<內容介紹>
本書榮獲日本2016年商業書大賞評審團特別獎
知識轉移新浪潮，深度學習大爆發。
一本書，解答你我對於人工智慧的所有疑問。
人工智慧翻轉世界的產業革命，
摩爾定律之後的新聖杯！
2016年3月，Google開發具有深度學習（deep learning）的人工智慧AlphaGo，以四勝一敗擊敗圍棋好手李世石（Lee Sedol）。軟體銀行（SoftBank）機器人Pepper也開始進入人類職場，開始擔任大廳接待工作。
然而，對於一般人來說，無法分辨機器人（robot）和人工智慧（AI，artificial intelligence）究竟有什麼不同。
事實上，人工智慧是抽象的思考，不需要有形體。機器人則有形體，而他們的「腦」其實就是人工智慧。
機器人與人工智慧一步步入侵你我的生活與工作，讓人感到驚慌失措的是，人工智慧繼續發展下去，到了2045年，人工智慧即將超越人類智慧，這就是Google工程總監雷‧庫茲威爾（Ray Kurzweil）預測的「奇點問題」（singularity problem）。
不過，與其擔心自己的工作是否被機器人與人工智慧取代，不如先深入了解它們，這是本書作者松尾豐（Yutaka MATSUO）撰寫本書的出發點。
松尾任教於東京大學，是日本研究人工智慧的第一把交椅，他也是日本人工智慧學會（JSAI，The Japanese Society for Artificial Intelligence）倫理委員會主任。
日本人工智慧學會為什麼要成立倫理委員會？源於2014年1月該學會出版的雜誌，使用一位女性機器人做家事的插圖當成封面，引發「歧視女性」的爭議（把做家事和女性劃上等號）。
因此，倫理委員會一開始討論的議題，是「機器人的外貌該如何設計，才能讓人接受？」。但是，更深刻的議題是，如果機器人和人工智慧取代人類的那一天來臨，你我應該如何是好？
本書中，松尾豐歸納人工智慧的過去、現在與未來，說明「現在的人工智慧，能做什麼又不能做什麼，以及未來能做什麼」。
人工智慧能否取代人們的存在價值？答案就在本書。
◎機器人與電腦軟體戰勝人類年表
1997年，IBM電腦軟體深藍戰勝西洋棋世界冠軍蓋瑞・卡斯巴羅夫（Garry Kasparov）。
2012年，IBM超級電腦華生（Watson）在智力問答節目中戰勝歷屆冠軍。
2012年日本第一屆將棋電王戰中，前一年的世界電腦將棋軟體Bonkras，戰勝永世棋聖米長邦雄。
2013年，Amazon自動無人駕駛飛機專案正式啟動。
2014年，第三回將棋電王戰電腦軟體取得四勝一敗，維持電腦戰勝人類的優勢。
2015年，Google自動駕駛技術實地實驗。
2016年，Google深度學習專案電腦圍棋AlphaGo戰勝棋王李世石。
2021～2022年，機器人東大君有可能考上東京大學，證明人工智慧可以考進日本最高學府。
2045年，奇點（singularity）逼近，人工智慧開始自我進化。
【推薦序】打造有智慧的機器
文╱于天立（國立台灣大學電機工程學系副教授）
大家可能還記得電影《模仿遊戲》（The Imitation Game）中，電腦科學之父，同時也是人工智慧之父艾倫・圖靈（Alan M.Turing），想要建一個可做任何事的機器。
首先，圖靈機有無窮多個而且可被編號，而所有的圖靈機定義了所有可被計算的函數。你可以想像有個一號圖靈機可以做加法，有個二號圖靈機可以做開平方根等等。圖靈証明了通用圖靈機（universal Turing machine）的存在：只要你輸入某個號碼，它就可以「模仿」其相對應的圖靈機。在上面的例子中，對通用圖靈機輸入2，它就會做開平方根的工作。
說穿了，圖靈機其實就是可程式化機器，所謂輸入的號碼其實就是程式，而現在的電腦就是通用圖靈機的一種不完美（因為沒有無窮的記憶體）的實作成品。這種想法在現今電腦充斥的年代看來可能稀鬆平常，但當年在許多人看來是件瘋狂不可行的事情。
事實上，從發展圖靈機開始，圖靈就一直在思考「機器的智慧是什麼」。
如果我們再進一步的思考，把人視為一個函數：以環境所有歷史紀錄（從有感知開始一直到現在的時間點）作為輸入，而輸出動作或回應。就這個觀點來看，通用圖靈機應當可以模仿一個人的所有行為，也就是產生出人造的智慧。人工智慧此一學科由此誕生。
對於機器可以模仿人的想法，許多人抱持著懷疑的態度。本書作者的研究所學生時期是1997～2002年，而我則是2000～2006年，所以對書中作者提到的挫折很有感受。2000年左右，當時電腦中最熱門的領域是網路及多媒體應用。當有人聽到我想投入人工智慧及機器學習領域時，常見的反應是「為什麼不去研究網路多媒體，做點實際的東西出來」，一副好像人工智慧就是在打高空，不切實際的樣子。然而當時誰又能想到才沒十幾年的時間，人工智慧已經發展到了現在的樣貌。
在AlphaGo戰勝李世石（Lee Sedol）之後，有許多人認為AlphaGo靠的是大量的運算，而並非真的瞭解圍棋。這類聲音正如IBM開發的超級電腦「華生」（Watson）在益智問答競賽中勝過人類後，被認為並非真正瞭解問題本質。這裡我想引用一段電影模仿遊戲中的台詞：
Of course machines can't think as people do. A machine is different from a person. Hence, they think differently. The interesting question is, just because something, uh... thinks differently from you, does that mean it's not thinking?
