Machine Learning 殲滅了誰？ 醫法工商幾時全部被IT9統治？

機器學習（machine learning）技術近年非常流行。其實這套嘢的 theory，70時代就發明了，但近年已得以發展，是因為以前的 computing power 唔夠。而家 computing power 便宜同多到一個位，可以玩可以試了。

究竟有咗 machine learn 係咪就等於機器人可以取代高技術工種乃至全部嘢，跟住人類就如某些KOL所言，等著被豢養，乜q都唔駛做呢？

睇下發展進程囉。

（關於AI, machine learn, robot etc.嘅定義問題，呢啲粗重嘢我係唔會做嘅，以下只會 interchangeably概括地使用， 請自行搵it9補充。）

以前程式員一定要把工序清楚界定，機械人才能跟着做；一些未有既定樣式和程序的工作就不能自動化。例如 book keeping、計數、自動化程序，都係set 咗啲 rule，叫個腦跟住做，一走出啲 rule，就搞唔掂，跟唔到，要搵個人跟番。

但現時機器學習的技術，可以訓練機械人透過大量既有數據去學習，並慢慢發展及改良工作的方法。例如電腦圍棋程式AlphaGo就是透過機器學習的技術，分析棋手對弈的棋譜，並且自我學習，在2016年擊敗南韓圍棋大師李世乭，現時電腦的棋藝已超越人類。類似技術也用於分析筆迹、無人駕駛等方面，也有人工智能學習「看」病理學的幻燈片及組織切片，漸漸會比醫生的判斷更準確。

不過，機器學習暫時仍未可以取代決策，而是透過數據分析知識，去協助人類決策而已，而且用途非常特定，暫時仍是處於與技術工作互補的階段。例如醫生在科技幫助下提高斷症準確度，但最後診斷還是要醫生綜合各個觀察和資料落實。

個結論係，去到取代人的所有工作，就未得嘅，好多decision making嘢都唔得，所以還是處於 complementary位，未去到 substitution。

但人哋明明捉棋叻啲，點解話機器 decision making 唔得？原來 machine learn 在 full information 的情況，例如捉棋，佢知道晒啲 rule，知道晒點行就會有咩後果，咁佢 decision making就好過人。但人好多時 operate 嘅世界，係好多 uncertainty，好多 information唔知，估估下，甚至個problem 都唔係好 well-defined，咁機器在呢啲情況做決策係差過人。

不過我諗唔明嘅係，好多時啲小病小痛，symptoms 都差不多，叫個病人自己入晒啲 symptoms 同社會 stat 對一對，睇下邊隻病機率大啲，再落藥，點解唔得呢？除咗法律問題，出事唔知邊個孭外，還有乜問題未解決？個病人簽字話自己孭咁又得唔得？呢件事我20年前都諗到，點解重未有？而家外國睇醫生，佢都係在我面前用電腦 search 個病同藥咖啦。甚至藥劑師已經做到部分呢個function。

如果話取代唔到，係咪有好多無 full information 嘅情況？例如病人自己都唔知有咩唔舒服？會唔會係透過observe 病人，包括做各樣test認 symptom 呢件事robot 未做到？例如中醫識把脈，但把脈唔係咁易掌握嘅事。但只要我搵到個識認symptom 的護士，然後入晒落個機度，就唔駛醫生做診斷啦。真係咁難被取代？不過，人體係互相牽連嘅，落咗藥，做咗手術，我哋無得100%肯定唔會引發另一身體毛病，亦唔知本身伴隨咩暗病同body condition，咁係算 “no full information”. anyway，醫生咁惡，一定千方百計阻撓呢啲會取代佢哋嘅嘢。

另一個機器搞唔掂嘅嘢，係environment 的 adaptability.

例如整車。一條生產線，整架車，可以一排過搵個大型機器裝車窗。但有人爆車窗，就無得一條生產線咁 repair. 一來，無咁多架車同時爛同一樣嘢重要在同一個地方，俾你流水作業攤分成本咁做。二來，爆車窗首先要拆落嚟，跟住裝番，兩件事都要根據架車的情況去做。唔係新車出廠，會有其他因素，用robot 唔識就，就唔到，結果就要人去做。

家務都一樣，人人間屋唔同，家務種類多元，有洗廁所、洗sink、抹地、抹窗，physically 點樣搵一舊機器人放落去唔同家居都就到晒啲位同你做晒？最多掃地機器人就還掃地，但好難叫佢洗埋廁所。咁最多逐樣清潔裝置在起屋時設計同裝埋，無得一個 robot fit 晒所有家居。

機器取代「人肉文字生成器」Ellan Ou 寫嘢又得唔得？

之前有人吹到，話有 robot 可以 automated 寫文，以後網上出文都係 robot 去 crawl，去抄，去整合，唔駛小編，可以炒晒啲記者。好似話有啲 google ad copywriting 已經用機器做。但 natural language processing 個方面好似未可以做到完全代替人寫嘢。所以某聲稱可以 automated writer 功能的網媒，其實依然請緊幾十人寫嘢。而家最多用big data 話俾editor 知，咩字體咩顏色咩配圖咩主題咩字眼，啲人鍾意睇。抄個圖抄一句 auto gen 可能得，見邊篇文高 hit rate copy and paste成篇做content farm亦得，但去到寫長文，機器未寫到。至於強國那個咩 AI 詩人，有人就踢爆，唔係 AI 來，唔係 machine learn，或多或少都係用 dictionary gen，即高級少少的文字生成器。

好喇，醫生又炒唔到，小編同記者又炒唔到，咁 乜嘢人會被robot 消滅？

如果份工做死一樣嘢，個樣嘢可以發明個機器人好快做晒，又平過你，咁份工就會被消滅。例如 copy and paste 嫲嫲消滅晒人手做 copy and paste 嘅人。

但如果幾樣 job nature bundle 埋一齊，有啲因為決策問題或environmental adaptability 問題難被automated，有啲Manual 嘢可以被 automated ，咁job nature就會變成用機器輔助你做那些機器搞唔掂的事，慳番本來 Manual 個 part. 同一份工，唔識與時並進用機器的人，會收檔；競爭份工的條件就 shift 了去那些機器搞唔掂的 skill.

呢篇其實都有講：

有oscar nomination的電影《Hidden Figures》講 NASA 入面有班女，主要是黑人，在一個叫 “computer” 的部門工作，佢哋負責計數，名副其實係「人肉計數機」。

上面班男人，就負責諗點解數，要計咩數，先射到支火箭上太空。後來主角成功學識 programming，有了 IBM，咁就唔駛班女用人腦計數。以後識用IBM 計數的人繼續有嘢做了。

無論如何，人類社會距離全面人工智能化，仍有一段很長的道路。當機械人和人工智能取代人類的某些工作，新的工作又會出現。人類發展就是一個不斷適應新環境的過程。現時科技發展速度愈來愈快，崗位更替的速度比上世紀更迅速。

問題在於，崗位被取代後，離開崗位的人有沒有能力勝任新的工作，或是被洪流遺棄。

最後，睇下 machine learn 學畫 anime 女仔的成果：

feed 一大堆少女圖後，雖然好多張都炒粉，塊面炒埋一舊，weeping woman 咁，同埋 resolution 細，但有啲還ok。

看來AI要取代漫畫家而家未得，而且重未計度橋部分。

source: https://bit.ly/2kRWUz5

（最後，有請 it9 進場，指出不是，狠狠補充，謝謝）