人工智慧
演算法很像烹調方法

但這道菜也要可口才行，所以要仔細地挑選食材：演算法專家賽巴斯蒂安･謝爾特展開一場有關人工智慧，人工智慧如何拿走了我們的決定權，又對我們的生活產生哪些影響的談話。

人工智慧與電腦，不用教它們自己就會了 – 聽起來怎麼說都有點兒科幻的味道，卻早已進入了我們的日常生活。演算法不僅決定我們在串流媒體上聽或看甚麼節目，在有些地方還能決定誰申請得到信用貸款，或者預測，某位受刑人大概會再度犯下罪行。但演算法究竟是甚麼，人工智慧又如何影響我們生活？

基本烹調法：演算法

「演算法首先是一個由許多步驟組成的序列，我們可以把它想像成一種烹調方法：我們一方面有不同的食材，好像輸入的電腦程式，這份食譜一步一步告訴我們，接下來應該怎麼做，才能正確地做出飯菜來」，賽巴斯蒂安･謝爾特，在阿姆斯特丹大學研究數據管理和機器學習的演算法專家解釋。

從這個角度看的演算法了無新意，每一種電腦程式都依照這個原理在運作。當我們今天談論起演算法日漸增加的影響力時，我們真正關心的是機器學習：使用一個傳統的電腦程式時，我們按照指示一個一個步驟來，根據這些步驟解決某個問題。但有些問題我們卻無法準確地描述，告訴電腦應該如何解決」，這位專家如此說道，因此，機器學習時，我們要運用另外一種方法。 賽巴斯蒂安･謝爾特獲得柏林工業大學博士學位，之後在紐約大學擔任研究員，並曾任職於亞馬遜企業的研究部門。作為阿姆斯特丹大學的年輕教授，他鑽研數據管理以及機器學習的介面問題。 | 照片：© 賽巴斯蒂安･謝爾特

為進階人員烹飪：有學習能力的演算法

「會從個人訊息中分辨出垃圾郵件的過濾器，就是一個簡單的例子，對一個要寫出一個這樣的電腦程式的人而言，這個問題可不單純。理論上，你可以定出廣告郵件可以辨識的不同標準與規則 – 可以是郵件寄出的時間，或者出現在文件訊息中的特定單字。但到了某個時刻，就會遇上人類能力有限的瓶頸」，謝爾特解釋這個問題。

因此，機器學習時無須為電腦編寫精準的程式，我們只需要舉一些例子給電腦看，它就會自行找出最佳的解決途徑。程式設計師不提供完整的烹調方法，單只預先設定希望透過程式提交而應該得到的結果。

「在這種情況下，你可以輸入希望收到的一千封電子郵件，以及一大堆負面的例子，譬如你不想收到的廣告郵件」，謝爾特繼續解釋這個例子。「演算法便根據這些例子推測，輸入的是一則新的廣告訊息，或者不是。這其中的明顯區別是，使用傳統的程式時，每一個步驟我們都是確定的，而有學習能力的演算法，卻是根據例子以及統計上的機率來創建自己的選擇標準。」

被人工智慧給矇了

有學習能力的演算法不僅比人類更能解決某些問題，速度更快，而且手法更加高明。二零一九年，Pluribus程式打敗職業撲克牌選手時，人工智慧證明了，它甚至學會了虛張聲勢，比人類還要能使詐。它的影響力隨著技能而與日俱增，諸如醫療保健方面，金融界以及司法部門等。

德國的大多數人也一樣，每天都要和狡獪的演算法打交道。「從科學角度觀察，許多領域所運用的演算法，都是一些抽象的數學操作程序。譬如說，算出某個人償還信用貸款的機率有多高之類」，謝爾特說。

演算法在像美國和澳洲這些國家，因為所做出的決定歧視特定的人種而備受質疑。「其中的部分原因是，在我們提供給演算法的例子裡，這種歧視已經隱藏在其中了，如果我們讓它視若無睹，它就會重複這種歧視」，這位專家解釋問題的根源。

有策略的演算法？

演算法和人工智慧可能碰到的限制，主要都不是技術方面的問題，而是道德上的。或者，我們有本事教一種演算法懂得運用策略？

「目前這是一個懸而未決的問題，我個人認為，有些領域即使演算法做出錯誤決定，但不至於造成嚴重影響 –  譬如說，串流媒體播放了一首不是我選的歌曲之類。有一些別的領域，演算法毫無疑問被推薦使用，但是，應該由人類定出最後決策。還有一些其他領域，應該交由人類的判斷能力來處理」，謝爾特表達他的看法。

「美國將使用評估一位受刑人再犯率有多高的演算法。當法庭以及陪審團要決定是否提前釋放犯人時，就可以取得這些數據。於是這個問題浮上檯面：這樣做對嗎？

「公平正義這個議題，數學上很難心領神會，因為主要繞著哲學、政治、司法等問題打轉。每個人對於何謂公平正義，何者又不算是，都有不同的想法，而數學不可能同時符合所有公平正義的定義。」