編譯／潘楠慕

人工智慧（AI）愈來愈「聰明」，批評者也愈發擔心人類的隱私、就業機會甚至安全受到威脅；但不容否認，AI的發展目前看來仍利大於弊，也能在諸多領域為人類帶來保障。

一、免除饑荒

全球目前約有八億人以木薯（cassava）作為碳水化合物來源。這種澱粉類蔬菜與山藥相似，也可以磨成粉用來製作麵包和蛋糕。這種植物的最大優點是能在貧瘠的環境生長，目前已成為第六大糧食作物。

然而，木薯容易受到疾病和害蟲的侵害，研究人員因此運用AI來防治。農民只要把作物生長狀況以手機拍下，AI就能判別作物是否染病。這套系統不僅快速，且凖確率已達百分之八十八，可有效避免病蟲害擴散。

二、防治傳染病

蚊子可能帶來疾病甚至致命，例如登革熱、茲卡病毒。據聯合國資料，全球每年感染登革熱的患者已接近四億人。

多明尼加的電腦工程師馬洛爾與馬來西亞的醫學博士拉賈合作，開發一套流行病 AI演算法，可以預測疫情最有可能發生的地方。這套系統運用大數據，整合所有醫院提報病例的時空環境，包括風向、濕度、溫度、人口密度等數百項變數，準確度將進百分之九十，可協助政府提前因應或消除傳染病。

三、消除槍械暴力

全球各地頻頻傳出槍械暴力事件，許多城市希望透過科技的協助解決這種日益危險的狀況。科學家目前已開發一套系統，可監聽槍聲並予以定位，隨即向各相關機構發出警訊和通報。運用人工智慧後，這套系統的準確性將不斷提升，反應時間也會不斷加快。未來如果繼續透過機器學習，系統還可結合更廣泛的數據，包括天氣、交通狀況，不僅能減少誤判，也可更快速打擊犯罪。

四、對抗癌症

世界衛生組織（WHO）的資料顯示，全球每年有八百八十萬人死於癌症，另有一千四百萬人罹癌。醫學研究指出，如果能早期診斷出癌症，患者的存活率將大幅提高，且能降低復發風險。然而，目前的檢驗方式仍費時費力。

許多機構已投入這項領域，期盼透過AI協助，開發出診斷、治療癌症的最佳方式。例如，谷歌母公司字母公司的DeepMind正與倫敦大學合作，訓練AI判斷腫瘤中的健康組織區域，擬定最佳治療方式。另外，DeepMind也與倫敦Moorfields眼科醫院合作，設法判讀人類失明的初期跡象。

IBM則宣布，該公司的超級電腦華生（Watson）可分析圖像，並依據病患的診斷書準確識別腫瘤，凖確率高達百分之九十六。目前已有多家醫院測試這套系統，協助診斷各種癌症。

五、妥善分配能源

乾淨能源可有效減緩氣候變遷，避免人類頻頻受到極端氣候侵襲。但以電力為例，當人類對再生能源的依賴程度愈來愈高時，如何妥善分配電力供應也更加重要。透過人工智慧，將有助達成這項目標。

歐盟已計畫，二○二○年前在成員國住家安裝五億具智慧電表，用來記錄電力使用狀況。一旦能夠整合各項數據，即可精確了解最有效率的電力配置和供應模式；此外，AI可運用機器學習技術，即時監控能源供給和需求的狀態。

如此一來，系統將可在用電離峰時段降低發電量並儲存多餘電力，在用電尖峰提供充足電力，大幅節省能源並提高使用效率。

突破視覺 AI跨入聽覺領域

人工智慧在視覺方面的進展已有一定水準，最常見的就是人臉辨識系統，以及住家安全的監控，但科學家希望訓練AI跨入不同領域，進一步保障人類安全。

英國一家新創公司Audio Analytic正在收集數萬種不同形狀、尺寸的玻璃，以各種不同方式將其砸碎並記錄發出的聲音。公司創辦人米契爾表示，這是為了讓AI學習如何區別不同情境下玻璃破碎的聲音。

此外，該公司也正訓練讓AI判斷一些攸關人類生命財產安全的聲響，包括煙霧偵測器的警報、嬰兒哭聲、狗吠聲。如果能夠訓練電腦學會識別不同聲音，結合影像偵測，將能更有效提供安全保障。

AI在視覺方面已有長足進步，但語音方面尚未獲得重大突破。以目前蘋果公司Siri、Google公司Home和亞馬遜的Alexa等語音助理來說，他們只能提供一般的輔助，但保障人身安全的能力仍不足。Audio Analytic的目標，是跨入聲音的領域，讓人工智慧的應用範圍更廣泛。

米契爾表示，該公司想要創造一個對所有聲音的分類法。目前他們的軟體已能分辨窗戶破碎、嬰兒哭泣和煙霧報警器的聲音。此外，他們也正在開發異常聲響檢測器，未來將可判斷出有人摔倒、瓦斯或水管管線外洩甚至槍聲。這套聲音識別系統如果與智慧家庭系統結合，將能提升住家保安等級。

目前，這項技術仍在起步階段，也面臨巨大挑戰。準確性是一道重大關卡，因為如果出現過多錯誤警報，系統的實用性將會降低。但隨著AI的學習能力持續強大，大數據的運算也更快速，聲音領域的突破指日可待。

效法蜜蜂團隊 人類可以超越AI

人工智慧的發展勢必一路往前，人類或許會因此面臨諸多挑戰，但與其擔心AI凌駕人類之上，不如思考該如何妥善運用，成為AI的主人。

事實上，動物界已有許多例子可供人類效法，也就是透過群體的力量採取最適當的行動。如果人類也能團隊合作，就有機會超越AI。

在矽谷創立Unanimous AI公司的羅森柏格已把這種原理應用該公司的查詢軟體上，使用者提出疑問，就可獲得大量參與者的回覆及建議，這個軟體再從中研判，挑選出最正確的解決方案。

羅森柏格指出：「蜜蜂是群居動物，牠們會彼此合作，擬定更好的決策。類似狀況也出現在鳥群和魚群中。人類也是群居動物，也應該能夠彙整彼此的資訊，對各種狀況採取最佳策略。」

人類勝過AI的例子之一，是國際西洋棋大師卡斯帕洛夫擊敗IBM超級電腦「深藍」。他曾被「深藍」擊敗，但後來透過網路徵詢近五萬人的建議，終於贏得勝利。卡斯帕洛夫表示，能夠獲勝，完全是集思廣益的結果。

羅森柏格在一九九○年代初期開始研究蜜蜂，他發現，蜂群想建立新領地時會集體決策。數百隻偵察蜂到處尋找地點，並回報各自的意見，最後才達成共識，集體決定新地點。

這種集體智慧，對醫學可能有大有幫助。羅森伯格表示，醫學診斷在某種形式來說就是一種預測。如果能善加整合各個專家的意見，診斷結果會更正確，治療方式的擬定也更能對症下藥。

羅森伯格認為，人類的團隊力量，絕對有機會超越人工智慧。更重要的是，若能讓人類和電腦進一步合作，不僅能讓AI更強大，還能讓AI更有人情味，不會只是冰冷的機器裝置。