西蒙．史特林格教授（Prof. Simon Stringer）是享譽全球的人工智慧視覺專家。許多在各所大學院校的頂尖AI研究人員，都和他有相同的看法，正告世人不要太過相信業界炮製的各種AI「神話」。
自動駕駛所需的AI，發展並不成熟
史特林格教授指出，AI產業界放出來的各種消息多半誇大其詞，特別是在自動駕駛車輛的領域中，更能看出這些宣傳手法不符實際情形。
即使你不是AI專家，也能看懂史特林格教授的指控；簡單的說，如果自動駕駛車輛已經成熟到五年內便能問世，現在應該就能在市面上看到許多比較簡單的應用；但實際情形卻非如此。
舉例來說，目前機器根本無法分辨人坐下來或是意外跌倒的動作；如果有這樣的機器，能夠在有人跌倒時自動發出警訊，呼叫醫護人員的話，這種機器應該老早就普遍裝設在老人安養中心裡頭了。這種技術比起讓卡車自動在曼哈頓街頭穿梭要簡單得多，但目前還沒人把它做出來。
和自動駕駛車輛相比，醫療器材能救人一命，而且獲利也頗豐厚；這樣的機器卻還沒出現，可見人工智慧的發展，還有很長的路要走。
還有許多尚待解決的問題
史特林格教授說，目前自動駕駛車輛確實能用，但必須在高度控制的環境中使用。他同時指出，自動駕駛車輛要真能上路，可能還要幾十年時間，因為最基本的人工智慧問題「整合的問題」（Binding Problem）目前仍然無解。史特林格教授與其牛津大學研究團隊，目前對這個問題的了解和研究，已有若干重要進展；而這個「整合的問題」是和電腦視覺相關的。除此之外，也還有很多其他的問題尚待解決。
所以，大家不要被高唱入雲的各種AI宣傳花招給唬了。電腦輔助、真人駕駛的技術可能是比較實際，也能較早實現的解決方案，而這和所謂自動駕駛是兩碼子事。
基礎研究應該獲得更多重視
上面的狀況，同時突顯出科技界一個更嚴重的問題，那就是近二十多年來基礎科學研究遭到忽視，資源大多跑到應用研究領域的現況。從事基礎研究的學者，被迫得一直想辦法證明自己的存在價值，以取得各種研究經費；而且這些研究經費往往來自外界，而非他們所在的大學或研究機構。
問題是，應用科學解決不了各種基礎研究會遇到的問題，更糟的是，應用研究甚至連會遇到什麼樣的基礎問題都看不到。
現在的世道，需求得快速得到滿足，問題要快速解決，更要快速獲利。問題是，事情往往欲速則不達。有些果樹，像是橄欖樹，需要三十年才結得出果實，種這種樹的農人，並不是為了自己，而是為了後代子孫。
我們從事科技研究的人，也應該效法這種精神，多為子子孫孫的福𧘲做點事。
留言列表
Personal Priority 
