在日常的新聞報導裏，人工智慧（AI）的出鏡率越來越高，幾乎每天都可以耳濡目染有關AI的消息。
2019年7月5日，美國IBM公司的蘇黎世研究所開發出一款叫作「Hypertaste」的「電子舌頭」。即一種小型可攜帶的人工智慧化學感測設備，它可以跟人的舌頭那樣判定液體是否適宜飲用。
IBM的電子舌頭利用了一種叫作「組合感測」的技術，使單個的感測器對不同的化學物質併發反應，構建一個「交叉感知」型的感測器陣列，再利用AI技術識別分析物件液體的特性。雖然這款電子舌頭的物件只是鎖定液體，但是，已經可以想像出很多有趣的應用。譬如，對湖泊、水庫與河川的水質進行檢查；識別葡萄酒等酒類的真僞；對供應鏈上的食品與飲料進行檢查等等。透過進一步給AI餵食資料，讓它自律學習，這種AI輔助型可攜帶化學感測設備，甚至可以檢測我們的體液，進入保健領域。
筆者正在對這種電子舌頭的新穎性感嘆之際，日本的NTT公司在7月10日宣佈，其用「深度學習」技術識別聲音，得到和哺乳動物的大腦類似的反應。NTT用來識別聲音的訓練系統使用了「深度神經網路（DNN）」技術。在訓練AI的程序中，發現所建立的DNN很接近哺乳類的聽覺神經系統。
哺乳類從耳朵聽到聲音到大腦對其識別，要經歷腦幹與大腦皮質等許多組織對聲音特徵進行分析，從而做出相應的判斷。NTT建立的這個DNN就是模仿動物的聽覺神經系統，重疊了很多層次，對AI進行訓練，以識別自然的聲音。
我們知道，人工智慧的機器學習與深度學習跟以往的傳統演算法不同，不是程式員編寫演算法，而是AI自己比較輸入的資料與得出的結果，對照人給出的樣本，不斷修正系統模式，提高識別精度。NTT公司構建的聲音識別DNN捕捉到一種類似動物聽覺細胞對特定聲音頻率同期的一種所謂的「變調調音」特徵。傳統神經生理學一直對這種特徵束手無策，認爲是個謎。現在人工智慧實施了這個特徵，那麼，反過來研究AI所構建的DNN模式，對神經生理學的研究也會有很大的啓發。
AI已經可以幫助我們聽音，幫助我們品味，如果再可以幫助我們思考的話，又可以解放我們的腦力勞動。
2019年7月8日，富士通公司宣佈開發出一款可以摘要縮寫新聞報導等的系統。給這個系統輸入一篇文章，它便可以自動做成兩個版本的摘要，一個縮編在180個文字以内，另一個縮編在54個文字以内。有了這樣的系統，報導機構以及網路媒體的工作效率便可以得到飛躍式的提高。
筆者在整理一週的AI開發動態時，信手拈出這樣三個報導，便可一窺AI隊形變換的節奏。
AI正步入我們生活的各個領域。
供稿 戴維
編輯修改 JST 客觀日本編輯部
