2

8
7

文字

分享

2
8
7

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

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。

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。

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!

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。

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 ・ 661 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

1
0

文字

分享

0
1
0
用這劑補好新冠預防保護力!免疫功能低下病患防疫新解方—長效型單株抗體適用於「免疫低下族群預防」及「高風險族群輕症治療」
鳥苷三磷酸 (PanSci Promo)_96
・2023/01/19 ・2882字 ・閱讀時間約 6 分鐘

國民法官生存指南:用足夠的智識面對法庭裡的一切。

本文由 台灣感染症醫學會 合作,泛科學企劃執行。

  • 審稿醫生/ 台灣感染症醫學會理事長 王復德

「好想飛出國~」這句話在長達近 3 年的「鎖國」後終於實現,然而隨著各國陸續解封、確診消息頻傳,讓民眾再度興起可能染疫的恐慌,特別是一群本身自體免疫力就比正常人差的病友。

全球約有 2% 的免疫功能低下病友,包括血癌、接受化放療、器官移植、接受免疫抑制劑治療、HIV 及先天性免疫不全的患者…等,由於自身免疫問題,即便施打新冠疫苗,所產生的抗體和保護力仍比一般人低。即使施打疫苗,這群病人一旦確診,因免疫力低難清除病毒,重症與死亡風險較高,加護病房 (ICU) 使用率是 1.5 倍,死亡率則是 2 倍。

進一步來看,部分免疫低下病患因服用免疫抑制劑,使得免疫功能與疫苗保護力下降,這些藥物包括高劑量類固醇、特定免疫抑制之生物製劑,或器官移植後預防免疫排斥的藥物。國外臨床研究顯示,部分病友打完疫苗後的抗體生成情況遠低於常人,以器官移植病患來說,僅有31%能產生抗體反應。

疫苗保護力較一般人低,靠「被動免疫」補充抗新冠保護力

為什麼免疫低下族群打疫苗無法產生足夠的抗體?主因為疫苗抗體產生的機轉,是仰賴身體正常免疫功能、自行激化主動產生抗體,這即為「主動免疫」,一般民眾接種新冠疫苗即屬於此。相比之下,免疫低下病患因自身免疫功能不足,難以經由疫苗主動激化免疫功能來保護自身,因此可採「被動免疫」方式,藉由外界輔助直接投以免疫低下病患抗體,給予保護力。

外力介入能達到「被動免疫」的有長效型單株抗體,可改善免疫低下病患因原有治療而無法接種疫苗,或接種疫苗後保護力較差的困境,有效降低確診後的重症風險,保護力可持續長達 6 個月。另須注意,單株抗體不可取代疫苗接種,完成單株抗體注射後仍需維持其他防疫措施。

長效型單株抗體緊急授權予免疫低下患者使用 有望降低感染與重症風險

2022 年美、法、英、澳及歐盟等多國緊急使用授權用於 COVID-19 免疫低下族群暴露前預防,台灣也在去年 9 月通過緊急授權,免疫低下患者專用的單株抗體,在接種疫苗以外多一層保護,能降低感染、重症與死亡風險。

從臨床數據來看,長效型單株抗體對免疫功能嚴重不足的族群,接種後六個月內可降低 83% 感染風險,效力與安全性已通過臨床試驗證實,證據也顯示該藥品針對 Omicron、BA.4、BA.5 等變異株具療效。

六大類人可公費施打 醫界呼籲民眾積極防禦

台灣提供對 COVID-19 疫苗接種反應不佳之免疫功能低下者以降低其染疫風險,根據 2022 年 11 月疾管署公布的最新領用方案,符合施打的條件包含:

一、成人或 ≥ 12 歲且體重 ≥ 40 公斤,且;
二、六個月內無感染 SARS-CoV-2,且;
三、一周內與 SARS-CoV-2 感染者無已知的接觸史,且;
四、且符合下列條件任一者:

(一)曾在一年內接受實體器官或血液幹細胞移植
(二)接受實體器官或血液幹細胞移植後任何時間有急性排斥現象
(三)曾在一年內接受 CAR-T 治療或 B 細胞清除治療 (B cell depletion therapy)
(四)具有效重大傷病卡之嚴重先天性免疫不全病患
(五)具有效重大傷病卡之血液腫瘤病患(淋巴肉瘤、何杰金氏、淋巴及組織其他惡性瘤、白血病)
(六)感染HIV且最近一次 CD4 < 200 cells/mm3 者 。

