工業時代靠IQ，資訊時代要EQ────
智慧革命時代，若想跨域轉型求生
駕馭全世界的機器替你做事
唯一致勝方程式 ── AIQ ＝AI ╳ IQ
★美國亞馬遜書店讀者4顆星評價
★《華爾街日報》、《星期天泰晤士報》、《經濟學人•商論》、暢銷書《蘋果橘子經濟學》作者李維特、經濟學大師泰勒•柯文好評強推
「終於有人站出來撰述這個劃時代的主題了。」───《蘋果橘子經濟學》暢銷作家 李維特
AI革命正在重塑我們的世界，就像工業革命重塑十九世紀的世界一樣。「AIQ」，就是善用AI技術的能力，檢測一個人能否善用AI來提升工作與生活的便利性，讓自己過得更好。
AI不是科幻電影的機器人，而是「演算法」，無處不在且無時無刻都在「改變」我們的生活，例如醫生用AI診斷和治療癌症、銀行用AI檢測詐騙行為、電力公司用AI節能省電……有些改變帶來莫大希望，包括高效完成繁複作業、提供更安全的工作場所與更完善的醫療保健、減少語言障礙等，但有些改變也敲醒警鐘，例如就業機會減少、數據運用與個人隱私的拉鋸，乃至AI導致錯誤決策卻毋須承擔責任。
因此，本書鎖定三大面向，闡述「人機分工協作、共存互生再生」的重要：
一、想在世界立足，必須瞭解智慧機器如何運作，也就是「演算法」：幾乎所有AI系統都遵循同樣的「演算法流程」範本。
二、AI只說一種語言──數學語言。理解AI背後的數學運作，就會發現它不再神祕難解。作者保證：數學白痴也不用擔心，人工智慧的數學非常簡單！
三、AI不是威脅，人機不該對立，應思考如何共存共榮：人類可以利用機器克服內在的認知弱點，學習機器的運作邏輯，強化自身思考方式，如此一來，快樂、效率、成就感都能升級進化。
▌本 書 特 色 ▌
1. AI關鍵發展史上，7個人類智慧影響人工智慧的故事
AI，其實是老智慧激出新創意，大幅降低改變世界的門檻，一個微小創意都可能改寫商業邏輯、顛覆生活形態。透過程式語言女王、白衣天使南丁格爾、天才科學家牛頓、洋基傳奇打者等人的故事，瞭解數據、機率與更好的思維方式。古早以前經過驗證的先人創意，在以人工智慧為核心的新技術革命中，仍然扮演關鍵要角！
►Netflix稱霸影音產業的創新商業模式「個人化推薦」，源自二戰流亡數學家為拯救無數飛行員而發明的「生存推薦系統」。
►「宇宙有多大？」此流傳數千年的大哉問，與「機器學習」大有關係，影響範圍從小黃瓜分類、照片辨識乃至掃蕩公廁衛生紙小偷。
►即時監控系統的誕生自牛頓最嚴重的一次「數學錯誤」，提醒我們在海量數據中「偵錯」有多重要。
►「向電腦大聲說出指令，任何商品都會被送到家門口」Alexa、Google Assistant智慧語音助理的成功，多虧60年代程式語言女王率先用英語成功與電腦溝通。
2. 解讀促進AI發展的4大元素
站在巨人肩膀上，學習如何透過AI時代最關鍵的4大元素，培養利用AI解決實際問題的能力，大幅提升你的AIQ！
►速度更快的晶片
►有價值的巨量數據資料
►雲端計算
►最重要的「創意」
3. 機器智慧（machine intelligence）新解！借助人工智慧之力「放大」人類智慧
學習機器的運作邏輯，用機器克服內在的認知弱點，強化自身思考方式，做出精準又有遠見的決策──你對機器越瞭解，你的AIQ就越高。
作者簡介：
尼克‧波爾森Nick Polson
芝加哥大學布斯商學院（Chicago Booth School of Business）計量經濟學和統計學教授，鑽研領域包括人工智慧、貝氏統計學和深度學習，經常在國際會議上發表演講。現居芝加哥。
詹姆士‧史考特James Scott
德州大學奧斯汀分校統計學副教授。取得馬歇爾獎學金之後在劍橋大學主修數學，2009年於杜克大學取得統計學博士學位。目前發表超過45篇同儕審查的學術文章，同時進行許多跨領域的研究合作，幫助合作者瞭解自家領域數據的力量。史考特與妻子艾碧蓋爾（Abigail）現居德州奧斯汀市。
譯者簡介：
何玉方
英國蘭卡斯特大學（Lancaster University）應用語言學博士，專研文體風格學，現居英國從事教學研究，兼職翻譯，譯著有《統計數字：是事實，還是謊言？》（Damned Lies and Statistics）、《動物農莊求生計》（How Stella Saved the Farm）、《人性公式大接管》（The Formula: How Algorithms Solve All Our Problem...and Create More）等書。
各界推薦
名人推薦：
陳昇瑋▕ 台灣人工智慧學校執行長
葛如鈞▕ 北科大互動設計系助理教授
鄭國威▕ 泛科知識共同創辦人
謝伯讓▕ 腦科學家，《大腦簡史》作者
史帝文．李維特▕《蘋果橘子經濟學》暢銷作家
