2

8
8

文字

分享

2
8
8

人工智慧崛起,人類從此俯首稱臣?《電腦簡史》 楔子

張瑞棋_96
・2020/02/17 ・2471字 ・閱讀時間約 5 分鐘 ・SR值 572 ・九年級

-----廣告,請繼續往下閱讀-----

曾經,電腦只是個計算工具,雖然計算能力遠勝過人類,卻缺乏人類的智慧。但近來人工智慧崛起,在各種不同領域的表現已超越人類,以致於物理大師霍金與企業怪傑伊隆·馬斯克都憂心人類未來會受到威脅。電影《魔鬼終結者》中的「天網」有一天會成真嗎?電腦究竟如何從簡單的計算機,一步步演進為人工智慧,超越自詡為「萬物之靈」的人類?《電腦簡史:從齒輪到 AI》這本書將從齒輪時代、電腦時代、網路時代、AI時代,依序回顧電腦的演進。

楔子

2016 年 3 月 9 日,韓國首爾的四季酒店進行一場全球矚目的圍棋之戰,估計全世界有八千萬人透過網路觀賞直播賽事。

持黑子的一方是 33 歲的韓國圍棋高手李世乭,他自 2002 年起已在主要的國際賽事拿下十八座冠軍,堪稱一代巨匠。坐在他對面持白子的,是來自台灣的資工博士黃士傑,不過他並非真正的比賽選手,而是聽從指令落子而已。給予指令的倒也不是什麼不肯露面的隱世高手,事實上,要挑戰李世乭的並非人類,而是由黃士傑參與設計的電腦程式「 AlphaGo 」。

人類與電腦的激烈「棋戰」

電腦挑戰人類已不是新鮮事。早在 1997 年, IBM 的「深藍」電腦就打敗了當時的西洋棋世界冠軍卡斯帕羅夫。雖然這的確算是電腦的一大步,但許多人對這結果並不是太意外。畢竟西洋棋的棋盤只有八八六十四格,加上棋子的走法有其限制,例如士兵只能向前走一步、主教只能斜著走,因此平均而言,每一手棋大概有三十種選擇;而深藍每秒可計算兩億步,如果以三、四秒的思考時間,深藍就可以算出未來六步的所有可能變化 (30 的六次方等於 7.3 億) ,因此有很大的優勢贏過人腦。而最後深藍就以二勝三和一負,一盤的差距打敗卡斯帕羅夫。

-----廣告,請繼續往下閱讀-----

不過電腦這種「暴力法」遇到圍棋可就沒轍了。圍棋棋盤縱橫各有十九條線,形成三百六十一個交叉點,對弈雙方須輪流下在其中任一點。以初始階段每手棋有三百種選擇來估算,未來六步的所有可能性可是西洋棋的一百萬倍!更重要的是,圍棋的勝負策略與西洋棋大不相同;西洋棋的目標就在於讓對方的國王無路可走,勝負與盤面剩餘的棋子多寡有很高的相關性,因此電腦大致上只要評估未來幾步如何安全吃掉對方的棋子。但是下圍棋卻無法這麼做。

圍棋比的是誰最後圍的地比較多,局部的優勢無法保證全面的勝利,甚至前面所落的棋子到後面可能發揮意想不到的作用,因此光掌握未來幾步的所有可能性是沒有用的。難道以超級電腦現在的計算能力,不能把所有可能的棋局變化都先算出來嗎?

答案是不可能。因為圍棋所有可能的擺法有 10 的 170 次方這麼多種,而我們宇宙所有的粒子加起來也不過大約 10 的 80 次方。因此即使電腦已經在西洋棋打敗人類,但圍棋如此詭譎複雜,普遍還是相信電腦仍遠遠不及真正的圍棋高手。事實上,在 AlphaGo 出現之前,最厲害的圍棋電腦軟體也只在九段職業棋士讓四子(電腦一開始就先擺四顆棋子)的情況下,偶而贏過幾盤。

IBM 的「深藍」電腦打敗了西洋棋世界冠軍卡斯帕羅夫,當時堪稱「超級電腦」。圖\flickr

人工智慧演算法成為棋局黑馬

因此當開發 AlphaGo 的 Deep Mind 公司於 2016 年元月發表論文,宣稱它採用獨特的人工智慧 (Artificial Intelligence) 演算法,於去年十月在沒有讓子的情況下,以五戰全勝打敗歐洲圍棋冠軍樊麾時,即引起熱烈討論。

