学贯中西：从GAN领悟人机协同创新之道

1回顾：GAN里的两个角色

GAN( 生成对抗网 ) 里的两个角色：生成者 (generator) 和判别者 (discriminator)。其中的生成者，又称为创新者，而判别者又称为鉴赏者。在常见的图像绘画领域，其典型的协同创新模式是： G( 创新者 ) 负责创作图片；而 D( 鉴赏者 ) 负责辨别一 张图像的真或假，然后引领 G 逐步改进，止于完美逼近目标。

上述的 GAN 协同创新模式，属于 AI 机器与机器之间的协同合作或创新。然而，在 AI 科技不断成长的潮流下，这些协同合作模式，也可望扩展为人机之间的协同合作或创新。换句话说，AI 机器可以扮演创新者，也可以扮演鉴赏者。而人类一样可以扮演创新者，又可以扮演鉴赏者。

2 AI机器扮演鉴赏者角色

也就是，把上一小节里的创作者角色，改为人类来扮演，让人类来学习创作，但仍由AI机器来评鉴与指导。形成了由 AI 机器来教人类创新的情境，如图 1。

图1

例如，在语言教学上，由 AI 来纠正人类学习者的发音，已有很优秀的表现了。

3 AI机器扮演助手角色

在这方面，AI 也有许多亮丽的表现了，包括语音秘书、绘画等助手，如图 2。

图2

就像谷歌公司的 AutoDraw 绘画助手，可随时陪伴创作者作画。例如，人类用手绘画，如图 3。

图3

图4

当人们画了上面左图，继续画成右图时，可以让 AutoDraw 绘画助手来表现一下，它可以帮忙画成一只海豚，如图 4。目前，在各行各业里，这样的 AI 助手都蓬勃发展中。

4 AI机器扮演学生角色

这就是本专栏所介绍的 < 机器学习 > 了。人类担任训练者 (trainer)，采集许多数据（如同教材）来教导 ( 训练 ) 机器学生，如图 5。

图5

于是人们也都能扮演训练者的角色，来调教 AI 机器。例如，人们可以直接写入自己的笔迹来训练一个 AI 机器。例如在画面上直接写了阿拉伯数字，拿笔迹来调教这 AI 机器，如图 6。

图6

接下来，人们可以写入数百个阿拉伯数字 <0>~<9> 的笔迹，来调教这 AI 机器。就像人们学习的过程一样，很快地，AI 机器就学会了辨识这些笔迹了，也就是会分辨出人们所输入的笔迹了。

5 AI机器扮演神鹰角色

有一个传说中的成吉思汗与神鹰的故事。有一天成吉思汗自己一个人去打猎，却迷路了，眼前一遍沙漠，又口干舌燥，突然看到峭壁上滴下了水滴，成吉思汗就拿着水杯去装水，正要拿来喝的时候，他常常携带的一只神鹰，在空中飞翔，就飞下来，唰一声，把杯子踢翻了，连续踢了四次。成吉思汗想要吓吓它，叫它不要捣蛋，就拿起弓箭来吓它，射出箭之后，神鹰惨叫一声，掉落到峭壁上。

成吉思汗爬到峭壁上发现神鹰被他射死了。神鹰旁边的水池 ( 就是水滴的来源 )，里面有一条毒蛇，而且是死的。因为蛇是死的，所以水是有毒的。成吉思汗发现了神鹰救了他的命。

这是伟大决策者——成吉思汗与神鹰的协同合作的故事，如图 7。

图7

于是我们就可以继续思考一个问题：如果今天我们做出了两个 AI，一个叫 AI 神鹰，另一个叫 AI 猎狗。 那么我们就来想一想，成吉思汗会携带 AI 神鹰，还是 AI 猎狗呢 ? 很容易推论，他会选择 AI 神鹰。为什么呢 ? 因为神鹰会看到危险，看到危机、看到风险。这意味着，决策性比较高的场域，AI 很适合做神鹰这个角色。如果是这样做，AI 就会很成功。反之，如果 AI 做到成吉思汗的角色，效果可能不太好。