泰勒‧柯文▕ 經濟學大師暨《再見，平庸世代》暢銷作家
▌各 界 盛 讚 ▌
雖然我不是電腦科學家，但人工智慧是我一直很關注的主題。為了製作泛科學院的「從零開始的 30 堂人工智慧必修課」，我在 2018 年 10 月到 12 月，密集地讀了快 30 本人工智慧科普書，雖然這些書各有切入點，但也顯出高度的一致性。正當我認為已經沒有其他寫法的時候，我看到《AIQ》這本書，大為驚艷。
本書作者不愧是名校的教育者，循序漸進且循循善誘，同時著重歷史縱深與技術觀念，讓人工智慧卸下媒體套上的光環，以最原始、最核心的樣貌，讓讀者能藉著作者的鋪陳獲得最重要的AI思維，除了好看，我認為也是最適合做為教科書的人工智慧論述。我極為榮幸有機會推薦本書，也會將這本書列為我的課程的延伸必讀好書。──────────鄭國威，泛科知識共同創辦人
你知道要如何找出戰火下飛機的脆弱機身部位嗎？你知道如何有效率地找到沉船嗎？你知道如何找到消費者可能會喜歡的商品嗎？最好的方式之一，不是閉門苦思推理，而是要透過人工智慧（大數據和條件機率），來幫你找出解答。在這個充滿資訊的世界之中，除了IQ和EQ，未來的致勝能力還需要AIQ，也就是知道哪裡可以使用AI，以及如何使用AI的能力。這本書中深入淺出的故事和描述，將為你打開一條道路，幫助你理解並運用AI。
──────────謝伯讓，腦科學家、《大腦簡史》作者
終於有人站出來撰述這個劃時代的主題了。本書探索驅動未來科技的創意發展史，令人驚嘆，同時揭開背後核心概念的神祕面紗，以積極、有趣的視角，凝視人類創造力與功能強大的機器相結合，得以釋放出無限潛力。──────────史帝文‧李維特（Steven D. Levitt），《蘋果橘子經濟學》共同作者
「角度新穎，充滿獨創見解（真不可思議）！針對AIQ這個主題作了出色的闡述。」──────────泰勒‧柯文（Tyler Cowen），經濟學大師暨《再見，平庸世代》暢銷作家
本書以行之有效的方法形塑AI的樣貌，縮短它與讀者的距離，譬如說，電腦只是解決相似問題比較快的工具。就像書名所示，AIQ一詞結合了AI與IQ，強調人類必須兩者兼得。──────────《華爾街日報》
論述嚴謹周全，卻出奇地簡單易讀。完整說明AI 的實際發展與運用之餘，也針對優劣得失懇切提出質疑……AIQ一書扮演著無可挑剔的「解釋者」（explainer）角色，複雜難懂的主題變得簡單明瞭，不僅勾勒出如何利用AI把事情做對做好的鮮明藍圖，同時清楚指出AI也會走錯路。──────────Strategy + Business雜誌
極富娛樂性與說服力。本書旨在說明人工智慧如何獲致出色結果。兩個作者就像興奮又激動的技師，打開了一輛超跑的引擎蓋開始解說，文字充滿熱情，數據科學（data science）在他們筆下變得平易近人又振奮人心。──────────《星期天泰晤士報》
波爾森和史考特帶領我們一窺人工智慧和數據科學的葫蘆裡到底賣什麼藥，讓我們明白大多數演算法的背後，其實是人類設法解決問題、試圖讓世界變得更美好的故事。本書對於電腦在生活各層面無所不在、徹底發揮影響力的這個時代，提出樂觀的願景，引人入勝。──────────麥可‧凱西（Michael J. Casey），麻省理工學院媒體實驗室數位貨幣計畫高級顧問、《真相機器》（The Truth Machine）共同作者
終於有講述AI與數據科學概念的作者是貨真價實的「數據行家」了！本書作者不僅戳破時下媒體膨風的觀點與迷思，也清楚說明屢屢繳出亮眼成績的演算法背後有何概念，以及如何運用巨量數據來建置演算法。不過，他們也很清楚演算法的限制與潛藏的風險，因此呼籲我們的社會必須仔細審視、甚至規範演算法的用途。故事好看，細節說明恰到好處，一讀就停不下來：我自己也獲益良多。──────────大衛．史匹格哈特爾（David Spiegelhalter），劍橋大學統計實驗室公眾理解風險中心（Public Understanding of Risk）溫頓教授（Winton Professor）
名人推薦：陳昇瑋▕ 台灣人工智慧學校執行長
葛如鈞▕ 北科大互動設計系助理教授
鄭國威▕ 泛科知識共同創辦人
謝伯讓▕ 腦科學家，《大腦簡史》作者
史帝文．李維特▕《蘋果橘子經濟學》暢銷作家
泰勒‧柯文▕ 經濟學大師暨《再見，平庸世代》暢銷作家
▌各 界 盛 讚 ▌
雖然我不是電腦科學家，但人工智慧是我一直很關注的主題。為了製作泛科學院的「從零開始的 30 堂人工智慧必修課」，我在 2018 年 10 月到 12 月，密集地讀了快 30 本人工智慧科普書，雖然這些書各有切入點，但也顯出高度的一致性。正當我認為已經沒有其他寫法的...
