傳媒不斷報導人工智能和機器學習會改變未來，但有多少人想像到可用它們來做什麼事？最近 Google 就向 Unwire.pro 分享了兩個日本案例，如何利用 Google Cloud Vision 的人工智能來為日本美女工程師去除皺紋、為農夫挑選優質青瓜，而且編程更簡單得就算新手也只需一天就完成。
最近有兩個美國卡內基美隆大學的學生，利用深度學習技術製作了一款能夠自動操作經典射擊遊戲《Doom》的 AI 人工智能，而且其強度甚至能在多人對戰模式中打敗其他人類對手。而他們更把它作為論文題目，詳細論述如何實現自動操作的遊戲人工智能。
事實上當 AlphaGo 成功挑戰棋王後，就指將會挑戰多人遊玩線上遊戲。筆者自幼不算擅長電子遊戲，面對電腦也常會一籌莫展，如果未來的對手是更高人工智能的電腦角色，應該會更加苦惱吧？不過學界就有人抨擊認為上述研究只是在製造「殺人的人工智能」，違反「機械人倫理」。
科學家們反對教人工智能打機當然並不是怕遊戲更難玩，而是擔心在培養訓練一個「擅長殺人的人工智能」。並不是今天才有人研究把人工智能帶到軍事上，科幻故事中能高效率屠殺的殺人機器絕對不是流於幻想，因此才有科學家提倡「機械人倫理學」。
人工智能絕對可用於造福人群
之前也在文章中提及過「機械人三原則」，而「機械人倫理學」實際就是研究人類和機械，尤其是人工智能間的倫理關係，涉及不少敏感議題如殺戮機器、性愛機械人等。而前述的研究就被指是教導人工智能如何更有效率地殺人，而教導的成果也很難用於正面的事情上。
愈來愈多科學家擔心這事會成真，著名物理學家霍金就聯同超過 1,000 位學者及專家，在 2015 年就發表聯署反對 AI 武器的研究。由於 AI 武器不像核武般高門檻，甚至不用儲備核原料，軍事大國開發 AI 武器並不困難，而科學家更擔心 AI 武器流入黑市，最終會成為恐怖分子或獨裁者用於屠殺、暗殺的工具。
其實使用「深度學習」教導電腦工作還有很多更值得的事去探索，最近 Unwire.pro 越洋探訪了 Google 在新加坡的亞洲總部，Google Cloud Platform 業務大中華區總監陳美侖就分享了於美容和農業領域上，應用「深度學習」的案例。
日少女用人工智能提醒自己保持微笑
不少女士都愛自拍，貼上網前更要先用「美圖秀秀」修改，而各種標榜美肌的自拍相機更是大行其道，難怪連「美圖秀秀」都計劃要在香港股票市場上市。不過再好的後製修圖技術，也不如直接保養自己的皮膚更好，而來自日本 Geechs 公司的女性開發者橋香代子（Kayoko Hashi）就利用了 Google Cloud Vision 深度學習技術來為自己去除皺紋。
說是「去除皺紋」當然有點誇張，畢竟並非塗在臉上的護膚品。不少人都同意，笑容是令人感覺更年輕的魔法，而皺眉表情就只會促進皺紋形成。而橋香代子就利用 Google Cloud Vision 的臉容辨識技術來監察自己的表情，讓自己盡力保持微笑，而不是愁眉苦臉。
本身不是軟件工程師出身的她，之前是一家時裝店的職員，後來決定辭職旅行，並在菲律賓參加了一個給新手學習編程的課程。這時的她並沒有任何電腦編程的知識或經驗，更遑論是對人工智能的研究。但這次機會讓她接觸了 Google Cloud Vision 並引起興趣，利用其 API 就做到一個用臉容辨識技術來提醒自己注意表情的程序。
編程新手只花了 6 小時就能駁上人工智能 API
橋香代子透過利用電腦的視像鏡頭來監視自己的表情，當臉上出現笑容時，影像的左上角就會出現發光的魔法寶石，笑容愈燦爛就愈光，反之當沒有笑容就會變黑，而且電腦桌布還會變成女巫的圖像，提醒她要保持笑容。當她回復微笑時不僅寶石發光，更會彈出一個日本男明星照片來讚賞她的笑容。
她在訪問中就提到以前做時裝店員的工作常會保持笑容，而轉職為工程師後總是面對電腦，逐漸就變得目無表情，而這款概念程式就能提醒自己保持笑容。陳美侖在分享這案例時強調，當時還是新手的橋香代子只花了 6 小時就完成了編程（不過 Unwire.pro 訪問當事人卻表示實際為一天左右，而且也在朋友支援下完成），反映接駁 Google Cloud Vision API 的容易。
其實類似的應用案例也有不少，例如已有零售方案能辨別出廣告牌前的消費者年齡和性別，繼而提供相應的廣告資訊，而辨別消費者的表情也能協助品牌掌握消費者的愛惡。而且臉容辨別絕對不只能應用在零售方案上，像相機的微笑快門就已經是這些技術的應用實例，應用場景可以很多。
