林建甫專欄－人工智慧棋蹟

2016年02月09日 04:10 林建甫

1月27日發行的《自然》雜誌有篇文章講人工智慧，說美國谷歌開發出了新技術與三屆歐洲圍棋冠軍樊麾（Fan Hui）閉門對弈，結果以5局完勝。圍棋過去被視為人工智慧無法超越人類能力的藩籬，此讓專家對電腦的飛快進步感到驚訝不已，甚至感覺這結果比預期早了很多。現在已安排另一場賽事，3月在首爾挑戰韓國圍棋高手李世石。他是目前獲得世界第一頭銜最多的棋手。他的棋風以凶狠見稱，曾在劣勢下扭轉全局反攻致勝。此棋局精彩可期。

自1990年代以來，人工智慧在多個智力遊戲，包括西洋棋、跳棋、撲克和益智問答Jeopardy都先後戰勝人類，唯獨具有2500年歷史的圍棋，之前遲遲未能攻克。今次創造歷史的人工智慧公司，名字同1997年打敗西洋棋的深藍（DeepBlue）有點類似，叫深智（DeepMind）。開發的電腦程式叫做AlphaGo。能模仿人類大腦的神經迴路，採用了計算機可自主學習的「深度學習」（Deep Learning）方法。

西洋棋每走一步大約衍生20個可能性，但圍棋卻至少衍生出200個可能的局面，因此需要極大的運算能力。同時，其他智力遊戲只需要掌握遊戲的邏輯，例如西洋棋只需「殺死」國王即可取勝，但圍棋是一個數目圈地的遊戲，策略千變萬化。

傳統的人工智慧是將所有可能的走法以蒙地卡羅樹狀圖滴水不漏地全部考慮進來，再憑藉大量儲備的棋局，透過勝負概率來判斷下一步著點以做為計算方向。AlphaGo不同於傳統的是，除了要決定如何下棋，還要自我學習，會在觀察盤面上所有圍棋子部署的同時，像人類一樣，根據數據和經驗決定下一步怎麼走，具有自主探索新的圍棋策略功能。據說AlphaGo事前輸入協助開發的職業棋手的3000萬種下法讓其學習，達到能夠以57%的概率預測與對陣人的行動。專業術語上來說，其做法是使用了蒙地卡羅樹狀搜尋與兩個深度神經網路相結合方法，其中一個是以value networks來評估大量的選點，而以policy networks來選擇落子。在這種結合下，電腦可像人類的大腦一樣自發學習進行能力訓練，以提高實力。

這樣的人工智慧已經接近於帶著直覺和第六感作出判斷的人類大腦的功能了。

據悉AlphaGo與其他圍棋智能程式對弈的勝率已經達到99.8%。團隊主導的科學家哈薩比斯（Demis Hassabi）說，「遊戲是人工智慧開發和測試的極佳舞台，但終極目標是將這項技術用於解決現實社會各種問題」。深度學習可憑藉自身力量發現大量數據所存在的特點，對於人類不論看到了什麼或者聽到了什麼，無意識下直覺反射的訊號或是有意識刻意注意學習的訊息都能分辨處理。

準此，未來人工智慧可以擁有不思弗得的立即反應，也可以擁有只有專業技能人士才具備的功夫判讀，應用領域將會更進一步拓寬。語音辨識、自動翻譯在個人的手機上都已經有所應用。不久之後就可以有永不疲勞且自動駕駛的汽車，也可以根據影像分析技術，讓各項檢查圖像達到與專業醫生同樣水平的診斷判讀。未來很快機器人就可以發展出心思細密的小祕，或是掌握客戶心情的接待小司。

無獨有偶，最近在瑞士達沃斯舉行的世界經濟論壇（WEF）有篇分析報告，指出勞動市場顛覆性的狀況已經出現，包括機器人和人工智慧崛起，將導致全球15個主要國家在接下來5年，增加200萬個新工作，但減少710萬個職缺，淨減510萬個工作機會。報告說，每個行業都會受到衝擊，儘管受影響程度不同。特定技術人才的市場需求將繼續增長，包括資料分析師和專業銷售代表等。損失的職缺估計有2/3會落在辦公和行政部門。但由於遠程醫療崛起，影響最大的可能是醫療保健行業，其次是能源和金融服務領域。

面對這樣的變革，我們必須思考人工智慧的快速發展究竟帶來「生存受益」或是相反的「生存危機」？支持前者的人認為人工智慧能幫助人類繁榮，將帶給人類真正的烏托邦。但後者如電動車特斯拉公司的老闆馬斯克（Elon Musk）曾形容人工智慧是「召喚惡魔」。英國發明家辛克萊（Clive Sinclair）也曾在接受BBC訪問時說：「一旦你開始製造抵抗人類和超越人類的智能機器，人類就很難生存，這是無可避免的。」他認為人工智慧將毀滅人類。

因此除非人類永遠有更高的智慧主導人工智慧，去做我們要它去做的事，否則將帶來毀滅。這個辯論或許還沒迫在眉睫，但失業問題會讓這個辯論加溫。

附圖：2008年09月27日，「紅面棋王」周俊勳（左），接受法國MOGO魔圍棋電腦程式挑戰。（本報系資料照片）

資料來源：http://www.chinatimes.com/newspapers/20160209000166-260109