章節試閱
序章
筆者兩人每年在課堂上講授數據科學，教過無數學生，他們都對人工智慧（Artificial Intelligence, AI）驚歎不已，也提出很棒的問題：無人自動駕駛汽車是怎麼辦到的？Alexa智慧語音助理如何聽懂我說的話？Spotify音樂串流服務怎麼挑選出符合我喜好的播放列表？Facebook如何在我上傳的照片中識別我的朋友？我們的學生已然明白人工智慧不再是未來的科幻機器人，而是發生在此時此刻，正在用智慧型手機逐步改變世界。大家都想了解AI，也都希望躬逢其盛。
除了我們的學生之外，全球龍頭企業也都熱衷於AI的發展，像是美國的亞馬遜、Facebook、Google，以及中國的百度、騰訊、阿里巴巴等。各位可能聽過，各大知名科技公司為尋求AI人才，正在進行一場昂貴的全球裝備競賽，因為他們認為這攸關未來的生存發展。多年來，他們提供超過30萬美元的高薪、比學術界更高級的咖啡，來招攬剛取得博士學位的新鮮人。時至今日，不只高科技巨頭，只要是必須面對巨量數據的各大公司行號，如保險業、石油業等，都紛紛祭出高薪、搬出頂級濃縮咖啡機，積極延攬AI人才。
然而，儘管這場裝備競賽真實上演，筆者認為現今的人工智慧發展有著一股更強大的趨勢，逐漸向外擴散傳播，而不是集中發展。每家高科技公司的確都在努力網羅數學和程式編碼人才，但同時，人工智慧背後的基礎技術和思想也正以驚人的速度傳播，遍及小公司、其他的經濟體、世界各地的業餘愛好者、程式開發人員、科學家以及研究員。這種全民化的趨勢是讓現今學生振奮不已的最重要因素，因為他們正在思考大量的問題，迫切需要精準的人工智慧解決方案。
例如，誰能料到一群大學生會對小黃瓜的演算法如此興奮呢？沒錯，當他們聽了日本汽車工程師小池誠（Makoto Koike）的故事之後，正是如此。小池的父母擁有一座小黃瓜農場，在日本，小黃瓜的大小、形狀、顏色和突刺多寡程度，令人眼花撩亂，這些小黃瓜必須根據賣相，分成九種不同的等級，再以不同的市場價格出售。過去，小池的母親每天要花八小時徒手揀選黃瓜！後來，小池突發奇想，自己可以利用Google的AI開源軟體TensorFlow，編寫一個「深度學習」的演算法，根據照片對黃瓜進行分類，來完成同樣的任務。小池以前從來沒用過AI或TensorFlow，但一切免費資源隨手可得，他靠自己摸索也不覺得有何困難。當他的AI自動分揀機在YouTube爆紅之後，小池一夕之間成了國際深度學習兼黃瓜名人，不僅因為他為了使母親減少幾小時苦工的故事給人一種正向的感覺，也向世界各地的學生和程式開發人員傳遞了一則激勵人心的訊息：如果人工智慧連小黃瓜分類問題都能解決，它就能夠解決任何問題。
這則訊息正在迅速傳播。如今醫生利用AI來診斷和治療癌症；電力公司利用AI來提高發電的效率；投資者利用它來管理財務風險；石油公司利用它來提高深海鑽井平台的安全性；執法機構利用它來追查恐怖分子；科學家利用它在天文學、物理學或神經科學方面獲得新的發現。世界各地的公司行號、研究人員和業餘愛好者，正以千百種不同的方式運用人工智慧。無論是偵測氣體外洩、開採鐵礦、預測疾病傳播、拯救蜜蜂免於滅絕，或是量化好萊塢電影中的性別偏見，這一切才正要開始。
我們認為人工智慧真正的價值在於這種擴散傳播的發展：回溯至數十年、甚至幾世紀之前的核心數學概念；由今日的超級計算機和語音╱思考╱黃瓜自動分揀機，乃至於未來創新、無處不在的數位奇蹟。本書的核心目標就是告訴你AI發展的故事，其中有一部分涉及科技發展，但主要是關於創意構想、以及這些創意構想幕後的功臣──早期埋頭苦思如何解決牽涉數學和數據問題的人物。這些人物絕對料想不到，自己的解決方案對於建立現代世界造成了何等的影響。在這個故事的尾聲，你將會明白AI究竟是什麼，明白它的起源發展、運作方式、以及它為什麼和你的生活息息相關。
AI究竟是什麼？
聽到AI時，不要把它想成機器人，請想成演算法。
