Watson 更加關心你？　某天人工智能也許會成為你的面試官

企業趨勢專題特寫 by Catabell Lee on 16 三月, 2016

最近最紅的 IT 話題，一定是人工智能。圍棋向來被視為最複雜的遊戲，當人類連這一領域也認輸，人工智能幾乎已經無所不能。比 Google 還早研究人工智能的 IBM，就已經把 Watson 應用於更多生活範疇，日後你能否有新工作，可能還要先問准 Watson 先生。

人工智能可做到哪個地步？

Google 研發 DeepMind 技術的 AlphaGo 人工智能，最近挑戰人類圍棋高手李世石，結果連下三城，打破人們的想像，令人再次關心人工智能技術的發展和可能性。其實人工智能早已走入大家的生活中，由 Siri 到 Google Now，智能助理已走入尋常百姓家，但到底人工智能可以做到哪一個地步，卻仍然有人在挑戰。

IBM 早在 20 年前已在研究人工智能，其研究成果超級電腦深藍（Deep Blue）就專門分析西洋象棋，1997 年更擊敗當年的西洋棋世界冠軍卡斯巴羅夫（Garry Kasparov），震驚全世界。深藍的勝利當時已引來一些人的憂慮，擔心科幻電影如《未來戰士》的橋段會出現，但更多人期望人工智能發展可協助人類解決更多現實的問題。

20 年後的今天，人類還未滅亡，但人工智能發展卻沒有停下來。當年深藍的設計是專門研究西洋象棋，但今天的人工智能早已不限於一兩種使用領域。圍棋是人類發明的所有遊戲中最深奧的，其思路變化是西洋象棋的數百倍，向來被視為人工智能難以達到的「聖母峰」，因此 Google AlphaGo 的勝利才會受到如此重視。

當電腦像人腦般可以自主學習

今年一月底，科學論文雜誌《自然》刊登了 Google AlphaGo 在沒有讓子的情況下，完勝歐洲圍棋冠軍的消息，激起了科技界和圍棋界人士的熱烈討論，Google 更下戰書挑戰近十年被譽為最強的傳奇棋手韓國李世石九段，而賽果已經被廣泛報導了。

深藍的勝利只是運算能力的優勢：每秒鐘計算兩億步棋，把所有可能全列出後再選一步最高分數、最好的。但不同於深藍的人工智能，Google AlphaGo 的背後用的是 DeepMind 技術，而 IBM 最新的人工智能 Watson 也採用 Deep Learning 技術，具備自主學習的能力。

道家《莊子》有曰：吾生也有涯，而知也無涯，以有涯隨無涯，殆已。直譯，就是人類知識太多、太廣泛，人類要學懂所有知識是沒有可能的。但對電腦卻不是如此，在平行運算、雲運算技術廣泛應用的今天，就算是預測明天天氣也變得可行，要學習比人類還要多的知識，並非不可能。

勝了圍棋只是「小事情」

從這個角度來看，人工智能勝了圍棋真的只是「小事情」。你想想，再厲害的圍棋機器人也沒什麼商業價值，畢竟這只是小眾興趣，更別提一般人下棋只是為了娛樂，不是挑戰難度。深藍當年的勝利能振興 IBM 股價，當然不是因為 IBM 可以推出西洋棋遊戲賣錢，而是人們相信人工智能可做更多的事。

20 年前的深藍是為了挑戰西洋象棋而設計，因此當勝過世界棋王後就已經可以退役。但 Deep Learning 技術就像人腦一樣有無限可能性：只要你教給它圍棋，它就學圍棋；教它烹飪，它就學烹飪。人工神經網絡是一種複雜的非線性系統，即使是複雜的抽象概念也能理解，只要讓它們有足夠的資料學習，理論上沒什麼事可以難倒。

而在剛於澳門舉行的 IBM Executive Summit 2016 上，IBM 就展示了他們研發的深度學習人工智能 Watson 的各種可能性。由大家在科幻電影會見到的智能助理，到創造新菜式的 Chef Watson，以至應用到分析股市、消費者行為，甚至連接待員、面試官也做了，認知運算時代（Cognitive Era）已經來臨。

認知運算時代已經來臨

早前 Unwire.pro 就報導過，IBM 去由傳統 IT 方案供應商的業務，轉型為以提供雲端服務和認知商業為主的業務模式。而這已經陸續開始反映在業績之上，IBM 香港區總經理戴澤棠向 Unwire.pro 透露，去年 IBM 的收入中就有 35% 來自認知運算（Cognitive computing）和雲計算，而且預期未來比重將會更高。

「經過十多個季度的轉型，IBM 現在已逐步成為一家以提供認知運算和雲計算服務的公司，基於這兩項新業務的收入也由 2013 年的 22% 增至去年的 35%。我們預期這個比例會繼續提高，成為更重要的收入來源，但同時也會保留現有的傳統 IT 業務以應對客戶要求。」戴澤棠說。

現在幾乎每家公司都會討論「大數據」，但當非結構化數據愈來愈多，這些看不見的、易被忽略的數據將愈來愈多。而認知運算就讓電腦學習像人類般思考，了解結構化及非結構化數據後自行推測、深思、論證、推論，突破人類分析的盲點。

