【公關組】興大莊家峰教授讓人工智慧學習更有效率 榮獲科技部傑出研究獎

文/研發處

人工智慧大商機、人工智慧的應用，已經在生活各個面向帶來便利，也被高度依賴，大到企業生產線，小到居家輔助工具，都離不開人工智慧，但如何讓人工智慧更「人性化」、「更有效率」、透過學習增進，讓人工智慧更能符合個別需求，就是科學家們努力的目標。但人工智慧的演算就像個「黑盒子」，科學家們致力於讓它更有效率的同時，也希望掌握它的學習規則與樣態，讓人工智慧更聰明，卻不致於發生像電影「機械公敵」或「全境失控」中的AI人工智慧，造成人類社會的價值瓦解。

人工智慧被廣泛應用的「類神經網路」與「模糊系統」，就是仿人類大腦學習與下指令的概念，中興大學電機系教授莊家峰提出的「類神經模糊系統學習演算法」、「進化強化學習演算法」，讓人工智慧學習更有效率，進一步能逐步實現「仿生物學習」的功能，成功應用在機器人的自我學習控制、導航、電腦視覺物體辨識、及醫學輔助診斷，為國內企業及醫療領域的人工智慧，奠定了模組化套件的運算基礎，提供產品設計人員，有效運用模組化的學習運算方法，設計出人工智慧產品。他長年的努力與投入，獲得中國電機工程學會「傑出電機工程教授獎」肯定、國際上他是IEEE 計算智慧學會之傑出講座(Distinguished lecture)，今年更榮獲科技部傑出研究獎的肯定。

莊家峰指出，相較於傳統的人工智慧，他發展出的「進化強化學習演算法」仿效自然界物種「群體智慧」行為進行群體合作學習運算，例如機器人沿牆行走、避障，在這幾年學習效能和效率上大大提升，機器人的靈活度提高，也能進行更多的居家服務及產線生產。醫學上，「類神經模糊系統」應用在睡眠呼吸中止的嚴重度快速預測，及治療端預測陽壓呼吸器的最佳壓力，減輕醫療人員的負荷，也提高快速預測的精準度，且醫師可理解預測系統的決策規則。腎絲球的判讀上，透過視覺系統回饋，不但比醫師目測更準確，也能輔助診療。同樣的原理也應用在「線路瑕疵檢測」，甚至還能創造「人造瑕疵」，讓系統產生應變策略，提升學習及應付變化的能力，這已經進階到了「深度學習」的階段。

莊家峰以淺顯易懂的方式解釋他運算方法的貢獻，「類神經模糊系統」就像是人類的神經細胞，透過學習後由大腦表現出不同決策、控制等口語化規則，但如何「客製化」不同規則以因應各種不同應用問題的狀態條件，作出更精準、更有效率的判斷？「演算法」就像是大樓的地基，建立一套運算標準，想蓋傳統大樓還是抗震高科技智慧型大樓，差別只在材料不同。

艱深的科學語言的背後，是人類社會進步的推手，莊家峰的「進化強化學習演算法」、「類神經模糊系統」、「深度學習演算法」，能得到科技部的傑出研究獎，是因為他能針對不同應用問題提出學習演算法與人工智慧模型解決方案，也讓人工智慧的運作，不再是各自獨立的「黑盒子」。提供建構方法，也提高「可信度及可解釋性」，這對日新月益的人工智慧，甚至比人類更聰明、學習力更強、效能更強的情形下，莊家峰這樣的科學家，不僅用一生的力量，致力於人類生活的便利及安全性，也要避免人工智慧失控，讓未來科技生活，更精彩可期。