演算法是一組循序漸進的指令，非常明確，明確到就連呆板又缺乏想像力的電腦也可以遵循（你可能聽過機器人因為遵照洗髮精瓶子上的指令：「起泡、沖洗、重複」而永遠被卡在淋浴間的笑話）。演算法本身並不比電鑽更聰明， 它只是能將一件事情做得很好，例如整理數字列表、或在網上搜尋可愛動物的照片。然而，若以巧妙的方式將許多演算法連結在一起，則可以生成AI──在特定領域具備智慧的幻覺。比方說，像Google Home這樣的數位助理，你可能會對它提出諸如此類的問題：「在哪裡可以找到奧斯汀最好吃的墨西哥捲餅早餐？」這個查詢引發了一連串的演算法運作：
•第一個演算法將原始聲波轉換為數字信號。
•另一個演算法將該信號轉換成一串英文「音素」，或聽起來很明確的音節：「brek-fust-tah-koze」。
•下一個演算法再將這些音素分割成字詞：「breakfast tacos」（墨西哥捲餅早餐）。
•這些字詞被發送到一個龐大演算法的組合──搜尋引擎，用以處理查詢並回傳答案。
•又一個演算法將回傳的答案格式化成為連貫的英語句子。
•最後一個演算法用非機器人的方式發聲，說出這句話：「奧斯汀最好的墨西哥捲餅早餐在杜瓦街的胡立歐餐廳。需要為您規劃路線嗎？」
這就是所謂的人工智慧。幾乎所有的AI系統，無論是自動駕駛汽車、小黃瓜自動分揀機、或是你的信用卡帳戶防盜監控軟體，都遵循同樣的「演算法流程」範本。流程一開始先輸入某個特定領域取得的數據資料，執行一連串的計算，再輸出預測的結果或決策。
人工智慧運用的演算法有兩個顯著的特點。首先，這些演算法通常處理的是機率、而不是確定性。例如，AI中的演算法不會直接判定某一筆信用卡交易是詐騙行為，它會表示詐騙行為的可能性是92％（或任何由提供的數據所推算出的機率）。其二，這些演算法是怎麼「知道」該遵循什麼指令呢？在傳統演算法中，網站運作或文字處理器之類的指令，是由程式設計師事先設定的。然而，在人工智慧中，這些指令是由演算法本身直接透過「訓練資料」學習而來。沒有人告訴AI演算法如何將信用卡交易資料分類為詐騙或非詐騙。相反地，演算法會觀察各個類別的大量範例，再從中找出區分這兩個類別的模式。在人工智慧中，程式設計師的角色不是告訴演算法該做什麼，而是告訴演算法如何利用數據和機率規則來訓練自己知道該怎麼做。
人工智慧如何走到今天這一步？
現代的人工智慧系統，諸如自動駕駛汽車或家庭數位助理，看似是一股新潮流。但你可能會驚訝地發現，人工智慧大部分的創意其實由來已久，其中許多甚至可回溯到幾世紀之前，人類世世代代都用這些想法來解決問題。以自動駕駛汽車為例，Google在2009年首次推出這種汽車，但你會在本書第三章中學到，這種汽車運作的主要概念之一，其實是在1750年間由長老教會的牧師所發現的；而這個想法在五十多年前被一群數學家採用，解決了冷戰時期一個重大的謎團。
再舉圖像分類為例，在過去五年間，圖像處理演算法已經有了驚人的進展，出現如Facebook自動在照片上標記好友這一類的功能。但是在第二章中，你會發現這當中的關鍵概念可以追溯到1805年前；也會明白在一百年前，亨麗愛塔•勒維特（Henrietta Leavitt）這位名不見經傳的天文學家早已運用這些概念，來幫助解答「宇宙有多大？」這個人類有史以來最深奧的科學問題。
再舉語音辨識系統為例，這是人工智慧近年來最偉大的成就之一。Alexa和Google Home這一類的數位助理能夠非常流利地使用語言，日後也將會更加精進。然而，第一位讓電腦明白英語的人是一位美國海軍少將，他約莫在七十年前就這麼做了（參見第四章）。
以上不過是三個驚人的實例。無論從哪個角度檢視人工智慧，你都會發現，某個構想人們早已討論許久了。因此，重大的歷史謎題並不在於AI為何出現、而是為何沒有更早開始發展。想要解開這個謎團，我們必須檢視促使這些可敬的構想進入新時代的三大有利科技驅勢。
促成AI發展的第一個因素是數十年來電腦處理器速度指數式的增長，一般稱之為「摩爾定律」（Moore’s Law）。很難說明電腦發展的速度究竟有多快，老套一點的說法是，阿波羅號太空人員登陸月球所憑藉的計算處理功能，還不如袖珍型計算機。但是，這個類比再也引不起共鳴了，因為......還有誰知道袖珍型計算機是什麼呢？因此，不如讓我們拿汽車來當例子。在1951年，當時最快速的電腦處理器之一是UNIVAC，每秒可執行兩千次的運算；而愛快羅密歐6C則屬當時最快速的車型，每小時行駛一百一十英里。自1951年來，汽車和電腦都有所進化；如果汽車進化的速度與電腦相同，那麼現代的愛快羅密歐將會以光速的八百萬倍馳騁。