-----廣告,請繼續往下閱讀-----

不過歐洲的圍棋風氣不盛,樊麾雖是冠軍,但其實棋力只有二段,遠遜於李世乭這樣高達九段的頂尖高手,不足以代表人類的最高水準。這就是為什麼這次在首爾舉行五回合的人機大戰如此引人注目,如果李世乭也輸了,意謂著連圍棋這個需要衡量整體局勢與微妙變化,應是人類智慧獨擅勝場的領域,也被電腦超越了。

李世乭在賽前研究過 AlphaGo 與樊麾對弈的棋譜,他自己評估 AlphaGo 約有三段的棋力,因此頗有自信能拿下比賽勝利。其他職業棋士與電腦專家也都普遍看好李世乭將會勝出,例如人工智慧專家李開復估算 AlphaGo 每盤獲勝的機率只有 11 % ,因此以五戰三勝以上的戰績勝出的機率僅百分之一;世界排名第一的中國棋士柯潔更笑稱願賭李世乭以五比零橫掃。至於 Deep Mind 這邊,執行長哈薩比斯 (Demis Hassabis) 雖然宣稱 AlphaGo 這幾個月經過人工智慧的自我訓練,棋力已再大幅躍進,卻也沒必勝的把握,僅保守評估可能會是五五波的比賽。

開局李世乭採取前所未見的下法,或許是認為 AlphaGo 既然是從人類過去的棋譜汲取經驗,那就出其不意讓它無所適從。不過出險招的代價反而讓他自己一路被 AlphaGo 壓著打,難挽劣勢。所幸中盤 AlphaGo 竟下了一手失著,李世乭逮住機會,扭轉局面。眼見漸入佳境之際,卻見 AlphaGo 又一個妙手侵入黑棋地盤,再度奪回優勢,最後李世乭眼見大勢已去,只得棄子認輸。

這個結果不只李世乭自己感到驚訝,所有觀賽的人也都不敢置信:電腦竟然打敗數一數二的圍棋大師!

-----廣告,請繼續往下閱讀-----

但畢竟這只是第一盤,或許是李世乭過於輕敵,也或許是他不該故意出險招,總之人們相信往後幾場李世乭若能穩紮穩打,應該還是會反敗為勝。不料結果完全出乎大家意料之外,接連兩盤也都由 AlphaGo 勝出,李世乭竟連輸三盤!直到第四盤他才以完全不在 AlphaGo 計算之內的「神之一手」,讓 AlphaGo 應對失誤,終於贏得一盤,為人類扳回一點顏面。不過第五盤李世乭未能乘勝追擊,最終 AlphaGo 就以四勝一敗的戰績贏得這場世紀之戰。

原本不被看好勝率的 AlphaGo ,在與圍棋高手對戰中拿下前所未有的勝利。圖\flickr

AlphaGo 再度點燃「人工智慧」熱潮

如果有人還堅持這只能代表李世乭個人的輸贏,那麼 2017 年元月,升級版的 AlphaGo 匿名在網路上以六十連勝橫掃中國棋壇所有高手,接著不到三個月又以三比零擊潰「人類最後希望」柯潔後,就再也無人懷疑:圍棋這塊聖地,人類也得對電腦俯首稱臣了。

自此,「人工智慧」這個沉寂已久的名詞再次沸沸揚揚的出現在各種不同領域:自駕車、人臉辨識、智慧音箱、醫療診斷、……;許多我們過往認為電腦做不到的事,如今人工智慧不僅都做到了,還做得比人類更好。

電腦究竟如何從簡單的計算機,一步步演進為人工智慧,超越自詡為「萬物之靈」的人類?且讓我們回顧這段電腦演進史吧。

-----廣告,請繼續往下閱讀-----
人工智慧是由前人一步一步累積的智慧結晶,電腦的成長史耐人尋味。圖\pixabay

 

文章難易度
所有討論 2
張瑞棋_96
423 篇文章 ・ 951 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。

0

2
1

文字

分享

0
2
1
我預判了你的預判!為什麼高手過招總會和局?——《大話題:賽局理論》
大家出版_96
・2023/04/21 ・1459字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

什麼是「賽局理論」?

