AlphaGo戰勝棋王的秘密？DeepMind成員來台 - 圍棋

※ [本文轉錄自 Gossiping 看板 #1MwvWCd5 ]

作者: buke (一坪的海岸線) 看板: Gossiping
標題: [新聞]AlphaGo戰勝棋王的秘密？DeepMind成員來台
時間: Fri Mar 18 13:54:02 2016

1.媒體來源:
自由

2.完整新聞標題:
AlphaGo 戰勝棋王的秘密？DeepMind 成員來台現身說法！

3.完整新聞內文:
作為人工智慧開發的新里程碑，Google 旗下 DeepMind 團隊所開發的 AlphaGo 系統，在
最近一場與世界棋王頂尖對決中，最終以 4 比 1 拿下勝利，並且榮登世界棋士排行榜第
二名的位置。這場讓世人見證到人工智慧的高速發展的賽事，也讓幕後開發 AlphaGo 的
DeepMind 團隊立時成為受矚目對象。其中來自台灣的 DeepMind 成員、同時也是代 Alph
aGo 在棋盤上落子的黃士傑，今天親臨 Google 台灣，要來分享 AlphaGo 的致勝關鍵！

來自台灣的黃士傑，目前是 Google 旗下 DeepMind 團隊的資深研究員，也是 AlphaGo 人
工智慧系統的重要開發者。而能夠成為 AlphaGo 的關鍵人物。曾經開發過圍棋人工智慧、
做過圍棋老師的他，認為圍棋是相當適合 AI 人工智慧的挑戰，特別是在深藍在 1997 年
擊敗人類後，圍棋成為 AI 人工智慧仍未取勝的領域。

其中 AlphaGo 之所以能獲勝，最主要的原因在於可以「判斷優勢」、「以及取得最佳的棋
路」兩大要素，透過學習人類千年來智慧的結晶，學習大量的棋譜與棋路，因此可以擁有
類似人類的「直覺」下法，無須窮舉運算所有的棋路，就可以決定哪一個落子處，最有機
會獲的勝利。

其中黃士傑表示，「直覺」是圍棋比賽中最重要的關鍵，職業棋士總會有神來一著，但他
們也無從說起判斷為何。黃士傑指出，這就是「直覺」的重要性，透過優先找出更有優勢
、勝率更高的棋路，讓電腦不必窮盡所有棋路可能，而可以選擇最有勝率的 20 步，以採
取勝率最高的策略。

黃士傑提到，由於圍棋的變化有 10 的 170 次方，若是想要把所有的棋路窮盡思量，那麼
幾億年也無法運算完。因此 AlphaGo 採取可以判斷優勢的「策略網路」，輔以可以推斷棋
路的「價值網路」，讓 AlphaGo 能擁有類似人類的直覺，以便在圍棋這類複雜的棋類運動
中，與人類對弈、進一步取得勝利！

黃士傑表示，在 1990 年時，人工智慧還無法做到與人類較量圍棋的能力，當時儘管讓 AI
先下 25 個旗子，但仍會在最後全部被吃光落敗。時至今日透過 Google 機器學習技術的
幫助，AI 的發展已經突飛猛進，在這次與李世石的對弈中，甚至獲得 5 戰 4 勝的成績。

不過回顧比賽當時、坐在李世石對面的黃士傑，其實是抱著相當尊敬的心情與李世石對弈
。包含避免喝水、離席、以及過多的臉部表情，都是基於尊敬李世石、不想要干擾他的比
賽而產生的行為，這更讓賽後李世石提到，與他對弈的黃士傑有著職業棋手的氣勢。黃士
傑表示，在賽中他可能只有意外地笑了一次，而那次是因為李世石擊敗了 AlphaGo，他由
衷為李世石感到開心的笑容。

然而面對李世石在第四局的 79 手落子，為何最終會導致 AlphaGo 的誤判、導致這個人工
智慧最後選擇投降，黃士傑表示這確實可能是 AlphaGo 的 BUG，但目前還不清楚是策略網
路的誤判、還是價值網路提供了錯誤的訊息，DeepMind 團隊還在研究導致戰敗的原因。

說到戰敗，黃士傑提到其實 AlphaGo 只要覺得「沒希望了」，就會主動投降，也就是在勝
率低於 20% 的情況下，系統會彈出投降視窗，也就是在第四戰大家看到的畫面。但這並非
意味著 AlphaGo 有辦法事前預測和李世石對弈時，可能獲勝的機率有多少。黃士傑強調，
AlphaGo 的勝率判斷，必須基於和對方正式交手後才能判斷，因此在還沒比賽前，AlphaGo
自己也不知道獲勝的機會有多大。

而這種判斷機制，也讓 AlphaGo 在第五戰成功逆轉勝。除了因為學習了李世石在前四戰的
棋路外，先前透過兩個 AlphaGo 系統的自主對弈訓練，也是讓這個人工智慧系統有著超越
人類圍棋能力的關鍵。

未來 AlphaGo 有機會應用在其他領域上，特別是醫療領域，DeepMind 已經有團隊特別在
進行這方面的項目。但對於人工智慧不斷發展，是否會出現類似「天網」的人工智慧威脅
？黃士傑強調，人工智慧的使用依舊取決於人類如何使用，而 DeepMind 團隊也相當重視
這個問題，Google 內部甚至有倫理委員會，來決定科技的使用方式是否正確。

至於 AlphaGo 未來會不會挑戰其他項目，像是《星海爭霸》這類的即時戰略遊戲？黃士傑
認為短時間內不可能，主要原因是即時戰略遊戲不同圍棋，他有太多不確定的因素，對於
人工智慧而言還太過困難。他特別指出，人工智慧目前人仍是早期階段，還沒有辦法創造
出主動式的意識，因此未來還有很長的路要走。

4.完整新聞連結 (或短網址):
http://3c.ltn.com.tw/news/23480?page=1
5.備註:
連結內有完整影片