回首頁
「服務他人是你住地球應該付出的租金。」– 穆罕默德‧阿里 (拳擊手)
"Service to others is the rent you pay for your room here on earth." -- Muhammad Ali, Boxer
文章搜尋
最新消息
英語島Newsletter
天天閱讀英語島,在這裡感知世界,汲取英文的養分。
 

用一場西洋棋賽 思考AI的未來

人工智慧 (Artificial intelligence, AI) 一詞近年來蔚為風潮,但早在1997年5月,深藍 (Deep Blue) 電腦以3.5分對2.5分的積分擊敗當時西洋棋世界冠軍卡斯帕洛夫 (Garry Kasparov) 時,人工智慧便已形成一股不可逆的趨勢,只是當時人工智慧一詞還不是那麼流行,而且仍處在概念驗證 (proof of concept) 的階段。

概念驗證 Proof of concept
一種為了示範原理,並證明概念可行,所進行的較短、較不完整的實作原型。

21年前電腦早打敗世界棋王

無可否認地,西洋棋是個用腦的遊戲,綜合了長期的策略與短期戰術,又需要結合事前準備、靈感和毅力,也因此長久以來一直被視為是智能與策略思考的象徵。21年前這一場深藍與世界棋王的對抗賽對後續人工智慧的發展產生莫大的影響,當時人類擔心輸給電腦之後會不會影響人類對西洋棋的喜好,對比目前人類對人工智慧發展的態度,幾乎沒什麼兩樣,因此我特別引用棋王卡斯帕洛夫對當時那盤棋賽的省思,來探討未來人工智慧的發展方向。

首先來看西洋棋機器的興起過程,當時的深藍並不像現今人工智慧這樣的聰明,說穿了不過是一台儲存大量棋譜的電腦,透過演算法與快速運算,能夠找出相對應的棋步。在這過程中,電腦變得更聰明主要是透過更多的棋譜儲存,以及電腦軟體的提升(即透過對戰經驗修改各種應對策略),加上運算速度的提升。從1949年有人發表機器下棋的論文到1997深藍打敗卡斯帕洛夫,這過程經歷了48年之久。

演算法瓶頸解方:模仿人類思考

西洋棋程式設計最主要問題,在於牽涉到數量極為龐大的延拓問題 (continuation),雙方開始時各有16顆棋子,一般西洋棋光是前4步就有超過3千億種可能走法,就算95%的走法很糟糕,程式仍須逐一檢查才能確定。接下來的情況更可怕,一般盤面大約會有40種合乎規定的棋步,如果每一種棋步都要想一種回應方式,就必須評估1,600種棋步,這還只是白棋與黑棋各動一子而已,在雙方各動兩步後,衍生的棋步變為250萬種,各動三步後變成41億種,可想而知,這種窮盡式暴力搜尋法需要多麼龐大的運算能力。於是乎程式設計師發展出另一類的演算法,其運作方式比較像是人類棋手的思考方式,不去檢查所有的走法,而只專注在少數幾種好的棋步,稱之為智慧搜尋模式。

人類弱點就是AI優勢

卡斯帕洛夫檢討當時他輸掉棋賽的原因,其一是遊戲規則的不公平,這當然是所有輸家都一定會抱怨的。他認為深藍電腦事先可以蒐集他過去所下過的所有棋譜,但他對深藍卻一無所知(即便他先前曾經擊敗給前一代的電腦),包括深藍曾經受過那些棋士的訓練等。

其次是體力問題,在每次的計時賽中,人類選手都必須在規定時間內出手,但深藍發生當機時,卻可以不計入比賽時間,一直到重新開機恢復比賽為止。而且西洋棋的比賽是非常耗費體力的,人類棋手必須有充分的休息,否則比賽到最後,可能會因為體力而影響到判斷與思考,機器則沒有這個問題。

第三則是心理議題,一盤賽局通常不會下到最後一步,當盤面大勢清楚時,輸的一方通常會早早認輸,以便節省體力應付下一場賽事。但是電腦不會認輸,它仍會在它的棋譜中尋找最佳回應方式,這個過程有時會造成人類棋手的疲勞。另外在棋賽過程中,人類棋手有時會懊悔先前下錯的一個棋步,並影響之後的心情及棋步,但電腦沒有情緒問題,即便下了很差的一步,之後的棋步仍然不受影響,最後則是人類棋手會感受到壓力,電腦則不會。卡斯帕洛夫認為這場比賽他輸掉的原因在於第二盤他認輸之後,別人告訴他其實那一盤可以和局收場,這讓他大為沮喪,並且大大影響到他之後的心情與棋路,導致最終輸掉比賽。

AI是工具,問題終究得由人解決

不過卡斯帕洛夫在輸給電腦之後,並沒有從此不下西洋棋,西洋棋的盛行也沒有從此沒落,反而是現今的比賽,許多棋手多會用電腦輔助來幫忙下棋,這種人機協作的模式也是卡斯帕洛夫深信人工智慧將給人類帶來的正面貢獻。

從這次比賽得到的經驗是,機器的長處是人類的短處,機器的短處則是人類的長處,而且在後來的比賽中發生這樣的情況,兩位美國業餘棋士藉由同時使用三台機器,訓練電腦去深入研究盤面,最終擊敗採用頂尖個人電腦的特級大師,這是靠程序獲勝的結果,這也讓卡斯帕洛夫結論認為「弱人類+機器+更好的程序」可以勝過「單一強電腦」,甚至還會勝過「強人類+機器+較差的程序」。

同時,在運用人工智慧時,也要釐清機器要幫助我們解決目前很多人的問題,還是要處理中長程未來能幫助人的問題?這就如同醫療研究人員所說:「你要致力研發更好的蚊帳,還是治療瘧疾?」,最終的答案並不在人工智慧,而仍在人類的腦中。(2018.12.20)

 


 

文/ 鄭貞茂 台灣亞太產業分析專業協進會院士

 

本文收錄於英語島English Island 2019年1月號
訂閱雜誌 

 

加入Line好友