2017年9月26日 星期二

人工智慧與認知神經科學


對於腦的奧秘,恐怕不是我一個人獨有的樂趣。自古以來,「心」智就是自然哲學的核心議題,雖然那時候以為智慧與感情存於心中。

我對腦的正式興趣啟動於大學最後一年。那時到學校對面的舊書攤,買了十本《The understanding of brain》,分送同學。神經元、神經元軸突、突觸等基本觀念就是那時候建立的。以後也追隨著《Scientific American》不斷的更新知識。21 世紀後由於腦造影技術的快速進展,這個領域開始大爆發。像《腦的秘密生命》這本科普書籍,2011 出第一版,2015 年竟然需要更新出第二版!

隨著對腦了解的進展,人工智慧也快速跟進。人工智慧原來有很多演算法,現在以各演算法已建立的基礎,逐漸向深度學習靠攏。深度學習在90 年代叫類神經網路,因為演算法是模擬神經網路的認知功能,深度學習這個名稱只是更著重在輸入與輸出的多層次架構。這稍堪安慰-人工智慧向人腦學習!

然而深度學習的理論被批評為黑箱子,底層的原因是人工智慧所倚重的認知神經科學其實還有很長的路要走。特別是在創造力這一塊,連業內的專家都莫衷一是:人工智慧能不能有真正的原創力?

這一條線,我認為是人工智慧與人類心智的最後防線。如果人工智慧無法跨越,則人工智慧可以替人類處理所有惱人的雜事,人類心智只負責創造-這是最愉悅的心智活動。如果人工智慧可以原創,那人類所有的生命定義得大幅改寫。開個玩笑,也許就當電影《Matrix》中不甚有效率的生物能源機吧!


我建議給人工智慧界的原創力判別標準是:給古典力學、狹義相對論以及黎曼幾何的知識,人工智慧是否能重新發現廣義相對論?如果可以,我就立即放下紙筆,從此不做研究。畢竟,有那麼多的愛因斯坦,做研究的人還窮忙些什麼?

2017年9月15日 星期五

帶小孩的

我以前公司總經理秘書剛報到,身材高挑,面貌佼好。我問她過去做什麼的。她萬分謙抑的說:「端盤子的。」我知道她是說她以前當空姐。她回問「你做什麼?」,我說:「帶小孩的。」她可沒猜著我的職業。我雖然是跟她打機鋒,但真不是因為謙沖,那是我真實的感覺。

我帶的小孩可是快要成年或剛成年,明明在知識上還是小屁孩,卻還得將他們當成大人相對待,這可真需要耐心。

教他們東西,就想起小學老師扶著小一學生的手一筆一筆的拼寫成字的景象。想到這,我心裏就比較釋然,畢竟我也是這樣過來的。比較不幸的是,現在帶博班的學生時,有時候這種帶小孩的感覺竟又偶偶浮現。正是才下眉頭、卻上心頭。

2017年9月11日 星期一

記憶體公司在DRAM與3D NAND之間的抉擇


在摩爾定律快收尾時,怎麼樣投資是個大學問。


以前說半導體是個 capital & technology intensive 的產業,製程每推進一個節點 (technology node),位元成本大概就可以下降 30% 以上。但是現有的狀況是一個製程節點的推進,成本下降有限,越來越向 10% 靠攏。這時候的巨額投資,就沒有太多高科技市場的特性-早鳥的利益,投資只是增加等比的產能,有沒有利潤,不那麼靠譜了。

2017年9月10日 星期日

科學與科技之間的擺盪


科技部 (Ministry of Science and Technology)先科學後科技,目前將較多精力與資源投諸於技術時,固然稍有助於提升當前遲滯的經濟,但是基礎科研的資源班就少了。

目前當紅的技術如量子電腦或人工智慧,都是8090 年代的科學。特別是量子電腦,當年接到預印時,Feynman 這位物理大師只是像下午茶閒聊的對談,問一問用量子位元與量子電腦能不能提升對量子系統的計算速度。當時先接觸到這題目的,可都是不食人間煙火的高能理論物理學家。如果當初國科會不支持這些看似與應用絕緣的高能物理研究,現在也就沒有可以徵用的人才。


難啊!小國寡民,稅收也低,卻要在科學與技術的發展之間尋求均衡。