本文摘錄自《機器，平台，群眾：如何駕馭我們的數位未來》，作者：安德魯・麥克費（Andrew McAfee）、艾瑞克・布林優夫森（Erik Brynjolfsson），天下文化出版。
機器人之「舞」（DANCE）
這些自動廚師是我們前麻省理工學院同事、現任豐田研究機構（Toyota Research Institute）執行長吉爾・普萊特（Gill Pratt）所謂的機器人「寒武紀大爆發」（Cambrian Explosion）的早期例子。開始於五億多年前的寒武紀大爆發，雖然是一段相對較短的時期，但地球上大多數主要的生命形式——「門」（phyla）——都出現在這個時期。幾乎現今地球上存在的所有主要生物類群，都是源起於這個進化創新大爆發。
普萊特相信，我們即將經歷相似的機器人創新大轉變。他在 2015 年發表的一篇文章中寫道：「今天，幾個陣線的科技發展，正在激發相似於寒武紀大爆發的機器人多樣性與應用性。很多建造機器人仰賴的基礎硬體技術，一直呈現指數型成長進步中，尤其是電腦運算、資料儲存、通訊等領域的技術。」寒武紀大爆發的最重要賦能因素之一是視力——生物學物種首度能夠看到世界，這為我們的遠祖開啟了大量的新能力。普萊特說，機器現在也處於相似門檻；有史以來，機器首次學習觀看，很多能力和益處也伴隨視力而來。
我們的訪談與研究，指向五個並進、互依、重疊的領域，近年來出現了重大進展： 資料（data）、演算法（algorithms）、網路（networks）、雲端（the cloud），以及呈指數型進步中的硬體（exponentially improving hardware）。我們使用頭字語「DANCE」，比較好記憶。
數十年來，音樂 CDs、電影 DVDs，以及網頁不停增加這個世界的數位資訊量。但在過去幾年，數位資訊產量出現爆炸性的成長，IBM 估計，世界上所有的數位資料，有 90％是在過去 24 個月內創造出來的。智慧型手機與工業設備的感應器傳送訊號，還有不斷上傳的數位相片和影片，源源不絕的全球社群媒體資訊流，以及其他許多資料來源，結合起來把我們帶入空前的「大數據」時代。
- 演算法 A
資料洪流很重要，因為它支持、加速了上一章敘述的人工智慧與機器學習的發展。現在主宰整個領域的演算法和方法，例如深度學習及強化學習，都有一個共通的基本特質：餵入的資料量愈多，成果就愈好。大多數演算法的性能，通常呈現漸趨平穩或漸近線，到達一個點之後，餵入更多資料，改善效果極少，或是不再改善。不過，現今許多被廣為使用的機器學習方法，還未出現這種現象。吳恩達告訴我們，就現代演算法來說，「摩爾定律和一些很優異的技術功效，持續推遲了那條漸近線。」
長短程無線通訊技術與協定，都在快速進步中。AT&T 和威訊（Verizon）2016 年都宣布開始測試 5G 無線技術，下載速度高達每秒 10GB。這比 LTE 網路（目前廣為布署的最快速網路），平均傳輸速度快了五十倍，而 LTE 的速度比上一代的 3G 快了十倍。這種速度進步意味的是更好、更快的資料累積，也意味著機器人和無人機能夠持續保持通訊，在運作中協調作業，對快速變化做出反應。
現在，組織和個人可以取得空前未有的電腦運算力。應用程式、無預先配置或已預先配置的伺服器，以及儲存空間，全都可以透過網際網路長期租賃或只租用幾分鐘。這種大致上發展還不到十年的雲端運算基礎設施，從三個面向加快了機器人寒武紀大爆發。
第一，它大大降低了進入門檻。以往只在優異的研究型大學和跨國企業的研發實驗室，才能看到的電腦運算資源，如今新創公司和獨立發明人也可以取得。
第二，它讓機器人及無人機的設計師，可以針對局部運算或中央化運算進行取捨：哪些資訊處理作業應該局部在每台機器人的腦裡執行，哪些則應該在雲端大腦中執行？目前看來，至少在未來一段時間內，資源最密集的工作，例如重複以往經驗以從中汲取洞察，將會在雲端處理。
第三，或許也是最重要的面向，雲端意味著每一台機器人或無人機，能夠快速得知群組內另一台機器人或無人機所做的事。誠如普萊特所言：「人類花了數十年的時間學習，才足以在共同知識的本子上添加重要新知。機器人不僅站在彼此的肩上學習，一被創造出來之後，幾乎就立刻開始在機器人知識的本子上添加重要新知。」這種「集體心智」（hive mind）的一個早期例子，是特斯拉自動駕駛車車隊，所有車子彼此分享行經的路邊物體資料，歷經時日，公司就知道哪些物體長設於那個地點（因為很多車子經過，都會看到那個物體），所以那些物體不大可能突然跑到道路中央。
- 呈指數型進步中的硬體 E
2015 年，摩爾定律歡慶五十週年——摩爾定律是：積體電路可容納的電晶體數量，平均每 18 到 24 個月倍增——當時它依舊強勁。近年，有人說，摩爾定律會碰上物理限制，倍增速度即將趨緩。這或許是真的，但縱使科技業的科學家和工程師，在未來幾十年想不出如何在矽片上進行更細蝕刻，我們相信，在未來很長一段時間內，仍將享有價格更低、性能更好的處理器、記憶體、感應器、儲存裝置和通訊器材等數位工具。
何以見得？無人機製造公司 3D Robotics 的執行長克里斯・安德森（Chris Anderson），為我們提供了一個生動例子，讓我們一窺無人機產業及其他許多產業的情形。他給我們看一個直徑約一英寸（2.54 公分）、長約三英寸（7.62 公分）的金屬圓柱說：「這是陀螺儀感應器，一種機械裝置，售價 1 萬美元。1990 年代，這種機械是航太工廠一些很有才能的女士手工打造的，負責軸的動作。在我們的無人機上，有 24 個這類感應器。如果一個要價一萬美元，感應器就要 24 萬美元，它們加起來還像冰箱那麼大。我們用的是一片或數片小晶片，只要三美元，體積小得幾乎看不見。」
安德森這番話想凸顯的重點是，材料很便宜、全球市場龐大、競爭激烈、大量製造的規模經濟，結合起來基本上就是確保價格持續快速下滑、性能持續改善。他認為個人用無人機是：「智慧型手機激戰的和平紅利。智慧型手機使用的元件——感應器、GPS、相機、ARM 核心處理器、無線技術、記憶體、電池等，全都在驚人的規模經濟，以及蘋果、谷歌等公司的創新機器的驅動下，變得非常便宜，只要幾美元。基本上，十年前，它們是『難得素』（unobtainium），用於國防產業技術。現在，到 3C 賣場就能買得到。」
DANCE 這五項發展，促使機器人、無人機、自動駕駛車輛，以及其他許多深度數位化機器的寒武紀大爆發。遠遠較便宜的工具，促使創新和實驗速度加快，產生了如洪流般的資料，這些資料被用來測試與精修演算法，幫助系統學習；演算法被放到雲端，透過穩定、普及的網路，傳送給各種機器；創新者再做下一回合的測試與實驗，這樣的循環一直持續著。
from INSIDE 硬塞的網路趨勢觀察 http://ift.tt/2GWcSkN
沒有留言:
張貼留言