2015年在下寫過「打敗機械人」系列，當時還道有點杞人憂天，誰知僅6個月後，2016年的春天，Google的AlphaGo竟以狂風掃落葉的姿態，打敗包括世界棋王李世乭在內的圍棋國手；機器人世紀，儼然業已降臨，幾年來，程式員和電腦科學家們持續不斷把機械人的邊界外延。這裏犯險，以一組小實驗的結果，為人肉智慧（不是人工智能），作個小平反。
人類贏頭輸尾 機械人後來居上
研究員聘用芝加哥大學的學生做實驗，以美式足球為場景，測試這幫尖子對接收訊息的多少、對自己的預測是否有信心、和預測實際上是否準確，研究三者之間的關係。實驗中研究員給學生的訊息由少（6項，如成績、身高……）至多（30項，如球員老豆姓乜？……），測試對預測的信心和準確性，有何影響。同時間，研究員也準備了一個機械人（各種數學模型和程式），同樣給模型輸入由少至多的參數，看看沒有情緒（自信心）的機器所造的預測，比起血肉之軀，成績如何。
結果是：學生贏頭輸尾。即在只有6個參數之下，學生的預測較機械人準確。可是，參數一多，有可能是因為學生以為數據多有助預測，過於自信（行為學的發現），也可能實際上是因為人腦搞不定資訊爆炸的場面，總之，後者的結果是，學生的預測結果由始至終沒有多大改變，而機器沒情緒，參數是多多益善，預測力由低至高上升約3成，幾輪之後其準確性就超越了學生！
這個故事看似是人機各勝一仗，學生在參數少的情況下，憑直覺（即行為學常「詆譭」的系統）+因果分析，做出的預測優於機械人；參數多了，人腦不勝負荷、陣前嗆咳，成績反而落後了。
解靈還須「圖靈」人
但我們有理由相信，分析球賽以至社會政經金融現象，有用的參數本來就不多；況且，參數本身也很有可能每分每秒在跳動、在變化，所謂計劃追不上變化，就是指球局和世事變幻無窮，無法量度。人肉智慧，善於運用有限的參數，以幾千年（甚至更多）沉澱下來的生存經驗，藉人腦奇特的搭線和異想的功能，在資訊不完整、訊息不完全的情況下，抓住重點而捨棄無謂的數據，所以人肉的決定，應不輸於機械人的。
在下的近作《超級巨星經濟學》中講電影《解碼遊戲》（Imitation Game），故事説圖靈臨危受命，本來對解開德軍傳輸訊息一籌莫展，但他某日靈光一閃，想出介入性地把德國人早上慣常用的幾個問候語這個前置硬塞入機器Christopher，命它排除多餘的運算，從而大大地縮短了解密所需要的運算時間，由此一舉破解德軍的密碼，令盟軍反敗為勝。
電影多少會有些戲劇性，然而，人腦的潛能力、創造力和學習力，尤其是對「前因後果」有種與生俱來的解讀力，卻一點都不應被看扁。
原刊於《明報》，本社獲作者授權轉載。