賽局理論是在研究策略性互動。策略性互動也是很多桌遊的關鍵元素,賽局理論因此得名。你的決策影響別人的行動,反之亦然。賽局理論的不少術語直接取自這類遊戲。我們把決策者稱為「參與者」(player)。參與者做決定後,就採取了行動(move)。

以策略性互動為基礎的賽局理論。圖/《大話題:賽局理論》

運用模型簡化複雜世界

真實世界的策略性互動可能非常複雜。例如在人際互動中,不僅行動,包括我們的表情、聲調和肢體語言都會影響他人。

在與他人往來時,人們展現不同的經歷與觀點。這樣無以計數的變化會使得情況異常複雜,也很難分析。

藉由稱為「模型」的簡化結構,我們可以大幅縮減複雜的程度。模型雖然簡單且容易分析,但仍然捕捉了真實世界問題的某些重要特徵。選用適當的簡單模型,可以有效幫助大家學習真實世界的複雜問題。

-----廣告,請繼續往下閱讀-----
藉由模型簡化真實世界的複雜策略性互動。圖/《大話題:賽局理論》

西洋棋可以幫助我們瞭解這些變化會讓參與(及預測)賽局變得多麼複雜。西洋棋的規則明確,雖然每一步棋的選項有限,但整體棋局的複雜度令人生畏。不過比起許多人類的基本互動,西洋棋其實簡單多了!

西洋棋儘管複雜,但比人類互動簡單多了。圖/《大話題:賽局理論》

高手過招容易和局!

像西洋棋之類的桌遊有個特性:玩家愈熟練,就容易產生平手的結局。我們如何解釋這種現象?

因為西洋棋太複雜,難以全面分析,以下我們用簡單的井字遊戲來說明一個重要特性。西洋棋和井字遊戲都有明確的勝負規則。玩家輪流落子,且可以下的地方有限。

井字遊戲無法表現西洋棋中的許多特性。但由於兩者有些共同特徵,因此井字遊戲可以幫助人們瞭解高手對陣為什麼容易產生和局。

-----廣告,請繼續往下閱讀-----
井字遊戲因為較簡單,掌握規則後就很容易平手。圖/《大話題:賽局理論》
因為井字遊戲太容易平手,因此人們開始挑戰更複雜的遊戲。圖/《大話題:賽局理論》

被簡化的世界縮影:「賽局」

賽局理論的首要關注並非西洋棋之類的桌遊,而是要增進我們對人際、對企業間、對國家間、對生物間……等互動行為的瞭解。原因是,真實的問題可能過於複雜且難以充分掌握。

因此,在賽局理論中我們創造了非常簡化的模型,稱之為「賽局」。創造有用的模型既是科學,也是藝術。

好的模型夠簡單,讓人能充分瞭解驅動參與者的誘因。同時,模型必須能夠捕捉真實世界的重要元素,以富有開創性的洞察力與判斷力決定哪些元素最為相關。

沒有模型能適用任何狀況,因為真實世界如此複雜。圖/《大話題:賽局理論》

——本文摘自《大話題:賽局理論》,2023 年 3 月,大家出版出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
大家出版_96
14 篇文章 ・ 11 位粉絲
名為大家,在藝術人文中,指「大師」的作品;在生活旅遊中,指「眾人」的興趣。

1

3
0

文字

分享

1
3
0
平民登月計劃?核融合真的來了?——2023 最值得關注十大科學事件(下)
PanSci_96
・2023/01/31 ・3226字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

在上一篇中,我們介紹了將在 2023 年發生的五個醫藥健康大事件。

延伸閱讀:
用迷幻藥治憂鬱?基因編輯療法將通過批准?——2023 最值得關注十大科學事件(上)

這次我們轉向能源、宇宙與科技領域,從首趟平民月球之旅、物理學的標準模型新發現,再到第一個核廢料永久儲存設施正式營運!

No. 5 氣候與能源衝擊

世界各國能否聽從科學家的警告,採取實際行動,朝淨零之路前進嗎?看起來不行。由於疫情與俄烏戰爭,去年 11 月在埃及舉辦的「聯合國氣候變化會議 COP27」幾乎是原地踏步。

不過還是有一個重要的決議,那就是建立氣候損失和損害基金。根據協議,排放量較高的富裕國家將在經濟上補償受氣候變化影響最大的貧窮國家。「過渡委員會」將於 2023 年 3 月底前舉行會議,提出資金運用的建議,並在 11 月的 COP28 會議上提交給世界各地的代表。

