人工智能（AI）系統利用機器（軟件或硬件）代替人類的行為，要達到這目標，持續學習非常重要。人類自小便爭取機會多讀書、看報紙、看電視、上網等，目的就是增廣見聞，充實自己。同樣地，電腦也仿效人類不斷學習，此行為便是多年來科學家積極鑽研的「機器學習」（Machine Learning, ML）。機器學習是體現人工智能的「關鍵促成技術」（Key Enabling Technology），概括而言其落實可以基於不同方法，例如數學模型（Mathematical Modeling）、計算機算法（Computational Algorithm）、神經網絡（Neural Network）等。
「深度學習」技術應用廣泛
值得注意是近年「深度學習」（Deep Learning, DL）技術大行其道，它是基於「多層」神經網絡的機器學習方法。簡單來說，一層神經組織負責處理一項任務，「多層」即是把多項任務串起來統一處理。
以「人臉識別」應用為例，系統之目的是從一張照片中識別出目標人物，整理過程中第一層任務是把相中所有物件（object）的邊界（boundary）認出；第二層把各部位的相關邊界連接起來識別人臉的部位（例子臉形、眼睛、耳朵、眼眉等）；第三層把各部位本身及與其他部位之間的特徵找出來，最後第四層把所有人臉特徵組合起來判斷相中人的身份。
透過「深度學習」，系統訓練可以一次過把四層的任務，一層接一層地同時處理，這做法可減少每一層獨立處理之後再互相連接的時候所產生之錯誤，分別包括自身及複合錯誤。「深度學習」被人工智能業界廣泛使用來研發創新的應用系統，如「實時機器翻譯」（Real-time Machine Translation），效果顯著。
機器學習依靠大數據作模型培訓，因此數據質量是機器學習的關鍵問題。數據不足可以嚴重影響學習的可靠性，情況等同在統計學中數據不足會局限統計結果的覆蓋範圍，繼而系統的準確率。
事實上，這亦是學術界做科研經常碰到的瓶頸問題，原因是工商業界擁有全球九成以上的應用數據，尤其是互聯網巨擘例如騰訊、谷歌等公司，學術界能使用的少之又少。針對數據短缺問題，有人工智能科學家提出以下折衷方案：
「遷移學習」（Transfer Learning）是將一個源領域（source domain）已訓練好的模型遷移至目標領域（target domain），從而建構出另一個相應而有效的目標模型。此舉可以避免機器學習由零開始，節省大量訓練數據的需求。以自然語言處理應用為例，既然系統已學會處理西班牙語，便可以把技術遷移至學習意大利語。又例如機器人經培訓後學會踏雙輪單車，它便很容易去學會駕駛電單車。
「聯邦學習」（Federated Learning）促進數據共享，各領域都擁有自己專有數據的電腦節點，透過分布式互相學習，可以強化各自的人工智能。由於各節點的數據格式不一致，難以集中管理，有見及此，近期科學家積極研究利用基於去中心化原理的「區塊鏈」技術，進行高效分布式學習。
科研偏重商業 弊多於利
在數碼經濟社會中，「數據是王者」（Data is King），可是這現象引發「富者愈富，窮者愈窮」的馬太效應。大型跨國企業會利用自己的「大數據」推陳出新，研發出創新的人工智能產品，而中小型企業及學術界因數據不足，在發展速度上望塵莫及。若然情況沒法改善，全球的科研便會偏重於商業應用，而忽略基礎科學，長遠而言對未來人文發展弊多於利。
原刊於《信報》，本社獲作者授權轉載。
