7
6 月

[筆記] MIX 2018 人工智慧

文 / I-Chun Chao

今年有幸能再次參與MIX 創新設計年會,大會去年帶給我驚豔的體驗和啟發,讓我早在半年前就期待著。

第二天上午的大會主題是AI,議題有:
● 服務設計與人工智慧
台科大工商設計系教授唐玄輝

● AI時代的產品設計
創新工場 AI 工程院副總裁吳卓浩

● 從人機互動到人智互動
國立政治大學傳播學院副教授陳宜秀

● 用戶體驗於人工智慧時代的挑戰
Microsoft SwiftKey 首席工程師許伯圳

AI是當今火紅的話題,先前參加過一些研討會、論壇活動、求職面試等等想更了解這個領域,但對於非技術背景的我而言AI頭上還有很重的面紗。唐老師從現今產業狀態與國際/對岸公司的新零售案例來談論這個議題;吳卓浩副總裁從AI的歷史流變、技術的限制與特點、各類型組織的能量與態度、以及未來設計的方向與因應之道;陳宜秀老師從溝通心理學的角度來切入科技或人機互動引申的問題,以及不同個體間該如何互信;許伯圳首席工程師舉例分享智能輸入設計上諸多的考量,這是我第一次聽到這麼平易近人的AI討論。

其中最令我印象最深刻的是陳宜秀老師的分享和四位講者在Panel的討論。陳老師說使用者不需要理解自動化系統,我們每天用最簡單的心理模型操作複雜的系統,諸如自來水、電力、通訊等等,我們相信這些系統得以信賴,並習以為常,但當出事時人類該如何介入複雜的系統?何時介入?去年815全台無預警跳電,人為疏失和系統的一些自動保護設定,在短短幾分鐘內全台損失了23%的發電量,其他層面造成的損失無可計數。只讓系統做主ok嗎?

另一個案例是Tesla自駕車的車禍,車毀人亡,Tesla發表聲明是該駕駛疏忽,車廠沒有責任,即使該自駕車並非到全自動駕駛之等級,只到第二級卻出現這樣嚴重的問題,該討論的是我們跟科技/機器信任關係。信任在心理學向度與內涵是competence, continuity, motivation,那我們該如何解構?那身為設計人可以如何考量到error rate背後的成本(ex.一條性命),設計出更適切的方案,事前(提高/降低)給使用者的預期或事後的補償措施。

這件事讓我想起之前在上data mining/ forecasting課程時,Galit老師不斷地反問我們選擇表現最佳的model就是好的嗎?這個model一旦出現error,背後的成本是什麼?若成功,執行這件事的成本又是什麼?我們必須不斷地辯證和修正business goal & data mining goal,並把後續的配套方案納入考量,很多很直覺的想法,或好像跑跑model就可以大功告成了,一直到那時候才意識到,任何事情都是有成本的,這樣的成本牽涉到不僅僅是利益而已,還可能會有更多的道德與社會問題。

陳老師用三國志人馬合作攻打敵人做隱喻,人和馬仕兩個共生協作的智慧體,但智慧是否一定得人工? 人和AI的互動是不是要完全依賴AI?信任是一個決定,我們可以如何減少互動的不確定性?從社會規範、道德、法律、情境腳本等等讓科技不斷地被挑戰、適應和接納,由人機互動、人自互動到人智互動。

若AI都把事情做完了,那回到最根本,我們身為人的目的和價值又是什麼?

最後引用《論語 ● 述而篇 》子曰:「志於道,據於德,依於仁,遊於藝。」試問,人該如何游於藝?

我覺得很有趣的是陳老師在演講一開始,以及在Panel討論時坦承地回應很多次:「我不知道答案。」腦袋就開始解構,字面的意思是我不知道答案,而意象意思會不會是其實這個問題沒有答案?

討論中有許多問題,也許大多的聽眾都期待著聽到答案、解法,我自己也是,好像多了一個答案就多一塊拼圖,在未來的日子裡就可以安一點心。我總是渴求知道答案與方法。

陳老師的回答讓我想起我的指導教授Rebecca在咪挺論文時跟我說:「假設你去觀察猩猩,讓猩猩卸下心防,讓猩猩變成原來的樣子。那你去觀察猩猩這件事,就只是Scenario不同。你出去一定不會有Rules給你follow,這點你要先Aware到,你將來出去做事當然不可能有人告訴你說答案就是ABC,Design的Rules都是最Basic的,你一定要有自己可以整合思考的能力,而不是等著別人告訴我Step123,問題就在實際環境是dynamic,有太多外部的因素,即使課本講A,出去的環境就是不一樣,A也不見得適用。」這段對話發生在換論文題目的節骨眼上,腦袋有很多的困惑和疑問。

我不斷地回問自己,為什麼我想知道答案?
在論文上想多得到一點點子和刺激?
懶惰不想思考、不想找文獻和答案,用問的比較快?
不想被換題目重頭開始?

當下得到指導教授這樣的答案時是挫敗的,代表我的論文不僅是原地踏步,還要重新歸零,砍掉重練,一點都看不見未來。老師解的惑不是我想要解的那個惑啊!也只能自己摸索碰撞,另尋出路。

在Panel尾聲,Richard跳出來跟大家討論很多時候我們急於得到方法和答案,忙著問「為什麼沒有人能告訴我…?為什麼沒有人做…?」但都忘了這些缺口我們是不是可以自己來補足,成為那個「沒有人」。(嗚呼,在我的世界裡沒有人想寫論文,幸好那個沒有人最後終於寫完了)

很期待自己未來成為「沒有人」的樣貌。

原文:MIX 2018 人工智慧