-----廣告,請繼續往下閱讀-----

至於核能的部分,新型核分裂發電與核融合發電,都會在 2023 年有所進展。

另外,世界上第一個核廢料儲存設施,今年將在芬蘭西南海岸外的奧爾基洛托島正式啟用。這個由芬蘭政府於 2015 年批准建造的地下處置庫,將負責封存超過 6500 噸有放射性的鈾;這些鈾會被裝在銅罐中,再用厚厚的粘土覆蓋,最後埋在地下 400 公尺深的花崗岩隧道內,預期將被密封數十萬年,直到輻射水平達到完全無害的程度。

另一個好消息是,今年 1 月 1 日就任的巴西總統——魯拉(Luiz Inácio Lula da Silva),將推翻前任總統開放的雨林開發,保護生態與文化。

然而深海則有新危機。若 2023 年 7 月前,聯合國的國際海床管理局(ISA)沒能讓各國對深海採礦管理準則達成共識,那海底的礦產資源可能會被某些政府和企業盯上,不受限制地開挖,海洋生態將迎來浩劫……。

-----廣告,請繼續往下閱讀-----

許多關於能源的抉擇包含了科學和政治,能源短缺也激勵了綠能跟潔淨能源的投資力道及採用意願;至於今年還會不會發生更棘手的麻煩?使能源轉型更加舉步維艱。

巴西新任總統推翻雨林開發,保護生態與文化。圖/Envato Elements

No. 4 超越標準模型

2022 年 4 月,美國費米國家加速器實驗室的物理學家,公佈了渺子 g-2 實驗的首批結果;這項實驗研究了被稱為「渺子的短命粒子在磁場中的行為」。

過去 50 年來,標準模型(Standard Model)[註]的理論預測通過了所有測試,但其實物理學家普遍認為標準模型肯定還不完備,並且認為可以從渺子身上找到破綻;如果今年再次公佈更精確的數據,顯示渺子的磁矩比理論預測來得大,那就代表還有新粒子等待被發現,而標準模型就得修正。

位於中國廣東的江門地下的微中子實驗觀測站,也將在今年展開尋找超越標準模型的物理學之旅;利用位於地下七百公尺的探測器,來準確測量微中子的振盪。

-----廣告,請繼續往下閱讀-----

註:標準模型為能描述強核力、弱核力、電磁力這三種基本力,以及所有物質基本粒子的理論。

另外,物理學家們在今年會有升級的新設備。第一個是 LCLS-II 直線加速器相干光源 2 代(Linac Coherent Light Source-II),它將創造終極 X 射線機器,看到分子內原子的運動!另一個則是新的重力波獵人—— Matter-Wave Laser Interferometric Gravitation Antenna(物質波雷射干涉重力天線);這個設施把銣原子冷卻成「物質波」,能夠梳理黑洞和其他超大質量天體碰撞產生的時空漣漪,揪出現有重力波設施錯放的事件,甚至可以幫我們尋找暗物質!

而在瑞典隆德附近、由歐洲 17 國攜手成立的歐洲散裂中子源(ESS),將使用史上最強大的線性質子加速器產生強中子束,來研究材料的結構;雖然預計 2025 年才會完工,但於今年迎來第一批研究人員,開始實驗。

No.3 就是要抬頭看天空

許多人心中 2022 年科學事件第一名,正是韋伯太空望遠鏡傳回的驚人照片;沒有意外的話,韋伯在 2023 年會繼續大顯身手,揭露星系演變的真相,與遙遠系外行星的生命印記,找尋地球之外的生命。

今年還會有更多驚喜!來自於新的太空望遠鏡,如:由歐洲太空總署開發的歐幾里得太空望遠鏡,今年發射後將繞行太陽六年,拍攝宇宙的 3D 圖;日本宇宙航空研究開發機構 JAXA 的 X 射線成像、光譜任務 XRISM,則是繞地球軌道運行的太空望遠鏡,將探測來自遙遠恆星和星系的 X 射線,預計在今年 4 月升空。

-----廣告,請繼續往下閱讀-----

在地球上,位於智利的薇拉魯賓天文台(Vera C. Rubin Observatory)將於今年 7 月啟用;其望遠鏡採用特殊的三鏡面設計,相機包含超過 30 億像素的固態探測器,每三個夜晚就能掃描整個南天,也是監測可能危害地球小行星的守護者之一。而世界上最大的可動望遠鏡——新疆奇台射電望遠鏡(QTT)也將在今年完工;其口徑達 110 公尺,能夠觀測天空中 75% 的星星。