第二個促成AI發展的因素是「新摩爾定律」：隨著人類一切資訊的數位化，數據量呈爆炸式增長。美國國會圖書館需要10TB的儲存空間；光是在2013年，Google、Apple、Facebook和亞馬遜等四大科技公司就收集了比10TB多出約十二萬倍的數據，而那還算是網路世代早期的發展。如今數據積累的速度比阿波羅火箭更快；在2017年，每分鐘就有超過三百小時的視頻上傳到YouTube、每天有超過一億張圖片被發佈到Instagram，更巨量的數據意味著更聰明的演算法。
第三個促成AI發展的因素是雲端計算。這種趨勢對消費者來說幾乎是看不見的，對AI卻產生了巨大的普及效應。為了說明這一點，讓我們拿數據和石油做個類比。假設二十世紀初所有的公司都擁有一些石油，但是他們都必須建立一些基礎設施才能提取、運輸和精煉自己的石油。任何具有創新點子、想要善用自家石油的公司，都將面臨龐大的固定成本才能進行，最終結果就是大部分的石油都無法開採。是的，同樣的邏輯也適用在相當於是21世紀石油資源的數據資訊。大多數的業餘愛好者或是小公司，都想要利用自家數據來建立人工智慧系統，假如都得購買一切所需的設備和專業知識，將面臨高昂的成本。但是，現今諸如微軟Azure、IBM或亞馬遜網路服務公司所提供的雲端計算資源設備，已將固定成本轉化為變動成本，徹底改變了大規模數據儲存和分析的經濟模式。時至今日，任何想要開採自家「石油」的人，都可以透過租用別人的基礎設備、以低成本完成。
當你將這四大趨勢結合在一起，也就是更快速的晶片、巨量的數據資料、雲端計算，再加上最重要的創意，利用AI解決實際問題的需求和能力將有如超新星的爆炸一般。
AI焦慮症
前文已經提過，我們的學生對於人工智慧有多興奮、以及全球各大企業如何積極地投入AI的發展。但是，如果說所有人都對這些新技術如此看好，那可就言過其實了。事實上，很多人對於工作就業、數據隱私、財富集中、或是俄羅斯人擁有傳播假新聞的Twitter機器人等問題感到焦慮。還有一些人，其中最著名的是Tesla電動汽車公司和SpaceX太空探索技術公司幕後的企業家伊隆•馬斯克（Elon Musk），甚至描繪出更可怕的景象：機器人變得有自覺意識，發現自己不喜歡被人類統治，因此開始用矽拳來統治人類。
先來談談馬斯克的憂慮吧。他的觀點引起了許多人關注，或許是因為億萬富翁在談論AI時，大家都會特別注意吧。馬斯克聲稱，在開發人工智慧科技時，人類正在「召喚惡魔」，而智慧機器是「我們最大的生存威脅」。
讀完本書之後，你將可以自己決定這些擔憂是否合理。但我們想事先提醒你，人們很容易陷入認知科學家所謂的「經驗性直觀推論法」（availability heuristic）的陷阱，亦即依據個人經驗中最容易立刻聯想到的事例，來評估相關事件發生的可能性。就人工智慧而言，這些例子多半來自科幻小說，其中絕大多數都是邪惡的 ，諸如《魔鬼終結者》、《星艦迷航記》、或是《2001太空漫遊》。我們認為這些科幻作品的例子造成了強大的錨定效應（認知偏差），讓許多人接受了「邪惡AI」的說法，而不加以懷疑。畢竟，我們有豐富的想像力能拍出這種電影，並不代表我們真的有實現的能力。至今，還沒有任何人有辦法打造具有一般智慧的機器人，像人類一樣聰明、或如「魔鬼終結者」一般。也許你的後代子孫會想辦法辦到，也許他們甚至能夠編寫程式機器人去威嚇伊隆•馬斯克的遙遠後代，但那將會是他們的選擇、也是他們的問題，至今檯面上都還看不到任何一點這種發展的可能性。現在以及可預見的未來，「智慧型」機器只擅長在其專門領域中表現聰明的一面：
•Alexa可以為你朗讀義大利肉醬麵的食譜，但是它不能替你切洋蔥丁，也肯定不會手持菜刀對你發脾氣。
•無人自動駕駛汽車可以載你到足球場，卻不能做球賽的裁判，更不用說能夠自己決定要把你綁在球門柱上，踢球攻擊你的要害。
