DeepMind推出「蓋圖」能完成600多種不同任務 專家：非真正的通用AI大腦

AI背後的重要思想可追溯至英國科學家圖靈（Alan Turing）。圖靈曾設想一臺能自然與人類交流、甚至讓人誤以為它也是人類的機器。圖靈提出這項挑戰幾年後，在1956年，電腦科學先驅閔斯基（Marvin Minsky）和一群學者友人，在達特茅斯學院舉辦了一場研討會，深入探討科學與工程領域最重要的議題。

他們在徒步健行、研討和飲酒交流的過程中，討論了如何開發具有類似人類特徵的機器，包含移動、觀看、玩耍、溝通、甚至是學習等能力。某種意義來說，圖靈向我們描繪了AI的可能性，而閔斯基和友人則透過那場思想碰撞和隨後在1961年發表的論文〈邁向AI的步驟〉，提出了實現此一目標的方向。

過去十多年，AI領域已取得大幅進展。如今隨便一臺普通的智慧型手機，運算能力都遠超過1980年代廣受吹捧的克雷二號（Cray-2）超級電腦。

電腦、智慧機器和感測器的普及，推動了數據的爆炸式成長，而創新研究人員開發並改進了數以千計的演算法，使其能從大數據中尋找模式，進行預測和學習。但我們是否實現了閔斯基那一代學者所設想的AI？答案是否定的。

如今，AI已成為包羅萬象的用語，是常被大公司用來為產品和服務添加高科技光環的行銷流行語。然而，機器人領域的奠基者當年走出樹林時，他們的目標是開發具有人類能力的機器。此一目標即發展所謂的「通用AI」，我們很早便意識到實現的難度極高，短期內無法達成。

相較之下，現今普遍的AI技術屬於「狹義AI」，雖然與閔斯基等人的願景相去甚遠，但能力依舊令人驚嘆。

這些AI系統已經擊敗了西洋棋大師，甚至戰勝世界頂尖的圍棋高手；它們能創作引人入勝的故事，編寫可運行的程式碼，並生成有趣、甚至美麗的藝術作品。更有甚者，有一款AI系統曾在熱門益智搶答節目《危險邊緣》中奪冠，展現了非凡實力。

然而，大家討論AI在特定領域達到的顯著成就時，經常忽略一個重點：這些系統都高度針對特定任務。比方說，圍棋大賽勝出的AI系統就無法駕駛自駕車。不過隨著AI快速發展，人們會有所混淆，也不難理解。

2022年5月，字母控股公司（Alphabet）旗下的AI公司「深腦」（DeepMind）推出了一款名為「蓋圖」（Gato）的AI模型，能完成六百多種不同任務。乍看之下，這似乎接近了通用AI的目標，但蓋圖並非真正的通用AI大腦，無法自行學會如何完成所有任務，像是為圖片下標題、指揮機器手臂堆積木或打電動等。

恰恰相反，蓋圖是由多個針對特定任務精心訓練的模型組成的集合體，它所達到的成果非凡，但還不屬於真正的通用AI。這個語用模糊且無所不包的AI，確實存在於機器人的大腦，但它主要聚焦於高階的決策與推理。為了讓機器人有效運作，還需要許多其他處理功能，來輔助AI程式的執行。

機器人在電影中常被描繪成擁有一個統一的AI大腦，如同電影《復仇者聯盟二：奧創紀元》中，反派機器人的AI就被呈現為一顆全能、影像模糊的數位球狀形體。然而，現實世界的機器人大腦要複雜得多，也有意思得多。

（本文出自《我們與機器人的光明未來》作者：丹妮拉．羅斯, 葛瑞格里．莫恩 譯者：張嘉倫)