詹姆斯.韋伯太空望遠鏡(James Webb Space Telescope,JWST)去年發布的圖片——史蒂芬五重星系。圖/維基百科

No. 2 好多月球任務,還有一個鐵小行星

2022/12/11 這天,包括阿拉伯聯合大公國的拉希德漫遊者月球車、NASA 的月球手電筒立方衛星、以及日本的白兔 HAKUTO-R M1 登陸器,共同搭乘 SpaceX 的獵鷹九號發射升空;HAKUTO-R 如今正緩緩帶著拉希德前往月球,預計在今年 4 月著陸。

而印度太空研究組織 ISRO 的第三次探月任務月球飛船 Chandrayaan-3,預計今年年中發射,並於月球的南極著陸。

還有首次民間人士的月球之旅 dearMoon。SpaceX 的 Starship 將載著 11 位平民上太空,包含創業家、明星跟 YouTuber;如果 Starship 成功發射,將會成為史上最大的火箭。Blue Origin 的 New Glenn 也預計在今年首度發射。若兩者都成功,將推動太空科學與商業進入新時代,讓進入太空的成本大幅下降。

-----廣告,請繼續往下閱讀-----

歐洲太空總署的木星冰月探測器 JUICE 也將在今年 4 月升空,並於 2031 年抵達木星系統;目標是研究木星以及三顆衛星:木衛二三四的環境,了解他們有沒有可能支持生命存在。

NASA 將於今年 10 月後發射延遲了一年的 Psyche 靈神星小行星軌道飛行器,其研究對象為 16 Psyche 靈神星小行星;科學家認為它可能不是一般的小行星,而是一顆年輕行星裸露的鐵核心。如果今年順利發射,將在 2029 年到達。 

看來對太空迷來說,2023 又將是幸福熱鬧的一年。

由超大型望遠鏡(Very Large Telescope,VLT)拍攝的靈神星。圖/維基百科

No.1 GPT-4 跟 AlphaFold 的衝擊波襲來

借過借過,AI 已預約登上 2023 年最大科學事件!

-----廣告,請繼續往下閱讀-----

如果 GPT-3.5 開發的 ChatGPT 還沒有嚇到你,那 GPT-4 就要來了!

而在科學領域,DeepMind 的 AlphaFold 帶來的衝擊不亞於 ChatGPT;它能夠根據蛋白質的一維氨基酸序列,準確預測折疊後的三維形狀,對生物與醫療研究影響非常大。 AlphaFold 2 於 2021 年發布了另外 2 億多種蛋白質的結構,幾個月來,來自 190 個國家/地區、超過 50 萬名研究人員,使用 AlphaFold 研究了 200 萬種不同的蛋白質結構。另外,Meta 的 ESMFold 的速度甚至又比 AlphaFold 快 60 倍,預測的蛋白質超過 6 億種!

基於 AlphaFold 跟 ESMFold 的研究量將大大增加,這些龐大新知識也將開始應用於各學科,包括新疫苗和塑膠開發。

法規管制總是比科技進步緩慢,隨著 AI 越來越強大、滲透到社會的方方面面,各國政府必須回應。歐盟在今年將通過人工智慧法案,為使用人工智慧制定標準,其他國家和科技巨頭將密切關注,跟進與調適。

-----廣告,請繼續往下閱讀-----
圖/GIPHY

以上就是「2023 最值得關注十大科學事件」,你最期待的是哪一個?哪個是你心中的 No.1?又有哪些我們漏掉了,但你覺得該列入的呢?歡迎留言討論!

歡迎訂閱 Pansci Youtube 頻道 鎖定 2023 年的每一個科學大事件!

所有討論 1
PanSci_96
1219 篇文章 ・ 2177 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

1

38
1

文字

分享

1
38
1
回到 AlphaGo 打敗棋王的那一天,看 AI 如何顛覆世界——《AI 製造商沒說的祕密》
時報出版_96
・2023/01/30 ・4915字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

谷歌收購深度心智(DeepMind)幾週後,深度心智創辦人德米斯.哈薩比斯(Demis Hassabis)與其他幾位深度心智研究人員搭機來到北加州,與他們母公司的領袖舉行會議,並向他們展示深度學習如何破解「打磚塊」。

幕後推手——德米斯.哈薩比斯

會議結束後,哈薩比斯和谷歌創辦人賽吉.布林(Sergey Brin)聊了起來。他們聊著聊著發現有一共同的興趣:圍棋。布林表示當初他和賴利.佩吉(Larry Page)建立谷歌時,他沉迷在圍棋中,害得佩吉擔心他們根本無法成立公司。

