【鉅亨網劉祥航】
Google 將人工智慧 (AI) 推展到一個新的境界，由 DeepMind 打造的AlphaGo，在去年 10 月，以 5 盤全勝的成績，擊敗 3 屆歐洲圍棋冠軍樊麾。過去，圍棋一直是 AI 難以挑戰的障礙，Google 的成就，也帶來部分專家的憂心。
《Wired》報導，瑞典出生的牛津大學哲學教授 Nick Bostrom 近期著作的暢銷售，宣揚了 AI 的好處，但也提出，真正的人工智慧電腦，有可能帶來人類的滅絕。他認為，Google 的 AlphaGo 確實展現的不俗的能力，但還不是個飛躍性的成就。
Bostrom 指出，AI 技術經過長年的發展，尤其在深度學習及增強學習上，一直有穩定的進展。Google 擊敗專業圍棋棋士，確實算是大幅進展中的一步，奠基於長年以來的研究，而 AI 也仍有長遠的路要走。
雖然 Bostrom 強調 Google 只是長遠發展中的一步，但這絕對不只是個簡單的成就，一些研究人員甚至認為，人工智慧要達到擊敗圍棋專家的程度，至少要再花 10 年才做得到。這足以說明，Google 有很好的理由為此感到振奮。
同時，不只是 Google，眾多科技巨頭都把發展 AI 視為重要的領域，包括 Facebook、微軟，都想在這塊專業有突破性的發展。Mark Zuckerberg 去年加入這場攻克圍棋競賽，他對 AI 在圍棋學習的成就，同樣是信心滿滿。
■以遊戲檢測AI
之所以科技巨頭都挑上圍棋來試驗人工智慧，有著很好的理由。Google 指出，遊戲一直是測試人工智慧的絕佳領域，因為這些問題接近人類應對問題的方式。
Google 的 AI 系統稱為 AlphaGo，是由 DeepMind 公司所開發的，Google 在 2014 年以 4 億美元買下這家公司，其專長就是 AI 中的深度學習與增強學習。先前，DeepMind 創辦人 Demis Hassabis 把公司系統用於經典的 Atari 遊戲機上，其表現不但比專家更出色，還能做到很多人類無法達成的極限。很可能就是如此，促成 Google 的 Larry Page 願意收購。
深度學習運用所謂的神經網路來進行，這讓 Google Photo 可以進行更具效率的搜索，包括 Facebook 的人臉辨識、微軟 Skype 的翻譯工具、Twitter 的色情辨識，都用到類似的神經網路技術。
增強學習則有助於讓電腦的表現更進一步。例如，要是利用神經網路有了好的表現，系統會記下獲得「高分」的技術，不斷地增強自身的技巧。當然，這種技術不僅可用在遊戲，也能用在任何牽涉戰略、競爭等等的事物。
AlphaGo 運用了這類 AI 「必備」技能，並補充進第 2 層的「深度強化學習」，它背後主要的方法是Value Networks（價值網絡）和Policy Networks（策略網絡），其中Value Networks 評估棋盤位置，Policy Networks 選擇下棋步法。結合人類專家比賽中學到的監督學習，以及在自己和自己下棋（Self-Play）中學到強化學習。這讓 AlphaGo 不需要任何前瞻式的Lookahead Search，神經網路玩圍棋遊戲的能力，就達到了最先進的蒙特卡洛樹搜索算法 (Monte Carlo tree search) 的等級。
■擊敗圍棋專業棋士
去年 10 月，AlphaGo 以 5 盤全勝的成績，擊敗 2013、2014和2015歐洲圍棋賽冠軍職業二段棋士樊麾，其中，第 1 盤 AlphaGo 以 2 目半獲勝，其他 4 盤，AlphaGo 都是在中盤獲勝。這是第一次有電腦圍棋系統，在沒有讓子、全尺寸（19X19）的情況下擊敗人類專業選手。在過去，都認為這個成果需要至少再 10 年才能實現。AlphaGo 今年 3 月將挑戰世界冠軍南韓棋士李世乭，Google 特地為此準備了100 萬美元獎金。
在這次大勝之前，專家雖然認為 AI 擊敗專業棋士可以做得到，但恐怕沒有這麼早。過去，電腦先是在 1952 年在井字遊戲中獲勝，然後在 1994 年攻克了跳棋，1997 年 IBM 的深藍 (Deep Blue) 擊敗了西洋棋國際冠軍。2011 年，IBM 的 Watson 參加綜藝節目〈危險邊綠〉，來測試 AI，順利擊敗兩位世界紀錄保持人，獲得冠軍及 100 萬美元。
人工智慧克服了多種障礙，但至少在去年 10 月之前，對於中國 2500 年歷史的圍棋，AI 最多只能達到「業餘高手」等級，距職業水準還差了好幾條街。在 Google 公布之前，深度學習創建之父，目前打理 Facebook AI 的 Yann LeCun，被問到 Google 可不可能已經打敗專業圍棋棋士，他表示「沒有也許，絕無可能」。
就可能性來看，圍棋比西洋棋複雜得太多。西洋棋平均一手大約有 35 種可能的移動，圍棋卻可能有 250 種下法，而且在下一步之後，又有 250種可能。這代表著，即使是超級電腦，也不可能毫無策略去計算每種機率。就像 Hassabis 所說，圍棋的位置落子的可能性，甚至高過宇宙的原子數，要贏得勝利，必須有 AI 協助計算，才能做得到。
Google 在《Nature》提交的論文中強調，圍棋難的地方在於它的估值函數非常不平滑，差一子整個盤面就可能天翻地覆。同時狀態空間大，也沒有全局的結構。這兩點加起來，迫使目前電腦只能用窮舉法並且因此進展緩慢。
Google 指出，透過通過位置估計（position evaluation），他們成功降低了搜索的深度。「在和樊麾的比賽中，AlphaGo在評估位置方面要比深藍與Kasparov4比賽時所評估的位置少幾千倍，這是由於我們使用了策略網絡更智能地選擇那些位置，還使用了價值網絡更精確地評估它們，而價值網絡更接近人類的下棋方式。」
另外，深藍是靠人工設計來進行評估，而 AlphaGo 的神經網路，則是直接通過純比賽數據進行訓練，也使用了通用監督和強化學習方法。
■未來可望再有突破
當然，這些 AI 不會只運用在遊戲上，但是有了人工智慧，機器人可以根據現有環境做出回應，未來可能有做菜機器人，做飯不需太傷腦筋，也許也會出現科學研究的機器助手，幫助研究者更容易有所突破。
除了 Google 之外，Facebook 很明顯也多次表明，他們投注了重大努力在此。就在 Google 公布成果之前，Zuckerberg 才在個人的 Facebook 上大談 AI 與圍棋，以及公司在此的進展，對 Facebook 能擊敗圍棋棋士信心滿滿。
他說：「在過去的 6 個月，我們已經建立了一套 AI ，讓下子可以更快 0.1 秒，而且達到過去系統一樣好的效果。」
接下來需要關注的，可能是今年 3 月 Google 的新挑戰。畢竟就圍棋表現上來看，樊麾只排得上世界 633 名，而李世乭目前的世界排名則是第 5。很多人看好 AlphaGo 會再一次獲勝，如此一來，可視為 AI 的序曲正式展開，人們等著看 AI 會再帶來人類世界何種重大突破。 (文：劉祥航)
今日點閱排行：
