醫病防盜愈學愈醒　機器學習主宰人類未來

原文刊於信報財經新聞專欄「StartupBeat 創科鬥室」

機器學習（Machine Learning）和深度學習（Deep Learning）技術已悄然走進我們的日常生活，並主宰通訊、醫藥、運輸以至金融等行業的發展命脈。機器通過收集數據，不斷學習人類知識和經驗，再自我改良，或許終有一天會取代人類，成為世界的新主人！

人工智能（Artificial Intelligence）領域內又可分為機器學習及深度學習兩個範疇，有別於單一機械式工序，機器學習已能做到自動操作，透過演算法分析數據，從模索中學習，讓程式不斷改良。水平較高的深度學習更會加入神經網絡運作方式，如面部及語音辨識技術，嘗試模仿人類各種特性。

Siri自我改良 善解人意

蘋果手機內置的虛擬助手Siri每天都從用家身上學習，令手機功能與時並進。Siri原本是國防高等研究計劃署（DARPA）的產物，後來成為蘋果App Store架上的應用程式。2010年獲蘋果收購，並自iPhone 4s及 iOS 5起加入為蘋果移動產品的作業系統。

為提升Siri的深度學習能力，蘋果公司除了招攬人工智能專家，也收購掌握神經網絡技術的初創企業Turi。Siri發展初期能夠回答的問題不多，但隨着用戶廣泛應用，該程式收集到大量對話數據，演算法得以不斷改良，令Siri變得愈來愈善解人意。

Siri主要有4個深度學習的核心部分，包括語音辨識、自然語言理解、執行及回應要求。換言之，當我們與Siri溝通得愈多，等於間接幫助系統提升，教導它愈來愈似人類，從而推進科技發展。

程式自動篩走垃圾電郵

除此之外，根據電腦保安公司卡巴斯基實驗室（Kaspersky Lab）統計，約六成的電郵屬垃圾郵件。我們每天打開收件匣時，機器學習程式原來已暗中篩走可疑的通訊內容，減少浪費網絡資源。

在未有機器學習之前，電郵用戶可以自訂清單，封鎖某些字眼或寄件者，讓系統自動把垃圾電郵過濾，惟魔高一丈，垃圾郵件發送者變得愈來愈醒目，會在電郵加入不同字眼，千方百計避過審查。不過，隨着機器學習的出現，它可根據全球用戶的使用習慣，不停更新可疑關鍵字內容，不斷提升與垃圾郵件鬥法的能力。

美國調查機構報告The Nelson Report估計，全球信用卡及提款卡的欺詐交易額每年超過200億美元（約1560億港元）。有銀行嘗試把機器學習套用於各項服務上，預防不當交易的發生。簡單而言，機器透過每天學習用戶的數據，逐步了解其日常使用習慣，然後以「排除法」揪出問題交易。銀行亦會根據全球欺詐交易的特點，快速找出可疑交易，例如若今次發現客戶信用卡被盜用時，交易地點大多顯示為美國或日本，吸取了這個經驗後，當系統下次發現上述共通點，即可盡快通知客戶其信用卡可能被盜用，以減輕金錢上的損失。

導航App了解習慣 路線窩心

不論走路或行車，當遇上迷路，我們往往會打開手機，以全球定位系統（GPS）協助導航。由於智能手機容許Google Maps透過GPS存取用戶位置資料，令系統可藉機器學習更新道路流量及封路改道等資料，從而更準確預測行車時間。

美國初創公司INRIX研發的應用程式，不但提供實時交通資訊及導航服務，亦會學習司機的行車習慣，向他們提供喜好的路線，比Google Maps更個人化。舉例說，若司機每天上班前都會去特定快餐店買早餐，INRIX了解這習慣後，便懂得自動作出導航，假如前往快餐店的路線出現交通阻塞，INRIX會主動提醒及建議轉換路線。

醫療行業也開始應用機器學習技術拯救更多寶貴生命。過往醫生診症主要憑臨床經驗及醫學知識，再建議相應的治療方法。現在機器也可學習成為醫生，不但可避免主觀判斷，更能作出精準的診症及預測。機器學習收集病人的病歷，幫助醫生診斷分析，再根據過往的大數據紀錄，找出最合適的療法。2013年，香港中文大學成立初創公司Codex Genetics，以機器學習收集癌症及神經系統病人的數據，如遺傳基因、病徵等進行分析。目前Codex Genetics已跟醫院管理局合作，冀藉新技術提升醫療服務水平，同時計劃進軍內地，收集更多相關資料。

要讓機器學習普及，必須倚靠科技人才。Google自動駕駛汽車研究部門GoogleX創辦人特龍（Sebastian Thrun），於2011年創辦網上學習初創企業Udacity，與史丹福大學合作，向十多萬學生教授人工智能課程。

特龍表示，機器學習是矽谷最火熱的項目之一，它有能力令多個行業進步，減少重複性質的工作，「醫生會成為更好的醫生，律師會成為更好的律師，汽車可以自行駕駛。」未來，人工智能、機器學習及深度學習將逐步佔據我們的生活，為人類「分憂解難」。

撰文：袁樂雯

支持EJ Tech

如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。