哈薩比斯表示,如果他和他的團隊想要的話,他們能夠建造一套系統來打敗世界冠軍。「我覺得這是不可能的。」布林說道。就在這一刻,哈薩比斯下定決心要做到。

深度心智創辦人、英國人工智慧研究者——德米斯.哈薩比斯(Demis Hassabis)。圖/維基百科

「深度學習運動之父」傑弗瑞.辛頓(Geoffrey Hinton)將哈薩比斯比作羅伯.奧本海默(Robert Oppenheimer),二戰期間做出第一顆原子彈的曼哈頓計畫主持人。奧本海默是世界級的物理學家:他懂得眼前重大任務的科學原理,不過他更深諳激勵之道,他結合手下不斷擴大的科學家,將他們的力量合而為一,並且接納他們的弱點,一起為計畫目標努力。

-----廣告,請繼續往下閱讀-----

他知道如何感動男人(以及女人,包括辛頓的堂姊瓊安.辛頓),辛頓在哈薩比斯身上看到同樣的特質。「他主持 AlphaGo 就像奧本海默主持曼哈頓計畫,如果是別人來主持,他們可能就不會這麼快成功。」辛頓說。

揭開比賽序幕

深度心智的研究員們在 2014 年中曾發表一篇關於他們初期研究的論文,之後他們的研究規模大為擴大,並在第二年擊敗歐洲圍棋冠軍樊麾。此一結果震驚了全球圍棋界與人工智慧研究圈,但是 AlphaGo 對戰李世乭所造成的聲勢更是轟動。

IBM 的深藍超級電腦 1997 年在曼哈頓西城的一棟高樓裡擊敗世界頂尖的西洋棋高手,為電腦科學建立了一座里程碑,受到全球新聞界的廣為報導。但是若是與首爾的這場人機大戰相比,卻是小巫見大巫。在韓國——更別提日本與中國——圍棋是民族性的消遣活動。有超過二億人會觀看 AlphaGo 與李世乭的對弈,觀眾比超級盃多上一倍。

圍棋在中、日、韓具民族性,AlphaGo 與李世乭的對弈備受矚目。圖/維基百科

在總共五局對戰前夕的記者會上,李世乭誇口他能輕鬆獲勝:四比一或五比零。大部分的圍棋棋手也都有同感,雖然 AlphaGo 徹底擊敗樊麾,顯示這部機器是真正的贏家,但是樊麾的棋力遠不及李世乭。根據用來評估遊戲對戰能力的 ELO 等級制度,李世乭完全是在不同的等級。但是哈薩比斯卻認為這場人機大戰會有截然不同的結果。

-----廣告,請繼續往下閱讀-----

第二天下午,在展開第一局對戰的兩小時前,他與幾名記者共進午餐,他拿著一份《韓國先驅報》(Korea Herald),這是用桃色紙張印刷的韓國英文日報。他和李世乭的照片都出現在報紙的頭版上半部。他沒有想到竟會受到如此重視。

「我知道會受到關注,」這位像孩子般矮小,39 歲但已禿頂的英國人說道,「但是沒有想到會這麼多。」不過,在吃著餃子、韓式泡菜的午餐時,哈薩比斯表示他對這場棋賽「審慎樂觀」。他解釋,那些名嘴並不知道 AlphaGo 在十月的棋賽後仍在繼續苦練棋藝。

他和他的團隊初始是將三千萬步棋路輸入深度神經網路來教導機器學習圍棋,自此之後,AlphaGo 就開始不斷與自己對弈,並且記錄哪些棋路是成功的,哪些又是失敗的——其運作與實驗室用來破解雅達利老遊戲的系統類似。自擊敗樊麾以來這幾個月,AlphaGo 已和自己對弈了數百萬局;AlphaGo 持續自學圍棋,學習速度之快遠超過所有人類。

在四季飯店頂樓的賽前餐敘,谷歌董事長艾力克.施密特(Eric Schmidt)坐在哈薩比斯的對面,以他一貫冷峻的態度闡述深度學習的優點。一度有人稱他為工程師,他糾正他們,「我不是工程師,」他說道,「我是電腦科學家。」

