今天的機器已不斷探索出那些隱藏在海量資訊中的相關性，以及萬事萬物間的隱蔽關係；這些人類無法感受也無法表達的「暗知識」，將徹底重塑世界。
— 《 AI背後的暗知識 》, 2020
AI的能力可以取代大部分的工作這是我們所熟知的，但是很少有人願意去剖析為甚麼AI可以發展出這些能力，甚至一發不可收拾。
.
王維嘉老師的這一本書《AI背後的暗知識》用「暗知識」來解說人類知識體系尚未開拓的疆界。之所以機器可以勝過人類的三大主因：
╴
超強感官、
數位化資料、
快速精確傳遞
╴
- 超強感官
用光譜來說明會最好理解。人類的感官有限，然而機器卻能夠感測到人類無法探測、觀察的顏色範圍；下圖便是將目前所知的光譜呈現出來，可以發現的是，中間一小段彩虹的片段便是「可見光譜」，而那也是人類唯一能觀察到的顏色範圍。其他的波長的波只能透過機器測量，人類才得以間接觀察。
╴
- 數位化資料
人類對於溫度這件事，最直接的感受便是冷、熱；若是要我們說出現在攝氏幾度確實對我們是一大難題。但是今天如果我們使用紅外線熱感測器（熱成像儀），那麼溫度便可以一目了然，而且誤差可以到小數點以下兩位都不是問題。
因此，溫度對於我們而言只是物理上的冷熱區別；但是對於機器而言，那便是一個接著一個的數據，分析這些數據、爬梳彼此的關聯性也是機器在行的。
╴
- 快速精確傳遞
透過腦神經科學家的研究，人腦至少有一千億個神經元，以毫秒的速度在傳送以及接收資訊。目前的機器即便採取「類神經網路」建構也尚未達到人腦如此複雜、密集的神經元分布」。
.
然而這並不是說我們贏了機器，如果今天我們探討的是「傳輸速度」那麼恐怕人類又要望其項背了。機器的傳輸速度比人腦還要精確而且快速許多，資料彼此之間的傳輸秒數僅奈秒之差！因此很多美國的證券交易所為了要得到最新的股票交易資訊，很多交易所都在爭奪奈秒之差；這也是後來廣為人知的「暗池交易」
╴
我們可以用維度（dimension）來理解我們跟機器之間的差異。高維度的生物可以理解比自己低維度的世界觀，然而，低維度的生物卻無法理解高維度的世界；如同二維平面的圖形無法呈現三維空間的厚度、深度。
如同像垂死之光這樣的上帝視角遊戲，遊戲裡的腳色永遠都是在各個平面游移，但是操控這一切的玩家可以一目了然看見敵人的位置、找出最佳路徑。
.
人類只有被取代的命運嗎？
我自己看完之後，整理出了至少三點是機器目前仍無法超越人類的部分
╴
意境、發問、情緒共鳴
╴
- 意境
書中其實提供了許多AI寫文章、寫詩的範例，當中有很多跟真人所創作的文本相去不遠；但是這樣的機器學習有個很重要的關鍵，就是需要有「文本來源」。
.
即便AI再怎麼創作詩詞歌賦，甚至用曹雪芹的口吻來創作《老人與海》這些前提都需要大量的數據餵給機器；沒了數據，AI就無法進行自我創作。
╴
- 發問
「為甚麼會這樣？」
.
在你點開這篇文章之前，我相信你肯定也是抱著某種「好奇」才點進來的，你甚至還會繼續問問題下去；發問的舉動源自於好奇心。目前為止的AI都只能收集、分析、預測數據，也就是做為人類的工具，AI並不會在我們輸入資料的時候突然罷工跳出對話框（如果會的話趕快扔了吧）
.
「為甚麼你們要我做這些東西？」
.
即便我們教了被眷養的猿類手語，讓人類跟動物之間多了一個溝通的媒介、回答簡單的四則運算；但是經過長期觀察，猿類仍然無法發問，即使它們對於周遭有滿溢的好奇。
╴
- 情緒共鳴
這一點是我認為AI窮盡一生可能都無法達成的，即便一個機器人再怎麼鉅細靡遺地跟我們訴說他有多麼憂鬱、難過，我們始終心底都會知道這是模仿出來的；那並不是它們真實的感受。想像一個思想實驗（實際上醫學有真實的案例）
.
你要如何跟一個沒有痛覺神經的人解釋甚麼是「痛」？
.
這似乎就是人類的專利，感受這些情緒背後所帶給我們的喜怒哀樂；這樣的能力是直接鑲嵌在我們的基因序列上，隨著演化的路徑跟著我們走到了現在。看到自己心愛的人在痛哭時，我們的心中也會不捨；但是當Alpha Go在視界圍棋比賽戰勝柯潔時，柯潔當場放聲大哭，Alpha Go並沒有走過去伸手抱抱他、安慰他。同理心才是我們人類擅長的。
「我們越是與科技密切互動，會面臨極大的危險，恐怕會失去我們人類的特性，犧牲了我們之所以與機器不同的特質。若要避免這個命運唯一的方式是要有足夠的自我意識和勇氣，拒絕把最重要的思考和心智活動交給電腦特別是需要『智慧』來處理的工作。」
— MIT資訊科學家 , 懷森包姆（Joseph Weizenbaum）