所以，把 AI 做在决策点与行动点之间，是最具价值性的。从成吉思汗与神鹰的故事，可以领会到，AI 扮演神鹰的角色，既符合 AI 的特性，又非常具有价值。当 AI( 神鹰 ) 发现决策者思绪不够完美时，可以给予画龙点睛的效果。

AI 扮演神鹰的角色，其价值在于：当 AI( 神鹰 ) 发现决策者的决定是错的，而且行动是灾难性的，AI 立即提出严重警告。换句话说，AI 必须在决策者的 < 决策时间点 > 与 < 行动时间点 > 之间的数秒钟内，必须即时纳入当下的决策，做出智慧的推论，采取保护主人的行动，而且刻不容缓。

6 登山者/雪巴人协同模式

大都知道，尼泊尔的珠峰是全世界最高的山峰。其登山者常常需要当地雪巴人的协同合作。我们可以从登山者与雪巴人来看他们的特性；雪巴人在山上已经住了 30、40、50 甚至 60 年以上，所以他的阅历很多，对那个场域、环境很熟悉。而登山者有他的梦想、勇气，到了一个陌生的环境中探索。所以雪巴人扮演一个角色，就是：降低风险。他会告诉登山者那里有坑、那里有洞；而登山者就去探索和想象，追逐他的梦想；就是这样的 组合。

我来举一个例子，有一位登山者，他准备 ( 半年后 ) 在 12 月份登上最高峰，他就选择珠峰的南边，经由南边而爬上珠峰的最顶端。这时，雪巴人就告诉他说：那一条路不能走。登山者就问：为什么不能走 ? 雪巴人反问登山者：请先说说，您为什么选择那一条 ? 此时登山者回答说，因为到了十月份，是秋天，南边的阳光比较充足；而北边黑暗，不知道怎么爬。然后，雪巴人就说那一条路不能走的原因是：到十月份，会刮东北风，所以南边会有大规模的雪崩。这时候他就告诉登山者说：那里有一个风险，非常高，您不应该往那边走。这是要降低风险，让他不要失败。所以像兵法讲的一句话：不打“没有把握的仗”。就是由雪巴人来告诉他那些部分是没把握的仗。

这就是不确定性高、变化度很大的场域，最典型的是战争，像政治啦、战争啦。所以刘邦旁边需要张良，刘备旁边需要孔明等，都是这样的搭配。这常称为：登山者 / 雪巴人协同模式。AI 机器也可以同时扮演此模式里的两个角色，如图 8。

图8

至于现在的不确定性场域，就是股票、基金等金融，其不确定性最高。我们也可以给予 AI 机器特别的训练，让它逐渐具有神鹰的能力，来帮决策者降低风险。例如，在股票市场里，“AI 量化交易”里，就有 AI 神鹰的角色，会很敏锐地给予投资者示警，告知那里有坑、那里有洞，来有效避免投资者的偏见和误判，降低风险，提高赢率。

7 结语：从预测到决策

AI 模型的常见用途是：预测 (prediction)。如果，把拿来当作手段，那么决策 (decision) 是其目的之一。如果我们能把 AI 与商业之间的连结，从预测提升到决策层级，那么 AI 将带给企业的效益就大大提升了。

从刚才的“登山者与雪巴人”的例子里，可以了解到，雪巴人担任的事情就是从过去的经验，推论出来十月份南边会有雪崩，因为是基于他的经验及事实，所以他的否证能力是超强的。于是现在，您就可以很了解了， AI 因为基于大数据，所以它的归纳性推理 ( 从因推到果 ) 能力特别强，而且已经远远超越人类的能力了。

AI 是基于大数据，当作人的支持 ( 协助 ) 工具。成功关键在于如何“支持”。关键性答案是：不是创造利益或省成本，而是降低风险。雪巴人的关键性角色，就是降低登山者的决策风险，也就是强力支持决策者去探索更好的机会。

虽然，AI 的特长在于代替人类去做预测性的思考，还不能媲美人类的创造性思考，然而它却可以赋能而助力人的创新思维飞上万米高空。只要您的创新思维能飞， AI 就可赋能给您，飞得更高更远！