面對AI機械人，我們的優勢是思考靈活，擁有無限創意和想像力。(新華社圖片)
故事是讀MBA的同學講給我聽，這是他上課學到的。哥倫比亞大學有一位統計學教授，二次大戰時，受僱美國軍方研究減低轟炸機被擊落的機率。怎樣做沒有先例可援，教授細心檢查作戰回來轟炸機的彈痕，經過統計發現，遭受炮火擊中最多的是機翼部位，翼尾被擊中的比例最少。
我這位好同學沒有即時開估，反問換作我是統計學教授，應該如何建議軍方改良轟炸機以增加幸存率？我想這是一條小學生的思考題，既然機翼最易中招，加強機翼的防護便可以。答案當然不是，否則又怎會擺上MBA的學堂呢？
那位統計學教授提出跟我相反的建議︰「加強機尾的防護。」軍方言聽計從，轟炸機尾部加裝鋼板，轟炸機幸存回航的機率果然大大增加。我想︰「教授是不是斷估？統計數字不算數，難道他通過實驗去看最應防護是那一個部分？」可是這個實驗怎麼做？你上轟炸機參加一次又一次任務來觀察結果嗎？須知這是九死一生的工作。
教授沒有只看數據，便依書直說作結論，他也沒有上過轟炸機參與觀察，他只是跳出框框作思考︰「機翼多被擊中，結果都可以回航，反而沒有見過太多機尾出事的轟炸機例子，最大原因可會是機尾中彈者，已經難逃一劫。」原來看不見的彈孔才是答案，後來成為MBA案例，名之為「倖存者偏差」（Survivorship Bias）。2018年，全國高考作文題，也用上這例案讓學生發揮創意。
「倖存者偏差」很適合作為中學生的人工智能（AI）課題。大家對於人工智能與人類智慧有很多不明白的誤解，認為能夠打敗世界棋王的AI機械人，日後要取代我們的工作，其實AI系統的強項是「腦力粗活」，長於處理直線而重複的項目，例如AI的「機器學習」是透過資料和經驗學習，依程序找出事物運行規則；而「深度學習」是透過大量數據學習辨識物件、圖像和語音。AI學得很快，能處理龐大資訊量，不過，受限於AI的演算法，它的思考方式不及人類的靈巧，智慧難以達到那位統計學教授般刁鑚。
AI技術正不斷改進，致力提高AI的想像力、聯想力，甚至藝術創作能力，但我很懷疑幾時可以研發出像福爾摩斯的AI機械人，又或者寫得出《紅樓夢》的AI作文機器？簡單而論，我們集中於創新和想像力的思維訓練，便不會落後於AI機械人，反而能更好應用這門科技，幫助我們解決問題。
黃秉華
** 博客文章文責自負,不代表本公司立場 **