再說，現在就開始擔心機器人具備自我意識，就好比德哈維蘭飛機製造公司（De Havilland Aircraft Company）在1952年試飛第一架商用噴射客機時，就開始擔心超高速飛行至遠距星系的影響。現在擔心這些都還太早了，眼前還有更重要的事情需要擔心。比如，延續噴射客機的比喻，為現今所有「飛機」制定明智的政策。
制訂政策的問題連帶引出我們對AI更多合理、切身相關的疑慮。人工智慧會造成全民失業的世界嗎？未來的機器可以對你的生活做出重大決定，卻毋須承擔任何責任嗎？最聰明機器人的擁有者終會掌握未來的世界嗎？
這些問題非常重要，無論是在科技研討會議上、世界各大新聞媒體、以及大學同事午餐閒聊的話題中，我們聽到大家不斷在討論。我們必須事先聲明，你不會在這本書中找到這些問題的解答，因為我們也不知道答案。就像我們的學生一樣，我們對於人工智慧未來的發展十分樂觀，希望讀者看完這本書之後，也會認同這種樂觀的態度。然而，我們並不是勞工經濟學家、政策專家，也不是算命師。我們是數據科學家、也是學者，這意味著我們的本能就是堅守自己的學術路線，對自己的專業知識充滿信心。我們可以傳授人工智慧的知識，但我們無法告訴你未來世界的發展將會如何。
然而，我們可以肯定地告訴你，一些AI相關主題常見的論述觀點，都是不完整的。這些說法強調大型科技公司的財富和權力，卻忽略了AI不可思議的普及化和傳播發展。它們強調機器使用存有偏見的數據做出重大決定的危險，卻沒有意識到我們早已生活在人類決策偏見之下、或深受其害。最重要的是，這些論述十分關注機器可能剝奪人類的權益，卻忽略了我們將得到的回報，例如不同類型卻更好的工作、新的便利、免於苦差事且更安全的工作場所、更完善的醫療保健、更少的語言障礙、新的學習和決策工具，這些回報讓我們更聰明、更精進。
再來談談工作就業的問題。在美國，儘管人工智慧和自動化成為經濟發展的動力，從2010年到2017年，失業救濟人數仍持續創下新低。在中國，機器人自動化的步伐變得更加快速，工資卻連年飛漲。這並不代表AI沒有威脅到個人的工作機會。影響已然產生，也會繼續構成威脅，就像電動織布機威脅紡織工的工作、汽車取代馬車伕的工作一樣。新技術總是會改變經濟所需的勞動力結構，造成某些領域的工資不斷下跌、某些領域則不斷飆升的壓力，人工智慧也不例外。我們強烈支持就業培訓和社會福利計劃，為那些被技術取代的人提供實質的幫助。或許正如許多矽谷老闆所想，全球化基本工資甚至可能成為解決之道。我們不敢妄下斷語，不過，AI未來將造成人類失業的這種論述，目前為止尚未完全得到實證的支持。
接著是市場獨占的問題。亞馬遜、Google、Facebook和Apple都是實力堅強的科技巨頭。最重要的是，面對那股強大力量，我們必須保持警惕，以免它被用來扼殺競爭或削弱民主規範。但也別忘了，這些公司之所以成功，是因為他們提供了人們喜愛的產品和服務；只有不斷創新，才會取得成功，這對大型機構來說，並不容易。此外，我們也看過許多預測，認為今天的科技巨頭將永遠保持主導地位，但其實這些預測通常無法印證過去，更不用說未來。還記得戴爾（Dell）和微軟（Microsoft）曾經是電腦界龍頭嗎？還記得諾基亞（Nokia）和摩托羅拉（Motorola）獨佔手機市場的盛況，熱門的程度令人難以想像？還記得每位律師人手一支黑莓機（Blackberry）、每個樂團活躍於MySpace 社群網站、每台伺服器都來自昇陽電腦（Sun Microsystems）的年代？還記得美國在線（AOL）、百視達影業（Blockbuster）、雅虎（Yahoo）、柯達（Kodak）或是索尼隨身聽（Sony Walkman）？企業起起落落，時間不斷流逝，科技發明卻越來越酷炫。
我們對於AI崛起有個實際的看法：AI時代己經到來，未來會更加速發展，不管我們喜歡與否，這些技術將帶來巨大的好處，也將不可避免地反映我們文明的弱點。因此，要加以提防，不管是在隱私權、平等權、現有的機構、甚至是還沒有人想到的東西，我們必須用明智的政策來應付這些危險。如果我們希望在「熱門話題」和一百四十個字元的世界裡制定明智的政策，我們必須達到某種社會境界──在這個社會中我們可以平衡地討論這些問題、反思問題的重要性和複雜程度。本書不會進行這個討論，但如果你想在討論中充分掌握內容，本書會提供你所需的知識。
