工業大數據專家李傑教授上週在台灣參與了一系列的活動，在一場智慧財產局於台中舉辦的智慧化創新思維研討會中，李傑教授以極其罕見的感性論述，把傳承納入了工業大數據與主控式創新的演講內容。傳承，與1990年代的知識管理與組織學習，以進階版的人工智慧演繹著對於過往經驗的延續，科技與人工智慧都在於對未來的預測，試圖降低在這個複雜世界經略的風險。
有些複雜系統（例如天氣）是完全無視於我們的預測，但人類發展的過程則會對預測產生反應。事實上，預測越準確，引起的反應就越多。因此很矛盾的是，隨著我們搜集更多資料、提升運算能力，事件反而會變得更出乎意料而難以預測。這段出自於「人類大命運：從智人到神人」第65頁的文字，直白地承認我們對於預測的糾結。
數位轉型（Digital Transformation）堪稱浩大的系統工程，在各種看得見的生活應用之下，潛藏著遠比表象來得龐大的不可見世界，藉由數位建模聯通線上與線下，以數學運算的模擬對線下營運產出決策支援系統，彌補憑著傳統經驗法則、甚或反射式決策的缺失，人與機器聯手開創新的智慧空間，是數位轉型中的精華。但萬變不離其宗，技術的手段可以不同，但追求人類福祉的本質不會改變。人工智慧能否補足人所欠缺的智慧，關鍵在於目標的達成，而非手段的酷炫；如果克服技術層面的挑戰就解決一切問題，世界就太美好了。
智慧能有所發揮在於累積，因此時間成為關鍵；問題是人類會遺忘，累積智慧似乎並未與時間成正比。數位轉型帶給人類遺忘的救贖是，所有的資料都會被儲存在記憶體中，讓數位記憶體補足人類記憶體的缺陷（如果那是缺陷的話），從重要的過往痕跡中汲取迎向未來所需要的智慧，數位轉型的成果將協助人類文明邁向另一個高峰。就涵蓋範圍而言，以往的累積僅限個人或局部的資訊，後互聯網時代的連結觸發了前所未見的知識與經驗集結，因此累積的經驗也達到前所未見的高度。但能否產出足夠的智慧以因應盤根錯節的挑戰，實在仍在未定之天。
第一個難題是難以言喻的經驗如何數據化？這道難題在知識管理發展的年代中已經有諸多探討，理論上固然可以資料庫完成，卡卡的挑戰仍在於人性。被西方譽為知識教授的野中郁次郎（Ikujiro Nonaka）的重要理論貢獻「知識螺旋」，以SECI循環分析了經驗這類的內隱知識如何轉化為有利傳承的結構性外顯知識。外顯的知識才有結構化的可能，結構化的數據是資料庫化的前提要件，因此，從一家廠商的資料庫的格式，應該可以一窺其知識與經驗結構化的程度，以及其智慧傳承的可能。不過，在人性的挑戰下，SECI仍有高度不確定性。
第二道難題是結構化的數據如何演繹出對未來的決策智慧？當資料庫強大到能找到應用的因果邏輯時，才有機會發展出人工智慧，助攻人類智慧的不足。但互聯網把人與物串連後，原本的複雜就更加複雜；電腦演算法的進展若趕不上人類行為複雜度的進展，結果是知識與經驗的貶值加劇。何況將知識與經驗再轉化為資料庫與基於資料庫運算的人工智慧應用，速度趕不上人類創新所締造的新規則，規則集（Rule Sets）建置的完整性在時間落差中，影響預測分析的準確，也陷推估於具有風險的有限機器理性中。數位發展對於智慧傳承的貢獻度，還有待時間的驗證。
第三道難題需要重返「遺忘」這個命題本質。累積的年歲標記著智慧遞增、記性遞減的矛盾。遺忘，構成了許多生活的困擾，但是否全無好處？也不盡然！那些痛苦的記憶，在遺忘中褪去沈重的包袱。若能將失敗的經驗結構化，避免遺憾的再現，以科技的手段是輕而易舉的；但失敗的經驗換一個時空背景，能否掙脫適用的挑戰，在盡信經驗不如沒有經驗的當代，仍是一道難解的命題。至於「遺忘」是否屬於智慧的一個環節，恐怕人工智慧的晶片運算速度與資料庫的規則集，都還得多加油！
數位轉型的趨勢難以逆轉，轉型中看見了新文明的突破契機與成長空間，因此，數位轉型中的智慧傳承需要更多深入的探索！
沒有留言:
張貼留言