人工智慧演化的兩條路徑

生物在演化的過程中有三種生物最終發展出複雜主動身體(complex active body) 與大型神經系統，這三種分別是脊索動物、節肢動物和軟體動物中的頭足動物(cephalopod)。人類當然屬於脊索動物，我之後要提的章魚則屬於頭足動物。之所以叫頭足動物，因為身體只有頭和足，章魚、烏賊屬之。

值得一提的是神經系統在生物的演化過程中，至少獨立發展出兩套不同的系統。一種是像人類一樣，神經元絕大部份集中在腦部。另一種像章魚只有大約1/3的神經元在腦部，另外2/3神經元分佈在8隻腕足上。每隻腕足好似有自己的一個局部小腦，接受訊息、也控制部分運動。以電子的術語來說，是分散式的智慧。章魚的心智大概相當於三歲的小孩，不過大多種類的章魚也只有3年好活。

人造的電子智慧架構與生物經演化而得的神經系統之間有驚人的相似性，人造電子智慧架構大致在神經系統演化的兩條路徑之間擺蕩。早期的大型主機是絕對的中央集權，終端機的出現將神經軸突(nerve axon)延伸出去，在遠端接受、發送訊息。個人電腦問世之後，再加上那時舉步維艱的Bitnet、Arpanet，有點形似章魚。雲出現之後，智慧及記憶又反向中央靠攏。

人工智慧早期運作的場域由於計算速度和記憶體容量的考量，幾乎都在計算中心，也有朋友做神經網路研究的親手打造數百台並聯電腦來執行演算，走的都是類似人腦神經的路線。2015年人工智慧實做大爆發後先浮上檯面的GPU、CPU+FPGA、TPU這些大傢伙，也都是相同的路數。

不過鐘擺又開始擺盪，手機CPU的人工智慧功能變夯，2018年主要新手機款式預期幾乎都會具有。今年邊緣設備(edge device)開始出現在比較顯著的地方，下半年的研究機構報告中邊緣設備已是主題。這又走回章魚的演化老路了。

從人工智慧的本質來看，由於及時反應、個人化需求以及隱私權的考量，在地智慧(local intelligence)就有其存在的必要性。從人工智慧的近程發展來看，各式演算法各有擅長，沒有一種演算法適用於所有的應用。像最近AlphaGo Zero所取得的成績，雖說沒有用到任何領域知識(domain knowledge)，也有機會利用移轉學習(transferred learning)應用在其它的遊戲上，但是就只是在規則明確、雙方對抗的次序性遊戲上，別的遊戲恐怕還得大費周章。

利用領域知識和針對單一目的優化的演算法、將人工智慧應用於一特殊領域的做法是短期內最容易商業化的途徑，這個方法在過去人工智慧的發展取得了一定的成績，像是專家系統(expert system)，只是現在要將這種能力實施於晶片線路。又由於這類應用多在邊緣設備上而邊緣設備的量遠高於計算中心，這是眾多研究報告預計人工智慧ASIC短期內成長會超過泛CPU的背後邏輯。但也請放在心上，通用的人工智慧一直是研發的終極目標，手機最終收服了各類行動裝置功能的歷史也極可能重複發生在人工智慧晶片的發展上。