淺談AI與數學二三事
在開始之前，我們認為有必要提醒讀者：在這本書中你會碰到一些數學問題。然而，就算你自認為對數學很沒天份，請不要擔心，人工智慧的數學其實是非常簡單的，我們保證你能夠掌握。同時，我們也向你保證，下一點功夫是值得的：如果你理解AI背後的一些數學運作，你會發現它不再那麼神秘難解。
我們本來可以寫一本關於人工智慧卻又不參雜數學的書，畢竟，若照我們一直以來所聽到的說法，你可以選擇數學或朋友，但不可能兩者兼得。編輯最初懇求我們採取這種方法，低聲嘀咕著：「每多一個數學符號就損失三千名讀者」、「每多一個希臘字母就損失五千名讀者」之類的。無論如何，我們的回應是：該死的不可能（no way），根據經驗，我們對讀者的信心絕對不止如此。我們兩位已經教了四十年的數據科學和機率，其中包括許多MBA碩士生和大學生；他們在來到課堂之前，滿腦子充斥著討厭數學這種可怕的病毒思想。然而，當他們明白這些超酷的人工智慧應用程式，從Alexa語音助理到圖像識別究竟如何運作時，我們看到這些學生的眼睛興奮地發亮。說穿了，不過就是大數據的概率罷了。他們這才開始明白，數學方程式根本沒有那麼難以理解。最後，他們甚至感受到數學的力量，意識到在正確的環境下，學習用一點機器思維來思考，也就是運用數據和機率規則做出決定，甚至可以幫助他們成為更聰明的人。
所以，在接下來的七個章節中，我們將為你介紹七位精彩可期的歷史人物，每一位都有重要的經驗可傳授，告訴你為什麼聰明的機器需要聰明的人，反之亦然。你將會得到更高的AIQ和全新的領悟、讚歎人類多麼聰明，能夠將自己的創意構想和科學技術完美融合在一起。
序章
筆者兩人每年在課堂上講授數據科學，教過無數學生，他們都對人工智慧（Artificial Intelligence, AI）驚歎不已，也提出很棒的問題：無人自動駕駛汽車是怎麼辦到的？Alexa智慧語音助理如何聽懂我說的話？Spotify音樂串流服務怎麼挑選出符合我喜好的播放列表？Facebook如何在我上傳的照片中識別我的朋友？我們的學生已然明白人工智慧不再是未來的科幻機器人，而是發生在此時此刻，正在用智慧型手機逐步改變世界。大家都想了解AI，也都希望躬逢其盛。
除了我們的學生之外，全球龍頭企業也都熱衷於AI的發展，像是美國的亞馬遜、Faceboo...
推薦序
「從前、從前……」凡事都有個從前，AI 也是
葛如鈞／北科大互動設計系助理教授
「從前、從前… …」許多童話故事都會這樣開始，其實 AI人工智慧也是。
《AIQ：不管你願不願意，現在已是AIQ比IQ、EQ更重要的時代》的作者是兩位原先在大學教了多年數據分析與人工智能的專家，透過本書，首次向世人宣告他們對 AI 的理解與說明；甫一推出就震撼許多讀者，包括我在內。本書最大的特色，是作者透過好幾個人工智慧的實際應用案例，如 Netflix 推薦系統、城市治理的監控系統等，說明 AI 的運作原理，並且找出它們是如何從數十年、甚至數百年前的某一天，一路演進到現在的樣子。
文學大師馬克‧吐溫（Mark Twain）曾說過：「天底下再也沒有全新的梗。」所有的創新都其來有自。而如今包圍在我們生活周遭的人工智能應用也是。若將一個又一個 AI 應用看作橫空出世的外星科技，勢必不容易理解；不過，一旦我們找出它們各自的源頭──兩百年前的數學、一百年前的統計、五十年前的歷史故事──我們便得以從頭開始、追本溯源，更有助於理解 AI 的創新與革命究竟從何而來。
《AIQ》的另一個特性，則是作者大無畏的決定放上數學公式與統計表格，不將 AI 拆解到最後一分一毫絕不放棄。
如同作者在書中一開頭的自嘲：「每多一個數學符號就損失三千名讀者」、「每多一個希臘字母就損失五千名讀者」，但他們最終還是堅持原則與初衷。看著作者鉅細靡遺地針對 AI 技術底層最基本的原理，詳細拆解與描述，我忽然回想起年輕時看的一本科普啟蒙書《混沌》（Chaos），該書和本書一樣，都有追本溯源的歷史故事，和一個又一個的精妙比喻，作者也同樣甘冒流失讀者的風險，將一個又一個精簡美麗的公式（如 f(z)=z2+c）放在書裡，成了我進入科學世界的第一扇門，也是當年我對數理啟蒙的美好回憶。
