談起人工智能，近年自然會先想到2022年出現的ChatGPT，以及幾個其他與之競爭的系統。這些系統都善於猜想，基於龐大的數據庫，系統估計最合理的答案。當然，基於數據而猜想答案其實就是人類的學習模式。任何考試之中，考生也是基於試題和知識，估計能拿到最高分的答案。
在專業工種具優勢
人類記憶力有限，而且還會記錯，因此萬不可能從「整個互聯網」去找答案。現代專業的學術定義，是一個需要特殊知識的行業，而又有一定習慣和行規，需要一代傳一代地承傳下去。因此，比拼知識是專業工種所不能避免，而這一波人工智能亦會在這方面有一定優勢。例如，沒有人類律師能夠像電腦一樣，清楚記得每一條法律和每一個案例。
也因此，不少人聯想到網上醫生、網上律師等服務。能夠成功就在乎人工智能的估計答案，能否追上人類專家的判斷。看到驗身報告，電腦的確可以列出文獻內所有三四十個可能疾病，但能否由此估計出最有可能的疾病原因，再開出藥方，就決定了這類系統的價值。只有在社會相信系統判斷能力和人類專家一樣高，我們才再需要考慮監管等問題。
所謂創造性人工智能，也就是系統可估計出預料不到的答案。按蒙娜麗莎原有的顏色和筆法，一筆一筆地填色是臨摹，改變了顏色和筆順就變成了新畫作。新畫作能否被受落，用家回饋就很重要。大家一直採用某系統，就會令系統作業愈來愈接近人類的審美觀。
最終還是盈利問題
但是創造性人工智能的盈利模式卻不明顯。科技有用但賺不到錢並不罕見，千禧年那次科網股爆破，就是因為有些網站吸引了眼球卻收不到錢，炒作一輪「眼球估值」之後，最終都需面對現實。不少專業工作都由法規保護，例如公司核數就需要持牌核數師承認。無論是拿到了獨立認證，可以直接面對顧客，還是只輔助持牌人士，擔任背後軍師，與專業服務相關的人工智能系統都有盈利模式。
但是一走出了專業領域，盈利就不容易產生。最好的繪圖系統，也許能吸引一些月費會員，但是只怕更多人會寧願使用質素較差的免費系統。這些系統要成功，不單是技術問題，也是如何獲取盈利的問題。
上述的人工智能系統都是虛擬服務，和實體社會的接觸介面就是現有的電腦、手機。另外就是接駁新介面的系統，例如自動駕駛車輛，就是人工智能系統直接指揮車輛。其實系統還是進行同類型的估算，面對現場環境，在加速、減速、左轉、右轉的組合，就是駕駛決定。
自動駕駛容錯率更低
人工智能系統「靠估」是它的根本設計方針，但是不同的應用環境就有不同的容錯率。繪圖系統追求創造性，只有主觀美醜，沒有對錯。專業服務如果只是充當軍師，亦可容許少許錯誤，因為有持牌人士最後把關，確保錯誤建議不被落實。但到了自動駕駛，則沒有人類把關，容錯率就會收緊。因為全球每年還有數以百萬計的人死於交通意外，因此自動駕駛不需要做到零錯誤也對社會有利。但是即使如此，自動駕駛系統還是要比人類司機，安全率高幾倍才有望拿到政府批准。
（編者按：楊書健最新著作《息賺秘笈》現已發售）
歡迎訂購：實體書、電子書
楊書健
