HOME

 

 

那福忠,網路作者。
   
  西海岸數位隨筆
美國西海岸 吸取太平洋與陽光精華 隨時有精彩故事發生
  June 02, 2019  AI背後的魔術
  請把你的想法寫信給我: [email protected]
   

   AI 的神奇有時候像似魔術,本來是人做的事機器也能做,本來人做不太好的事,機器卻能做得很好,許多人的經驗累積,機器怎麼學會的?Google 的個人助理 (Assistant) 能幫你預定餐廳,到外國語言不通可以及時翻譯;亞馬遜的寶寶機器 Alexa,有問必答;臉書的淨化機制,把不當的內容刪除。這些神乎其技的背後,到底有多少魔術?


AI 的背後有哪些魔術?Photo by Markus Spiske temporausch.com from Pexels

   一家加州的餐館,接到一通訂位的電話,說話的是英國口音,來電顯示是 Google Assistant,也就是 Google Duplex 的餐廳訂位服務,這項服務不是線上訂位,是 AI 系統直接打電話給餐廳,跟餐廳裡的人對話。這位餐館的老闆接受訂位以後,覺得對方實在不像機器人說話,就順便問了一句你是機器人嗎?對方回答「我不是機器人」,然後就笑了。

   這是紐約時報的一篇報導,說 Duplex 用人來模仿 AI、再假裝是 AI 模仿人類,負負得正,就是一個有英國口音的人直接向餐館訂位。後經 Google 證實,約 25% 的 Duplex 服務由真人開始,而由機器開始的 15%,會有真人介入。機器與人對話,進入通用 AI 的領域,雖然僅限於餐廳訂位的狹小範圍,仍不是容易的工作,要收集更多的口語辨識以及文字的使用方式,才能逐漸改善對話品質,不再用真人來裝扮。

   Google 個人助理的「翻譯員」(Interpreter),則對旅行在外的人大有幫助,在拉斯維加斯的凱撒宮、或舊金山機場的凱悅飯店,你可以用中文、與說英文的飯店服務員,直接流利對話,中間的媒介就是「翻譯員」,你說的中文立刻在畫面上顯示英文,飯店服務員看了之後用英文回答,也立刻在畫面上顯示中文,雙方雖像雞同鴨講,卻溝通無阻。

   這個會翻譯 27 種語言的翻譯員,不是魔術師,據「衛報」(The Guardian) 美國版報導,Google 用一組稱為「比馬龍」(Pygmalion) 的語言學家,以人力分析語句、加註語詞,使翻譯員得以運作。這一組人力,大部份是有語言學位的學士、碩士、甚至博士,卻是低薪的外雇人員,每天不停的做語詞加註的呆板工作。「衛報」用「白領血汗」(White Color Sweatshop) 為題,報導 Google 對外雇人力的有欠公允。

   Alexa,這個亞馬遜的寶寶機器人,小巧可愛,問她什麼都會立刻回答,可以跟你天南地北無所不聊,可以陪你玩遊戲,甚至兒童偷偷的用她幫忙家庭作業。但也有很多人猶豫,跟這個智慧小機器人的談話,是否會被洩漏出去,傳到不相干人的耳朵。亞馬遜真的會這樣做嗎?事實上,有的時候,有些人,會聽你對 Alexa 說的話,Bloomberg 這樣報導。

   為改善 Alexa 的對應,亞馬遜雇用成千上萬的人,來聽 Alexa 與顧客談話的錄音,寫成文字,灌進軟體,來訓練 Alexa 瞭解人類說話的習慣,提升她的回應的能力。這些被雇用的人很多在外國,像是印度、羅馬尼亞,每人每天工作九小時要處理 1,000 段對話,這樣持續的工作下去。亞馬遜說 Alexa 住在雲端,會一天比一天聰明。

   臉書為了淨化不當內容,除了用 AI 監視刪除,人的判斷還是主力。臉書雇用了很多「審核員」,接受三週半的訓練,就成為正式的內容審核員,檢驗臉書內容的暴力、憎恨、干擾等言詞、圖片、影視,然後決定是否違規、應否刪除。全球共有 20 個場所,15,000 名審核員,負責 50 種語文的內容。

   想當審核員?並不如想像的輕鬆,技術媒體 Verge 報導一名受訓的女孩,在受訓的時候主持討論一段從未見識過的殺人影視,驚嚇之餘跑出去痛哭,並沒有人來安慰。審核員的必要條件,就是不可以討論工作上引發的情緒,即使最親密的人也不能透露,所以逐漸感到孤獨與焦慮,持續接觸負面的資訊以及影視,而徘徊在混亂邊緣。

   審核員訓練完成之後,便成為跨國公司 Cognizant 的員工,不屬於臉書,審核員也不得對外說替臉書內容審核,而且管理嚴格,一週之內犯幾次錯就有被解雇的危險。臉書把審核外包,自然是經濟打算,Verge 以美國鳳凰城 1,000 名審核員為例,時薪只有 15 美元,年薪約 28,800 美元,而臉書員工的中間薪資為 240,000 美元。

   從上面媒體報導的例子,我們看到了 AI 背後的魔術,所謂「魔術」就是人,也就是人的經驗在支撐 AI 神乎其技的表演。人的經驗是一種奇妙又寶貴的東西,每個人都有數不清的經驗,但真正能說出條理來的卻少,說不出條理又如何轉換成 AI 的運算方法?

   AI 持續進展之際,能借用人的經驗提升功能,應是一件好事,但大公司對這許多在後台支撐的人,不要如報導說的那麼嚴苛才好。



上一篇  下一篇  索引