-----廣告,請繼續往下閱讀-----
艾力克.施密特(Eric Schmidt)2001~2011 年間在 Google 擔任 CEO。圖/維基百科

他回憶他在 1970 年代研讀電腦科學時,人工智慧看來前景一片大好,但是隨著 1980 年代過去,進入 1990 年代,這樣的美景從未實現。如今,終於實現了。「這一科技,」他說道,「力量強大,引人入勝。」他表示,人工智慧不只是辨識照片的戲法,同時也代表谷歌 750 億美元的網際網路事業與其他無數的產業,包括保健產業。

機器與人類高手對決

在第一局,哈薩比斯是在私人觀賞室與走廊另一頭的 AlphaGo 控制室之間來回兩頭跑。控制室滿是個人電腦、筆記型電腦與平面顯示幕,這些設備全都與遠在太平洋彼端的谷歌數據中心內部數百台電腦相連。一支谷歌團隊在比賽前一週就已架設一條專屬的超高速光纖電纜直達控制室,以確保網際網路暢通無阻。

不過結果卻顯示控制室根本不需要進行多少操控:幾過多月的訓練之後,AlphaGo 已能完全獨力作業,不需要人為的幫助。同時,就算哈薩比斯與團隊想幫忙,也無用武之地。他們沒有一人的圍棋棋力達到大師級的水準,他們只能觀看棋局。

「我無法形容有多緊張,」深度心智研究員說道,「我們不知道該聽誰的。一邊是評論員的看法,你同時也看到 AlphaGo 的評估。所有的評論員都有不同的意見。」

-----廣告,請繼續往下閱讀-----

在第一天的棋賽,深度心智團隊與谷歌的重要人物都親眼目睹 AlphaGo 獲勝。

賽後記者會上,李世乭面對來自東、西方數百名記者與攝影師表示他感到震驚。這位 33 歲的棋士透過口譯員說道:「我沒想到 AlphaGo 下棋竟能夠如此完美。」經過逾四小時的對弈,AlphaGo 證明自己的棋力可與全球最厲害的高手匹敵,李世乭表示他被 AlphaGo 殺了個措手不及,他在第二局會改變策略。

左為代替 AlphaGo 移動棋子的深度心智台灣研究員黃士傑,右則為李世乭。圖/YouTube

神來一筆的第三十七手

第二局對弈進行一小時後,李世乭起身離開賽場,走到露台抽菸。坐在李世乭對面,代替 AlphaGo 移動棋子的是來自台灣的深度心智研究員黃士傑,他將一枚黑子落在棋盤右邊一大塊空地上單獨一枚白子的側邊下方,這是該局的第三十七手。

在角落的評論室內,西方唯一的圍棋最高段九段棋手邁克.雷蒙(Michael Redmond)忍不住多看了一眼確認,然後他告訴在線上觀看棋賽的兩百多萬英語觀眾:「我真的不知道這是高招還是爛招。」他的共同評論員克里斯.戈拉克(Chris Garlock)則表示:「我認為下錯了。」他是一本網路圍棋雜誌的資深編輯,同時也是美國圍棋協會的副會長。

-----廣告,請繼續往下閱讀-----

李世乭在幾分鐘後返回座椅,然後又緊盯著棋盤幾分鐘。他總共花了 15 分鐘才做出回應,在棋局的第一階段他有兩小時的時間,而這一手占用了他不少時間——而且此後他再也沒有找回節奏。在經過逾四小時的對弈後,他投子認輸,他連輸兩局了。

第三十七手也讓樊麾大感詫異,他在幾個月前遭到 AlphaGo 徹底擊敗,自此之後他就加入深度心智,在 AlphaGo 與李世乭對弈前擔任它的陪訓員。他從來沒有擊敗過這部人工智慧機器,但是他與 AlphaGo 的對弈也讓他對棋路的變化大開眼界。事實上,他在遭 AlphaGo 擊敗後的幾週內,與(人類)高手對弈連贏六場,他的世界排名也升至新高。

現在,他站在四季飯店七樓的評論室外面,在第三十七手落子幾分鐘後,他看出了此一怪招的威力。「這不是人類會下的棋路,我從來沒有看過有人這麼下,」他說道,「太美了。」他不斷地重複說道,太美了、太美了、太美了。

第二天上午,深度心智的研究員大衛.席瓦爾溜進控制室,他想知道 AlphaGo 如何做出第三十七手的選擇。AlphaGo 在每一局對弈中都會根據它所受過數千萬種人類落子變化的訓練,來計算人類做出此一選擇的機率,而在第三十七手,它算出的機率是萬分之一。

