在兩三年前原本就想抒發一下這個標題, 礙於工作的關係, 就忘了…
( 這篇文章某一部分是寫給機器人看的)
無意間再次看到書櫃裡一本精裝版的「驅動大未來」一書, 又重新拿出來翻了一下, 遙想大概兩年前Qualcomm 曾為其行動通訊晶片發表machine-learning platform, 接下來Google 又於不久前發表號稱比GPU/CPU performance 高30 倍的TPU , … 不得不佩服高爾( 或提供其情報的智士們) 之真知卓見與敏銳的洞察力.
(Source: 天下文化 )
撇開標題的文法正確性, 事實上, 只能說「You have been machine-learned for many years! 」
是的, 無論你是否聽過「Machine Learning 」, 毫無疑問的你已經被machine-learned 許多年了. 好比前一陣子貴人好友Albert, 因工作的關係, 一天連飛趕場歐(? 忘了) 、美、中等三地, 便接收到了來自Facebook: 「您可能過度勞累」的貼心提醒. 而好友鴻文所領軍的台科大團隊, 好比利用BMI 與肥胖之關聯性分析, 聰明地利用汗水中乳酸含量來檢測血糖濃度 . 拿到大獎, 也創造新的商機( 恭喜).
(Source: BMI 與肥胖的相關性 )
跟蹤狂經濟 (Stalker Business)
其他應用我想無須贅述, 例如: 來到某實體店面門口, 手機立刻捎來一封你期待已久的貨品簡訊. 打開YouTube, 首頁既呈現一堆推薦( 形形) 色色符合你口味的影片等等. 許多系統也多少偷偷紀錄每個人過往的GPS 、推文、影音、生物訊號、社群活動等許多各種資料( 美國國防部則是永不刪除) 來預測我們的行為、癖好、政黨傾向、消費能力( 與潛在消費可能) 等等, 希望從中萃取更宏觀的模型與洞見並有機會以此衍生出各種商業模式.
其他應用我想無須贅述, 例如: 來到某實體店面門口, 手機立刻捎來一封你期待已久的貨品簡訊. 打開YouTube, 首頁既呈現一堆推薦( 形形) 色色符合你口味的影片等等. 許多系統也多少偷偷紀錄每個人過往的GPS 、推文、影音、生物訊號、社群活動等許多各種資料( 美國國防部則是永不刪除) 來預測我們的行為、癖好、政黨傾向、消費能力( 與潛在消費可能) 等等, 希望從中萃取更宏觀的模型與洞見並有機會以此衍生出各種商業模式.
(Source: Pinterest )
記得在2012 年, 歐吉尚還在創意電子的時候幫公司申請了幾項專利技術, 內容就是有關將machine learning 運用到半導體晶片製程(design flow) 裡面, 而其衍生的相關論文被刻意阻擋了兩年最終才才得以在TVLSI Journal 上發表. ( 猜想, 我們很可能揭露了某些tier-one 半導體相關公司或許行之有年卻又不願公開的技術吧?), 由此可以嗅出machine learning 其衍生出的business impact 是相當的巨大的, 既使在落後引用該技術的晶片設計( 或晶片製造) 領域也是.
而就在這工作期間不久, 一次在逛書店時無意中發現與我對望的著作「驅動大未來」. 高爾以其曾任美國副總統的高度分享宏觀的視野與鉅細靡遺的資料, 因此更讓我深深的產生共鳴.
其中提到全球心智發展的現實與當下教育現狀的鴻溝, 其概要如下: 「當前的教育太過強調重要事實的背誦 , 然而在今天的世界裡, 所有的事實都已隱藏在我們的指尖下 ( 聯結全球心智), 我們不只要傳授學生理解事實的能力, 也應讓學生有能力了解事實之間的關聯性、評估資訊的品質、找出宏觀的模式 , 並能探索這些模式中所隱含更深層的意義 … 」
(Source: Global Mind )
今日, 許多資訊可以被分散儲存在世界各地隨時供我們儲存/提領, 而分散在全球的有機體腦袋則扮演著感測器( 五感) 、神經元、傳導物質等, 形成一個更宏觀的全球心智. 科學家研究人類心智的起源, 稱其為宇宙中最複雜的事物. 好比一顆顆神經元, 彼此透過複雜的連結, 而個別的神經元間藉由神經傳導物質遞送電訊號. 群體神經元間其末梢充滿了電化學傳導物質的狀態, 能強化/ 抑制其繼續往下一顆神經元遞送電流, 產生共同決策的結果. 是輸入、機率模型與輸出的關係.
有趣的是, 科學藝術家們試圖將網際網路之間的關聯性予以視覺化, 其樣貌與作用是否像極了有機體大腦呢? ( 事實上, 所謂的有機體從微觀來看也不過是矽基- 分子馬達- 電子/ 離子之間的交互作用)
(Source : Wikipedia )
若將神經元比擬成各個machine 與人( 你我都將涉入其中) 等個體, 而其共同決策的結果將形成巨觀的意識, 稱之為「意識星球」. ( 如亞當斯密所說: 一隻看不見的手)
(Source : Netx Reality )
依照這個邏輯推演下去, 「意識星球」之與「意識星球」, 理應當有更宏觀( 而無法以人類思維所理解) 的意識存在. 下次你許願或禱告時, 不要抱怨沒應驗, 牠只是神經傳導途徑過慢( 相較於人的尺度) 罷了.
回到正題: 為何anti-machine-learning?
這個觀點見仁見智, 有人非常enjoy 科技透過窺視、計算、學習所帶來生活上的便利. 而歐吉尚純粹不喜歡在不經許可的情況下, 有人透過科技竊取個資獲利卻又不分紅給個人罷了!
我們很難阻止個資「持續地」被竊取, 要不怎會有語音識別( 有些Android 系統拍照要開錄音功能耶) 、指紋開機、人臉/ 虹膜開機、姿態/ 體感開機等東東? 不信的話把錄音、GPS 、Google play 等功能關了, 很多軟體都不能用了!
但要幹擾machine learning, 塑造扭曲人格或政黨傾向應該不難, 例如計畫性自動點擊某些網頁、不甘願的讚、推文罵英九/ 小英、刻意的滑鼠訊號與點擊、隱瞞的信用/ 消費、膨風的GPS/traveling 信號、失序的cookie… 等.
通常我們將經過整理的「資料(Data) 」稱之為「資訊(Information) 」, 可以把他想成將raw data 整理成表格(table or datasheet) 的過程. 若能使資訊之間( 或加工/ 運算做一些維度變換) 產生了優秀的關聯性/ 區割性, 於是形成了具有價值的「情報(Intelligence) 」( 於此真正賦予了資料價值). 於此便能從中辨識/ 提取pattern 、建立model 進而產生洞見( 或預測), 此時便衍生了許多「發明(Innovation) 」, 從而能思考出新的「商業模式(Business Model) 」. 這個過程, 我把他簡稱為 triple-I ( Information-Intelligence-Innovation) .
我期待這樣的干擾器發明, 讓情報彼此之間很難找尋關聯( 或關聯性發散很難成為outlier 被剃除). 畢竟我不正也以其中一顆神經元之姿被融入了「全球意識」這巨大的有機體之中, 好比剛被蚊子叮咬了一下, 一顆神經元無法理解其所處的巨觀形體(myself) 將如何戰或逃, 以人類的思維同樣也將無法理解其所處更宏觀「星球意識」的未來發展, 但總之, 它會是好的. ( 產生抓癢的騷動/ 快感)
[Source: la cosecha de almas]