; D6 _* j* _& \tvb now,tvbnow,bttvb從上周賽前開始，媒體報道此事，往往視之為「人機對決」，今見大勢已去，「人類完蛋」之嘆，油然而生，但筆者認為不必，原因有3個： - i, R, ^0 a& c( b& Y) D: FTVBNOW 含有熱門話題，最新最快電視，軟體，遊戲，電影，動漫及日常生活及興趣交流等資訊。 - D& W9 C3 m) L公仔箱論壇第一，所謂的「機」（軟件加硬件），也是人類智慧產物。AlphaGo的博弈能力，是幾十年來不少科學家的心血累積（更不用說他們在過程中用上的各種數學方法，包含了千百年的根基）；這與李世乭或任何一位高手潛心研究數千年來無數前人博弈經驗所得，並沒有兩樣。我們應該說，人類非但不是完蛋，而是找到了極可能是更好的一種下圍棋的方法，雖然這個方法只是很少數人可以弄懂、掌握。 - ~9 h; P. j3 W: tTVBNOW 含有熱門話題，最新最快電視，軟體，遊戲，電影，動漫及日常生活及興趣交流等資訊。# g# K! l& P. ^" a A, H
第二，AlphaGo的「機器學習」（machine learning），所師法的對象，正正是人類本身。它「閱讀」了無數的古今圍棋棋譜，得其精要，反客為主，在頭三局的比併過程裏，走出不少圍棋專家（包括DeepMind的工程師）都認為是離經叛道的奇着，匪夷所思。但是，毫無疑問，世界上所有圍棋高手特別是李九段自己，一定會苦思AlphaGo走出的奇着而找出破解之道；也就是說，「人機對決」的另一面是「人機互學」，雖然「機」可能學得比「人」更快，但總的來說依然是對「人」有益。 ) g$ T* C7 F5 \3 c5 {: ltvb now,tvbnow,bttvb" f6 d0 ^* u( y0 S5 u3 v* c( P% V6 @. o
第三，1952年，人類寫出了首個百戰百勝tic-tac-toe的博弈程式；1997年，IBM的DeepBlue「機」贏了國際象棋世界冠軍Garry Kasparov，分出了高下；今年，Google Deep Mind的AlphaGo，可說也把圍棋「解決」了。但是，這三種博弈，數學上都屬於同一類，即所謂的「完全資訊博弈」（games of perfect information）；指的是，在博弈過程中的每一步，博弈者都清楚知道自己和對手在之前走過的每一步是什麼。至於「非完全資訊博弈」（例如各種撲克遊戲、麻雀等），人機對決還處於初始階段，「機」要勝過「人」，還需一段日子。至於像「包剪揼」那樣的一個簡單「同步出招遊戲」，「機」還根本不能保證取勝。人類起碼到目前為止，仍然勝在可以發明各種遊戲規則；這方面的研究，稱為ludology，幾乎盡是「人」的天下！ \' O5 ~' Y3 ?9 C. r6 Z
H1 q& I; d( O* [$ _5.39.217.76大家有興趣，不妨瀏覽Google Deep Mind網站。有計算機學歷、懂人工智慧（AI）理論的讀者更不妨去電郵應徵，因為這間公司正在招攬人才！網站裏關於AlphaGo的那部分的一個分頁，列出了所有該公司研究人員發表過的論文，其中最新也是最重要的一篇，排頭的兩位作者是David Silver和Aja Huang，文末說明他們兩人是主要作者，有同等貢獻。 & C% T* S& u5 K* e \: E1 Wtvb now,tvbnow,bttvb. `) h! t' V% b7 P' q: E- F
Aja Huang就是台灣人黃士傑，Google Deep Mind台柱之一，很年輕。大家若在YouTube實時觀看AlphaGo與李九段博弈，那位替AlphaGo搬動棋子的人就是他。英雄莫問出處，黃不是哈佛MIT，也不是牛津劍橋培養出的「尖子」；他的計算機科學博士學位（2011）是在台灣師範大學拿的。黃並非書呆子，精通compsci之餘，他還是圍棋的業餘六段好手；據他的一位師妹說，他寫的人工智能軟件所創作出的音樂也非常動聽【註4】。8 t( C' T* x( ^, G& \% |6 ~
; I( h }3 q( n, W' L% H
TVBNOW 含有熱門話題，最新最快電視，軟體，遊戲，電影，動漫及日常生活及興趣交流等資訊。% }5 v' J2 t. g w U) [3 A6 j0 T 三、中國衰、香港衰公仔箱論壇( g; [: _4 g9 {! C, Y