農場教導機器自動揀選優質青瓜
陳美侖也分享了另一個在日本的案例。前面提到的是比較新潮的行業，而農業就相對是較少應用新科技的領域。不過隨著愈來愈少年輕人投身農業，農業也面臨老年化的問題，之前 Unwire.pro 就訪問過香港的保心安藥廠，怎樣利用機器生產線來減少對年長的包裝女工的依賴，使能夠繼續順利生產。
日本農業也有這情況，陳美侖分享的案例就是農場。前職日本汽車系統設計師 Makoto Koike 的老家是經營農場的，家中長輩務農多年很擅長從收成的青瓜中揀選出優質的並帶到市場銷售。由於品質佳的農產品可出更好價錢，篩選工作就非常重要。
一年前 Makoto 回老家幫忙農務才發現要揀選青瓜並不容易，但隨著家老年紀漸長，愈來愈難長期間做這些花費精神的工作，那自然會想利用科技來自動化。日常農務不少部分可以自動化，但揀選青瓜就困難得多，一方面易損毀，二來揀選過程很難自動化。
免除人手培訓也能確保分揀工作順利
Makoto 就利用視像分析的辨別技術，但這次就不是人臉，而是青瓜。原來市場上並沒有一套既定的揀選行業標準，每個農場都有自己的分類標準。因此他要從大量的優質青瓜中收集數據，每天花費 8 小時在揀選之上。揀選標準包括大小、粗幼、顏色、紋理、皮刺等，而揀選後的青瓜會被拍照分析，讓電腦自行學習。
由於揀選是需要經驗的，單靠在收割高峰時段聘請兼職人員，其實很難達到一致的標準，而培訓的時間和成本也不少。而 Makoto 就利用 Google 的開源機器學習庫 TensorFlow，培訓電腦去做這個角色，當青瓜收割好並放到輸送帶後，鏡頭就能分析每條青瓜的品質，再自動分流出不同品質水平的青瓜，再按品質送到市場去。
市場上現成的自動分揀機不僅高成本，性能也有限制，中小型的農場並不傾向採用。而利用深度學習的另一好處是能夠「進化」，即使農民忙於耕作之上，電腦也能自行在每日的工作流程中獲取更多數據並學習，不需農民多費花思也能愈做愈好，這就不是現成方案做得到的。
Google 切入雲端市場靠人工智能？
也許有讀者會留意到，為何會是由 Google 雲端平台負責人來介紹他們的「深度學習」案例？這其實反映了 Google 雲運算服務的最新戰略。提到商業用的公共雲服務，大多都會先想起 Amazon 的 AWS，之後會想到 Microsoft 的 Azure，再之後才會想到 Google Cloud。
Google Cloud 作為落後的參賽者當然要為服務增加價值，而 Google Cloud Platform 的增值服務正是人工智能。Google 為 Google Cloud Platform 提供人工智能的試用服務，包括語音識別、翻譯、大數據分析等，前面提到的兩個案例都是運用了 Google Cloud Vision API 的例子。
陳美侖坦承 Google 雲端服務的確落後其他對手，但 Google 具備其他前瞻性技術可加強 Google Cloud Platform 的能力，通過開放 Google Cloud Vision API 給用戶接駁，就能即時獲得人工智能的優勢，這是目前其他對手難以企及的，也是 Google Cloud Platform 在價格戰以外的競爭本錢。
面向創業市場提供「AI-aaS」的按需服務
陳美侖分享 Google Cloud Platform 最新戰略的場合是 Google EYE 年青創業家計劃的交流團，可以想像 Google 希望更多初創公司能夠試用 Google Cloud Platform 的用心。創業公司愈開愈多的背景，眾所周知跟「按需」的 IT 採購模式的出現有莫大關係，而可以按需使用的人工智能 API 就是另一波推動力。
兩個日本的 Google Cloud Vision 案例都強調簡單，而且也是實驗味道濃厚。這其實就跟初創公司很相似，畢竟很多創業公司的想法都是突如其來，需要時間驗證概念產品。按需的人工智能 API 就為需要用上人工智能的初創概念提供了彈性，隨時能夠用廉宜價錢就能驗證概念，並隨使用人數和業務而擴展。
事實上另一提供人工智能服務的廠商 IBM 就非常積極宣傳，可為初創公司提供彈性的人工智能服務，之前訪問過的香港智能眼鏡 MAD GAZE 便是例子。未來「AI-aaS」的模式將會愈來愈盛行，屆時生活中也可見到更多應用了人工智能的服務，人工智能平民化的時代快將來臨。
作者：Boris Lee
Unwire.pro 資深編輯。在企業 IT 科技報道範疇有十多年經驗。
