上月面世的M1晶片被業界喻為蘋果iPhone後另一個game changer，其過硬數據顛覆傳統PC產業，早已被科技發燒友捧為天之驕子，但令筆者最感興趣的是，M1為人工智能AI的應用帶來無限想像空間，我們或許快見到電影《星球大戰》中一樣奇思妙想的仿生機器人，這可是最引人入勝的地方。
小小的M1晶片，蘊含台積電5納米的工藝，方寸之地難以置信地植入160億個晶體管，蘋果將同級運算力最強的處理器CPU、繪圖晶片GPU及神經網絡引擎NPU完美封裝在一塊SoC（System on a chip）上，因為晶片使用極低耗電的ARM架構，無需風扇散熱裝置，電池續航強大，令新MacBook可以變得更輕巧，一部搭載M1的13吋MacBook Air只有兩千克重，是名副其實方便攜帶的MacBook，價錢低於1000美元，但效能較英特爾i9的MacBook Pro絕不遜色，高檔的16吋MacBook Pro價錢可是高達2800美元。
M1戰力橫掃傳統PC領域
有言M1只是未來M系列的入門晶片，但戰力已經橫掃傳統的PC領域，將來高階M晶片的前景更是不可估量，蘋果股價近日高見137.34美元，市值高達2.24萬億美元，除了造車故事成為股價催升的因素外，M1重劃PC產業版圖亦是另一刺激蘋果股價的因素，近日微軟、亞馬遜及Google爭相開發自家的具AI功能晶片，減少對英特爾x86晶片的倚賴，都是拜蘋果創先河的鼓勵。
簡言之，M1綜合實力並不能單看表面的硬數據，其人工智能NPU（Neural Processing Unit）商業應用潛力更讓人期待。
M1晶片包含CPU、GPU及NPU（或是Google的TPU）三類處理器，CPU是傳統計算邏輯的晶片，就如一部超級計算機，只要有既定場景、合適數據的輸入，理論上它可以完成任何計算任務。不過，隨着數據累積至海量級數，加上如語音及物件辨析等技術的開發，空有運算能力，而無適合演算結構，要讓CPU去辨認相中動物是否一隻貓這種看似輕易而舉的工作，執行任務亦非常低效，所以運算晶片設計需要切合不同特定需要，於是擅長繪圖的集成顯卡GPU及仿效人腦思考的NPU便應運而生。
這裏回到玄之又玄的問題，究竟大腦意識是如何從無生命的物理物質中產生？而思考方式又如何應用在NPU晶片或是人工智能軟件設計上？相信進入二十一世紀的人們都應該或有興趣了解，例如怎樣仿效司機駕車的思維，面對複雜多變的路面情況，建構具有深度學習能力的自動駕駛系統，自動駕駛是AI的重大工程項目之一，若沒有強大的晶片支援，再優化的演算法亦無濟於事。
探索人工智能的知性之旅
提起人工智能，筆者想起一部40年前的奇書Gödel, Escher, Bach: An Eternal Golden Braid，由印第安納大學學者Douglas Hofstadter發表，當中Gödel、Escher、Bach三位正好代表數學、藝術及音樂的大人物，當年Hofstadter希望證明數學，藝術和音樂之間具有美麗的對稱性和聯繫性，成為早期探索人工智能的知性之旅。
Hofstadter相信，通過大量的正式規則和AI生成的規則級別，我們最終可以將這些不靈活的計算機程式演化為有思維意識的機器。如果是這樣，控制思維機器行為的規則和規則級別可以類似地應用於人的思維，即使以現時超級電腦的運算能力，暫時尚未能證實Hofstadter的想法是否正確，但肯定的是他的信仰有不少堅實的追隨者，繼續開發仿生度高、能自我深度學習的機器。
現時人工智能正朝兩大方向發展，一是對針對既定目的的開發應用，可稱為監督學習（supervised learning），另一種就是徹底仿效人腦思考的非監督式學習（Unsupervised learning）模式，就如教育三歲孩童如何學習，由一張白紙逐筆添上色彩，最後成為一幅美麗圖畫。
Google是開發人工智能上投入最多資源的科技巨企，其收購DeepMind先後開發AlphaGo系列的圍棋軟件，但直至它擊敗中韓圍棋頂尖棋手後，人們才如夢初醒，驚覺電腦不但計算能力勝過人腦，而且執行一些非常抽象複雜任務，人工智能軟件亦有賽過人腦的地方。悲觀去想，人還可以自詡為萬物之靈嗎？但樂觀思考，人類可能是時候制訂一些規範機器人的法律框架，搭載自動駕駛系統的汽車或許是最快面世的、與我們最有貼身關係的機器裝置，目前自動駕駛功能大多是以輔助司機駕駛，但人類駕車時一瞬間根本不知你迎面而來的汽車是人駕駛還是機器控制。
DeepMind曾以不同演算法推出多個圍棋軟件，最後版本是AlphaGo Zero，它戰勝了所有上代的AlphaGo軟件，AlphaGo Zero神經網絡使用由Google開發的TensorFlow伺服器進行訓練。神經網絡最初除了基本規則，對圍棋弈理一無所知，AI只是埋頭進行「非監督式學習」的自我對弈，就如周伯通左右互博一樣，幾日間便發展出擊敗人類頂尖棋手的技能。有趣的是這樣的AI不是向人學習，是透過對自我的反思和獨有的創造力直接超越人類，這會否就是人工智能超越人類智慧的簡單道理。
近日在YouTube聽AI權威專家吳恩達（Andrew Ng）訪問Tesla的AI主管Andrew Karpathy的對話頗有啟發性，Andrew解釋Tesla開發自動駕駛軟件時，曾將整個項目分折成多個不同小任務，每個項目都設定起始參數及條件，例如辨析交通燈、路牌指示、人及各類動物，以至其他車輛等等，但效果不彰，最後Tesla重寫自動駕駛系統的軟件程式，Andrew沒有透露太多自動駕駛軟件的商業秘密，但可以推論的是，Tesla先以虛擬場景模仿各種路面突發情況下，學習人類如何駕駛一部類似電子遊戲的虛擬汽車，然後再反饋至路上行走的Tesla電動車的電腦系統中。