人類常常習慣性的本位主義思考，認為電腦就算能得到答案，但它並不瞭解問題的本質，也沒有所謂的思考。其實反過來想想，其實可能只是人類並不瞭解電腦「思考」的方式（現今機器學習中許多的演算法，就算是開發者自己也無法完全預測電腦最後的行為）。若以圖靈測試這種操作型的方向來思考，當電腦可以在某些問題上表現的比我們還好，我們卻說電腦並未真正瞭解問題本質是否過於武斷了呢？
本書很完整地回顧了人工智慧的興衰史，作者認為，目前人工智慧的第三次熱潮源自大數據上的機器學習及深度學習。我也非常同意，其實這兩者的時機真的是結合的很好。深度學習由於使用了非常多層的神經網路架構，再加上大量採用修正線性單元（rectified linear unit），使得整個學習概念變成簡單到像是用多個線段來逼近一個函數而已。不過這件事配合上大量的學習資料卻是恰到好處。舉例而言，若我們要學的概念是一個圓，早期的做法可能是給圓周上的十幾個點，然後靠著複雜的演算法理解這可能是一個圓。現在的做法則是給圓周上十萬個點，則基本上只要把這十萬個點用線段連起來就夠像個圓形了。近年來這樣的趨勢越來越明顯，研究的重心已經漸漸從原先的演算法轉移到資料本身，而形成了資料科學（data science）。雖然要解決的問題本質還是一樣，但看事情的出發點已經不同了。
關於目前人工智慧的現狀，我很喜歡本書作者利用彩券為比喻。目前人工智慧就像是大樂透上看十億。要中十億的路途艱難，但許多人願意一試。當然最後仍然可能沒有任何人中大獎，但硬要說人工智慧根本不可能實現似乎也過度悲觀。相對的來說，我們似乎也不用過度擔心人工智慧取代人類。拜AlphaGo所賜，最近我常受邀演講，最常被問到的就是「人類會被AlphaGo取代嗎？」即使我以為不該武斷地認為AlphaGo不會思考，但目前我們的確還沒發展出有”自我意識”的機器（即使我們也搞不懂自我意識是什麼）。也就是說，我們叫AlphaGo下一千盤棋，它就會照下，不會說「我累了，想吃冰淇淋」。所以，等到AlphaGo不想下圍棋時再說吧！
人工智慧到底會發展到哪裡呢？本書對於常見的奇點問題（singularity problem）也有論述。姑且撇開智慧能否無限增長不談，人類可能造出比本身更有智慧的機器嗎？看法相當分歧。像雷・庫茲威爾（Ray Kurzweil）就是極端的樂觀派，而我則更傾向本書作者的看法：不是不可能，但應該還有好長一段路要走。而且與其擔心人工智慧本身，可能更需要擔心的是人工智慧技術與資訊的獨占，及其對產業的衝擊。
本書對於上述所提到的技術都有深入淺出的介紹，作者能把許多艱深的技術用生動的例子說明，實在令人佩服。對於人工智慧的歷史、目前發展，作者參考了許多看法，提供完整的資訊。在我看來，本書算是市面上關於人工智慧科普書籍中意見較為中肯不偏頗的。透過閱讀本書，讀者應能夠更全面地理解人工智慧給人類帶來的便利以及潛在的危險。而且本書所呈現的，不僅僅是歷史、技術，還包含了對人類社會的影響、價值衝擊。就讓本書作者帶領著我們一起對人工智慧做個較為理性、全方面的探索吧！
<章節目錄>
◎目錄
推薦序 打造有智慧的機器 文╱于天立（國立台灣大學電機工程學系副教授）
前言 人工智慧的春天
序章 人工智慧的範疇在擴大：人工智慧會毀滅人類嗎？
人工智慧開始超越人類
汽車會變，機器人也會變
超高速處理的破壞力
人工智慧能否成為科幻小說家？
全球對於人工智慧的研究投資都在加快
面臨失業的人類
人類的危機來臨
如何閱讀本書