是從錯誤中學習，然後不停變動隱藏層內部連結權重值的回饋系統！當然不能忘記輸入層，要有更巨量的資料，才能避免（或稀釋）「垃圾進，垃圾出」的問題。
從1980年後，神經網路的演算法越來越精密，運算的速度和能量也越強大，而且機器學習的方式也由引導式（如Deep Blue先有棋譜教導）的分類演算，到DeepMind自尋聚類的型態識別，前者戰勝了西洋棋棋王，而後者擊敗了世界圍棋棋王。AlphaZero的學習更是無師自通，有如嬰兒認識、學習周遭環境的過程。AlphaFold則直搗蛋白質的基地，成功分析其折疊的方式，探討生命的機密建構。下棋當然是人腦思考的重要表現，但AI棋王的「智力」和人類棋王的「智慧」是否等同？答案仍然難解。
現代人不停創造和累積更多的知識，加上不斷精進的神經網路演算法，近年來許多生活上的應用科技不但一再令人耳目一新，而且展現的潛能更是深不可測。人臉辨識機比真人厲害，語言學習和多語翻譯也不再困難重重，蛋白質折疊分析和基因編輯，漸漸成為一般技術，難怪DeepMind的創辦人哈薩畢思大膽預言：上述成就只不過是達到更大目標的墊腳石而已，AI就是要幫助我們了解這個世界！
這個預言要實現，撇開「意識」之於AI這個大哉問不提，端看AI能否從眾多科學研究的巨量資料中，歸納一套放諸四海皆準的萬有理論！1950年代電腦科學和認知心理學家紐厄爾和西蒙推出的電腦程式「邏輯理論家」，證明了羅素和懷海德的《數學原理》裡的38個定理，可說是人工智慧的先河，對後代認知模式的研究有重大影響。那麼，現代更精密更先進的神經網路演算法也適用物理學嗎？可以歸納出物理現象的萬有理論嗎？
美國麻省理工學院宇宙學家鐵馬克，兩年前曾和學生教AI模擬人類物理學家的研究方法，開發了一套名為「AI Physicist」的系統，最近他又和學生開發了遞迴多維符號回歸（recursive multidimensional symbolic regression）算則，從著名的《費曼物理學講義》中選出100個方程式，結果成功解開了所有方程式（過去其他算則只能解開71個），對更困難的物理測試，成功率也提高到90%。這當然展示AI可以從巨量資料中歸納出高層抽象理論的潛在實力。鐵馬克的同事，理論粒子物理學家泰勒（Jesse Thaler），則和研究團隊把機器學習應用在量子場論，將大強子對撞機取得的巨量資料餵入神經網路系統中，竟然成功分析出構成質子的夸克和膠子，還能進一步分辨上夸克和下夸克，這系統不知道量子場論，卻能分析出如此微小尺度的物質，實在了不起。
當然，AI目前的這些成果雖然驚人，但它替代人類整理出錯綜複雜的物理現象，只處於概念驗證的階段。不過美國國家科學基金會去年啟動AI國家型計畫，並在幾個月前和農業部共同宣佈，分5年投入42億新台幣，在全美幾所大學設立7個AI研究所，其中一個就設在麻省理工學院，重點就在推展AI和物理基礎研究。我們不妨拭目以待！
儘管愛因斯坦認為科學的理論是人類心智的自由發明，霍金主張萬有理論是可以實現的，而達陣者應該是電腦。但我總覺得，人類的智慧一定會跟著AI進步成長，唯有人腦和電腦的融合，才是萬有理論的終極完結者！