-----廣告,請繼續往下閱讀-----
AlphaGo 在對弈中會根據千萬種落子變化,計算出人類下此一步棋的機率。圖/YouTube

AlphaGo 知道這不是專業棋手會選擇的路數,然而它根據與自己對弈的數百萬次經驗——沒有人類參與的棋局——它仍是這麼做了;它已了解儘管人類不會選擇這一步,這一步棋仍是正確的選擇。「這是它自己發現的,」席瓦爾說道,「透過它的內省。」

這是一個既甜美又苦澀的時刻,儘管樊麾大讚此一步棋是神來之筆,但是一股鬱悶之情席捲四季飯店,甚至整個韓國。一位中國記者表示,儘管他為 AlphaGo 贏得第一局感到高興,可是現在他深感沮喪。

第二天,一位在首爾彼端經營一家新創企業育成中心的韓國人權五亨表示他也感到悲傷,這並非因為李世乭是一位韓國人,而是因為他是人類,「這是全人類的轉捩點,」權五亨說道,他的幾位同事點頭表示同意,「它讓我們了解人工智慧真的已在我們眼前——也讓我們了解到其中的危險。」

在那個週末,此一鬱悶的情緒只增不減。李世乭第三局也輸了,等於輸掉整個棋賽。坐在賽後記者會的桌子後面,李世乭懺悔之情溢於言表。「我不知道今天要說什麼,但是我首先要表達我的歉意,」他說道,「我應該拿出更好的成績,更好的結局,更好的比賽。」但是坐在李世乭身邊的哈薩比斯卻發現,自己衷心期盼這位韓國棋手在接下來的兩局中至少能贏一局。

-----廣告,請繼續往下閱讀-----

AlphaGo 認輸的那一局

在第四局的七十七手,李世乭再度陷入長考,就和第二局的情況一樣,但是這一回他考慮的時間更久。棋盤中間有一堆棋子,黑白相間,他有近二十分鐘只是緊盯著這些棋子,抓著後頸前後擺動。最後,他將他的白子落在棋盤中央的兩枚黑子之間,將棋勢一分為二,AlphaGo 方寸大亂。

在每一場對弈中,AlphaGo 都會不斷重新計算勝率,並且顯示在控制室的一台平面顯示幕上。

在李世乭落子後——第七十八手——這部機器的反擊很差,在顯示幕上的勝率立刻大降。「AlphaGo 累積到那一步之前的所有戰略都算是報銷了,」哈薩比斯說道,「它必須重新再來。」就在此刻,李世乭抬頭看著對面的黃士傑,彷彿他擊敗的是這人,不是機器。自此之後,AlphaGo 的勝率一路下跌,在近五個小時後,它投子認輸。

DeepMind 製作的 AlphaGo 與李世乭對弈紀綠片。/YouTube

兩天後,哈薩比斯穿過四季飯店的大廳,解釋 AlphaGo 為什麼會輸。AlphaGo 當時是假設沒有人類會這樣下第七十八手,它計算出來的機率是萬分之一——這是一個它熟悉的數字。

就像 AlphaGo 一樣,李世乭的棋力也達到一個新境界,他在棋賽最後一天的私人聚會場合中這樣告訴哈薩比斯。他說與機器對弈不僅讓他重燃對圍棋的熱情,同時也讓他茅塞頓開,使他有了新想法。「我已經進步了。」他告訴哈薩比斯,一如幾天前的樊麾,李世乭之後與人類高手對弈,連贏九場。

AlphaGo 與李世乭的對弈,使得人工智慧在世人眼前大爆發,它不僅是屬於人工智慧領域與科技公司,同時也是屬於市井小民的里程碑。在美國如此,在韓國與中國更是如此,因為這些國家視圍棋為人類智慧結晶的巔峰。這場棋賽彰顯出科技的力量與其終將超越人類的恐懼,同時也帶來樂觀的前景,此一科技往往會以出人意表的方式推動人類更上層樓。儘管馬斯克等人警告其中的危險性,但是這段時期人工智慧的前景一片光明。

裘蒂.英賽恩(Jordi Ensign)是佛羅里達州一位四十五歲的程式設計師,她在讀完棋賽報導後出去在身上紋了兩幅刺青,她在右臂內側紋了 AlphaGo 的第三十七手——左臂紋了李世乭的第七十八手。

——本文摘自《AI製造商沒說的祕密: 企業巨頭的搶才大戰如何改寫我們的世界?》,2022 年 8 月,時報出版,未經同意請勿轉載

所有討論 1
時報出版_96
174 篇文章 ・ 34 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。