基於認知運算的各種解決方案，將在不同領域為人類提供服務，甚至可改變人們學習、生活、交易、建立關係、競爭與致勝的方式。而 IBM Watson 正是認知運算的實際應用，據戴澤棠透露已有多達 42 個 API 可以運用，並陸續應用在商業分析、會計、金融、醫療、烹飪、接待等不同領域。

理解自然語言、做到真正「對答」

換言之，下棋其實只是很「小兒科」的事。藉由借助 IBM Watson，其實能為人類處理更多更生活化的事。例如希爾頓酒店集團就開始在美國維珍尼亞州的 Hilton McLean 酒店，測試使用 IBM Watson 技術的人工智能禮賓機械人。

酒店住客可向機械人查詢常見的問題，例如酒店附近有何景點、餐廳、名勝之類，當然也能查詢酒店信息。查詢當然是透過語音對答進行，而背後正是利用了 IBM Watson 的深度認知技術，處理自然語言分析並理解內容後對答。

以前也有人做過對答的人工智能，如果有一定網齡的讀者可能都在 MSN 或網上聊天室對答過。你會發現經常「牛頭不對馬嘴」，原因正是當時電腦沒有理解語言。而自然語言分析就做到真正了解問題是什麼，並從雲端找到正確的解答，背後便是深度學習的成果。

類似的機械人助理已開始應用在各種服務業的接待工作，例如美國的希爾頓酒店、日本的三菱日聯銀行和軟銀等，不僅作為一種綽頭，普及後更有助減少對服務人員的人手依賴。有研究指在未來 30 年內將有一半人類的工作崗位會被自動化所取代，人性化的人工智能將令需要面向人類的部分工作更易用機械人取代。

深度學習醫療案例，減少斷錯症機會

也許有人覺得接待工作未必需要很高智能，但其實要了解 50 種語言並能快速對答，絕對不易。另一個 Watson 的應用是醫療，去年 IBM 就成立了 Watson Health 專注在醫療應用上，協助醫生做出更精準的醫療判斷。就像 Google AlphaGo 要先分析成千上萬的棋譜才能挑戰棋王，醫生同樣需要花大量時間研究案例，才能在臨床時有更正確判斷。

但問題是人類時間和記憶也界限，不可能所有案例都看過，而 IBM Watson 便正是作了這一個支援角色。透過用深度學習來了解大量的醫療案例，當醫生作判斷時就能提出多一個意見，若遇上比較罕見案例，醫生有可能會忽略某些可能性，這時 Watson 的意見就能作為一個保險。

初創公司 Pathway Genomics 就與 IBM 合作研究，將會收集及分析求診者的基因序列分析後，將結果送予 Watson 分析，從而提出建議飲食習慣、作息、運動、藥物應用的改善。如果再配合 Watson IoT 物聯網技術，未來可配合穿戴式裝置掌握更多使用者的身體數據，不僅可改善健康甚至有助更多的醫療科學研究。

分析股票保險，助人類作出最佳決定

回到更多人關心的金融服務類別。在剛過去的 IBM Executive Summit 2016 上便展出了多款基於認知運算的商業方案。例如保險業可分析保單和保費，除可檢查各種理賠申請的可信性和應賠金額外，也可按申索次數和金額而自動化計算續保時的保費，甚至利用物聯網技術掌握投保人的生活和飲食習慣，為客戶訂製更適合的保險計劃。

又例如股票分析往往看股民情緒，並非只看企業的業績。IBM Watson 就可透過自然語言分析，收集該公司在網絡上被報導和討論的活躍程度，甚至能分析內文是屬於正面的還是負面的，從而掌握股民情緒，協助持股的基金或企業及早作出部署。雖然現場指並未做到直接按分析結果自動買賣，但用作個人理財智能助理卻絕對有其價值。

能否找到新工作，要問 Watson？

但在 IBM Executive Summit 2016 上最教 Unwire.pro 眼前一亮的，是把 IBM Watson 用於人力資源（HR）上。還記得文章開始前說「能否有新工作可能還要先問准 Watson」嗎？這並不是說人工智能要趕絕人類了，而是人工智能將成為「人事部」的一部分，未來你的面試官隨時包括了 IBM Watson。

網絡上有這樣的故事流傳：有一中國女生到德國留學，發現當地的地鐵沒有檢票口，為了省錢就每天都逃票。畢業後在歐洲求職，屢次被拒後發現，原來是因為她有數次逃票被抓的紀錄，企業認為她不值得信任，因此沒有公司願意聘用她。

故事真偽不是重點，而是現代的商業機構並非只重視一個人的學歷和能力，應徵者的品格、性格、態度等因素都是考慮之列。要對應徵者「起底」，尤其是數量比較多的求職者的時候，人力其實是很困難的，而 IBM Watson 便能協助機構收集應徵者在網路上的言行，再配合面試時的資料綜合分析，如果某些特質並不適合這崗位，就會拒絕聘用。