▲透过大量机器学习方式，让人工智慧系统知道如何正确透过机器手臂夹取不同物件
分享
近期Google旗下DeepMind团队所打造人工智慧系统“AlphaGo”连续三次击败南韩九段棋手李世乭，其背后所采用的类神经网络系统便是模拟人脑思考方式的主要关键。
而为了让人工智慧系统能持续透过大量机器学习累积经验，Google除去年宣布推出开放机器学习框架设计“TensorFlow”，让更多投入人工智慧系统技术发展的厂商能以此开放框架设计累积更多“学习”经验，本身也透过各类方式让人工智慧持续学习，例如在与李世乭进行世纪对决之前，Google便透过诸多围棋对奕流程持续训练“AlphaGo”。
Google、微软训练方式不同，均以大量机器学习累积“经验”
在近期报告中，Google更说明透过14组机器手臂夹取小型物件，让人工智慧系统可配合背后的类神经网络运作方式持续学习，并且修正不同物件的正确夹取方式，一旦系统侦测到先前从未辨识过的物件，系统也能自动校正机器手臂夹取力道、角度，而无须仰赖人力协助调整。
▲持续累积学习后，系统即便发现先前从未看过的物件，也能自动调整机器手臂夹取力道与实际夹取方式
分享
微软方面其实也已经在人工智慧系统投入相当久的发展时间，同样也是藉由串接云端运算资源，以大量机器学习方式训练人工智慧系统如何建立主观认知能力。例如在近期投入的AIX人工智慧发展计画中，微软更透过可在开放世界观产生无限堆叠组合的《Minecraft》训练人工智慧具体反应，甚至可进一步藉由线上互动方式使人工智慧系统持续学习。
微软计画将在今年夏季对外开放AIX平台，将藉由众人力量方式让人工智慧系统可持续学习不同判断经验，一如去年推出猜测照片人物年龄，并且串接旗下Azure云端平台的“How Old Do I look?”网站，使辨识精准度可透过累积大量资料学习持续提高。
▲微软在AIX人工智慧计画中藉由《Minecraft》开放世界观、可无限堆叠创造各类组合，使人工智慧系统从中学习判断如何应对
分享
人工智慧系统暂时还不致于危害人类
不过，无论Google或微软等科技厂商在现阶段所投入人工智慧系统发展，主要还是站在辅助人类生活的角度，并非计画打造一组具备自我思考能力的电脑系统造成恐慌。
以现今发展技术来看，所谓的人工智慧系统多半还是建构在大量机器学习、透过各类运算方式模拟人脑思考模式做出*佳选择，但并非意味电脑系统将具备自我意识，依然要配合操作者下达特定指令后才能实际运作，同时也仅能针对特定领域用途执行指令，例如在与李世乭对奕过程中，“AlphaGo”并不会意识到本身正在下围棋，实际演算流程仅只局限于找出*佳下子进攻与防守策略。
公安机关备案号：
