医病防盗愈学愈醒 机器学习主宰人类未来

2020-06-19 160人围观 ,发现20个评论
医病防盗愈学愈醒 机器学习主宰人类未来

透过演算法分析数据,人工智能程式可以自动学习,不断改良。(路透社资料图片)

机器学习(Machine Learning)和深度学习(Deep Learning)技术已悄然走进我们的日常生活,并主宰通讯、医药、运输以至金融等行业的发展命脉。机器通过收集数据,不断学习人类知识和经验,再自我改良,或许终有一天会取代人类,成为世界的新主人!

人工智能(Artificial Intelligence)领域内又可分为机器学习及深度学习两个範畴,有别于单一机械式工序,机器学习已能做到自动操作,透过演算法分析数据,从模索中学习,让程式不断改良。水平较高的深度学习更会加入神经网络运作方式,如面部及语音辨识技术,尝试模仿人类各种特性。

Siri自我改良 善解人意

苹果手机内置的虚拟助手Siri每天都从用家身上学习,令手机功能与时并进。Siri原本是国防高等研究计划署(DARPA)的产物,后来成为苹果App Store架上的应用程式。2010年获苹果收购,并自iPhone 4s及 iOS 5起加入为苹果移动产品的作业系统。

为提升Siri的深度学习能力,苹果公司除了招揽人工智能专家,也收购掌握神经网络技术的初创企业Turi。Siri发展初期能够回答的问题不多,但随着用户广泛应用,该程式收集到大量对话数据,演算法得以不断改良,令Siri变得愈来愈善解人意。

Siri主要有4个深度学习的核心部分,包括语音辨识、自然语言理解、执行及回应要求。换言之,当我们与Siri沟通得愈多,等于间接帮助系统提升,教导它愈来愈似人类,从而推进科技发展。

程式自动筛走垃圾电邮

除此之外,根据电脑保安公司卡巴斯基实验室(Kaspersky Lab)统计,约六成的电邮属垃圾邮件。我们每天打开收件匣时,机器学习程式原来已暗中筛走可疑的通讯内容,减少浪费网络资源。

在未有机器学习之前,电邮用户可以自订清单,封锁某些字眼或寄件者,让系统自动把垃圾电邮过滤,惟魔高一丈,垃圾邮件发送者变得愈来愈醒目,会在电邮加入不同字眼,千方百计避过审查。不过,随着机器学习的出现,它可根据全球用户的使用习惯,不停更新可疑关键字内容,不断提升与垃圾邮件斗法的能力。

美国调查机构报告The Nelson Report估计,全球信用卡及提款卡的欺诈交易额每年超过200亿美元(约1560亿港元)。有银行尝试把机器学习套用于各项服务上,预防不当交易的发生。简单而言,机器透过每天学习用户的数据,逐步了解其日常使用习惯,然后以「排除法」揪出问题交易。银行亦会根据全球欺诈交易的特点,快速找出可疑交易,例如若今次发现客户信用卡被盗用时,交易地点大多显示为美国或日本,吸取了这个经验后,当系统下次发现上述共通点,即可尽快通知客户其信用卡可能被盗用,以减轻金钱上的损失。

导航App了解习惯 路线窝心

不论走路或行车,当遇上迷路,我们往往会打开手机,以全球定位系统(GPS)协助导航。由于智能手机容许Google Maps透过GPS存取用户位置资料,令系统可藉机器学习更新道路流量及封路改道等资料,从而更準确预测行车时间。

美国初创公司INRIX研发的应用程式,不但提供实时交通资讯及导航服务,亦会学习司机的行车习惯,向他们提供喜好的路线,比Google Maps更个人化。举例说,若司机每天上班前都会去特定快餐店买早餐,INRIX了解这习惯后,便懂得自动作出导航,假如前往快餐店的路线出现交通阻塞,INRIX会主动提醒及建议转换路线。

医疗行业也开始应用机器学习技术拯救更多宝贵生命。过往医生诊症主要凭临床经验及医学知识,再建议相应的治疗方法。现在机器也可学习成为医生,不但可避免主观判断,更能作出精準的诊症及预测。机器学习收集病人的病历,帮助医生诊断分析,再根据过往的大数据纪录,找出最合适的疗法。2013年,香港中文大学成立初创公司Codex Genetics,以机器学习收集癌症及神经系统病人的数据,如遗传基因、病徵等进行分析。目前Codex Genetics已跟医院管理局合作,冀藉新技术提升医疗服务水平,同时计划进军内地,收集更多相关资料。

要让机器学习普及,必须倚靠科技人才。Google自动驾驶汽车研究部门GoogleX创办人特龙(Sebastian Thrun),于2011年创办网上学习初创企业Udacity,与史丹福大学合作,向十多万学生教授人工智能课程。

特龙表示,机器学习是硅谷最火热的项目之一,它有能力令多个行业进步,减少重複性质的工作,「医生会成为更好的医生,律师会成为更好的律师,汽车可以自行驾驶。」未来,人工智能、机器学习及深度学习将逐步佔据我们的生活,为人类「分忧解难」。

撰文:袁乐雯

不容错过