未來的世界，是人機整合的世界。
無論是去到美國的奇點大學（Singularity University），還是日本的東京大學，我走訪各國與最傑出的教授共事、在最聰明的學院就讀，所有人都一致同意：人工智慧並不可怕（至少絕不比人可怕）。只要我們抱持開放的心胸理解AI、善用AI，人機合作的未來前景無限。而在這樣的一個年代，我們究竟要如何學習理解AI，進而更好地利用它、甚至進一步改良它呢？我認為，如同學語言要從 ABC、ㄅㄆㄇ開始，學習人工智慧非透過此書不可，從詳盡的案例、精彩的源頭故事開始打好基礎。如果說地球科學、物理、化學是我們早年理解科學世界的必經之路；IQ 測驗是考驗我們邏輯心靈的必要方法；那麼在下一個世代，AI 勢必要取得和地科、理化等基礎學科一樣重要的地位，而《AIQ》終將成為考驗我們是否能妥善應用、理解人工智慧的必要讀物。
誠心推薦此書，若你讀了一遍還有許多地方沒有理解也請放心，再讀一遍吧。直到人工智慧超越人類的想像未來世界帶來危險之前，我們還有許多時間。
「從前、從前……」凡事都有個從前，AI 也是
葛如鈞／北科大互動設計系助理教授
「從前、從前… …」許多童話故事都會這樣開始，其實 AI人工智慧也是。
《AIQ：不管你願不願意，現在已是AIQ比IQ、EQ更重要的時代》的作者是兩位原先在大學教了多年數據分析與人工智能的專家，透過本書，首次向世人宣告他們對 AI 的理解與說明；甫一推出就震撼許多讀者，包括我在內。本書最大的特色，是作者透過好幾個人工智慧的實際應用案例，如 Netflix 推薦系統、城市治理的監控系統等，說明 AI 的運作原理，並且找出它們是如何從數十年、甚至數百年前...
目錄
各界好評
推薦序∣「從前、從前……」凡是都有個從前，AI也是────葛如鈞
序章
AI究竟是什麼？
我們如何走到今天這一步？
AI焦慮症
淺談AI與數學二三事
第一章 看出沉默證據的流亡數學家
二戰英雄暨統計學家亞伯拉罕•沃德
真相，其實在未返航的軍機上
被忽略的數據：別讓看不見的唬了你
未返航的轟炸機，未知的用戶評分
隱藏特徵所道出的真相──關於用戶和Netflix
推薦引擎帶來的正負效應
第二章 洞燭幽微的女天文學家
輸入與輸出：機器如何識別模式？
重大天文發現
在數據中運用預測規則
超越線性模型
第三章 牧師、潛艇與自駕車
機器人革命
尋找失踪潛艦就像定位自己的位置？
貝氏定理──從牧師到機器人
貝氏定理如何讓人更聰明？
Column∣貝氏定理的數學公式
第四章 奇異恩典──神奇的程式語言女王
兩大創新革命
程式語言女王──葛麗絲•霍普
自然語言革命：從Grace 到Alexa
1980～2010年：統計自然語言處理如何發展
文字如何轉換成數字
第五章 英國皇家鑄幣廠的天才
牛頓的第二事業
貨幣樣本年度驗測
Column∣平方根法則
人工智慧時代的異常檢測
數位時代的魔球
第六章 提燈巡房天使──南丁格爾
克里米亞的天使
南丁格爾對數據科學的貢獻
AI時代可避免的傷害
AI足以拯救一切？
遠距醫療
下一步如何發展？
第七章 洋基快艇
迪馬喬的故事與輕率推斷的後果
運算模式失效
運算模式也會老化
假設偏差，結果誤差
致謝
原文附註
附錄：中英名詞對照表
各界好評
推薦序∣「從前、從前……」凡是都有個從前，AI也是────葛如鈞
序章
AI究竟是什麼？
我們如何走到今天這一步？
AI焦慮症
淺談AI與數學二三事
第一章 看出沉默證據的流亡數學家
二戰英雄暨統計學家亞伯拉罕•沃德
真相，其實在未返航的軍機上
被忽略的數據：別讓看不見的唬了你
未返航的轟炸機，未知的用戶評分
隱藏特徵所道出的真相──關於用戶和Netflix
推薦引擎帶來的正負效應
第二章 洞燭幽微的女天文學家
輸入與輸出：機器如何識別模式？
重大天文發現
在數據中運用預測規則
超越線性模型
...
蝦皮商城
TAAZE 讀冊生活
Yahoo奇摩購物中心
樂天書城
五南文化廣場網路書店