符合上述條件之病友,可主動諮詢醫師。多數病友施打後沒有特別的不適感,少數病友會有些微噁心或疲倦感,為即時處理發生率極低的過敏性休克或輸注反應,需於輸注時持續監測並於輸注後於醫療單位觀察至少 1 小時。

目前藥品存放醫療院所部分如下,完整名單請見公費COVID-19複合式單株抗體領用方案

  • 北部

台大醫院(含台大癌症醫院)、台北榮總、三軍總醫院、振興醫院、馬偕醫院、萬芳醫院、雙和醫院、和信治癌醫院、亞東醫院、台北慈濟醫院、耕莘醫院、陽明交通大學附設醫院、林口長庚醫院、新竹馬偕醫院

  • 中部

         大千醫院、中國醫藥大學附設醫院、台中榮總、彰化基督教醫療財團法人彰化基督教醫院

  • 南部/東部

台大雲林醫院、成功大學附設醫院、奇美醫院、高雄長庚醫院、高雄榮總、義大醫院、高雄醫學大學附設醫院、花蓮慈濟

除了預防 也可用於治療確診者

長效型單株抗體不但可以增加免疫低下者的保護力,還可以用來治療「具重症風險因子且不需用氧」的輕症病患。根據臨床數據顯示,只要在出現症狀後的 5 天內投藥,可有效降低近七成 (67%) 的住院或死亡風險;如果是3天內投藥,則可大幅減少到近九成 (88%) 的住院或死亡風險,所以把握黃金時間盡早治療是關鍵。

  • 新冠治療藥物比較表:
藥名Evusheld
長效型單株抗體
Molnupiravir
莫納皮拉韋
Paxlovid
帕克斯洛維德
Remdesivir
瑞德西韋
作用原理結合至病毒的棘蛋白受體結合區域,抑制病毒進入人體細胞干擾病毒的基因序列,導致複製錯亂突變蛋白酵素抑制劑,阻斷病毒繁殖抑制病毒複製所需之酵素的活性,從而抑制病毒增生
治療方式單次肌肉注射(施打後留觀1小時)口服5天口服5天靜脈注射3天
適用對象發病5天內、具有重症風險因子、未使用氧氣之成人與兒童(12歲以上且體重至少40公斤)的輕症病患。發病5天內、具有重症風險因子、未使用氧氣之成人與兒童(12歲以上且體重至少40公斤)的輕症病患。發病5天內、具有重症風險因子、未使用氧氣之成人(18歲以上)的輕症病患。發病7天內、具有重症風險因子、未使用氧氣之成人與孩童(年齡大於28天且體重3公斤以上)的輕症病患。
*Remdesivir用於重症之適用條件和使用天數有所不同
注意事項病毒變異株藥物交互作用孕婦哺乳禁用輸注反應

免疫低下病友需有更多重的防疫保護,除了戴口罩、保持社交距離、勤洗手、減少到公共場所等非藥物性防護措施外,按時接種COVID-19疫苗,仍是最具效益之傳染病預防介入措施。若有符合施打長效型單株抗體資格的病患,應主動諮詢醫師,經醫師評估用藥效益與施打必要性。

文章難易度

1

37
0

文字

分享

1
37
0
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

國民法官生存指南:用足夠的智識面對法庭裡的一切。

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。

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。

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。」

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。」

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。

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。

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。

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
154 篇文章 ・ 29 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。

0

27
0

文字

分享

0
27
0
大科學人專訪|職業棋士黑嘉嘉:台語課我考了一百分,事實上我一句台語都不會講
LIS_96
・2023/01/01 ・2006字 ・閱讀時間約 4 分鐘

國民法官生存指南:用足夠的智識面對法庭裡的一切。

自己可以選擇想做的事是很棒的事

Q:黑嘉嘉在國小、國中、高中分別遇過什麼「有成就感」或是「特別挫折」的經驗

我的媽媽是數學和英文老師,因為姊姊國中要開始自學,我就跟著姐姐自學,後來國中就到美國讀書,小時候媽媽給了我很多的學習資源,比方說圍棋。

我在美國念中學是兩點半就下課,學業滿輕鬆的,每週五學校規定老師不可以給學生出作業,週末要好好去玩,禮拜一會比較晚上課,整個設計都是非常人性化。我們有一堂課,是可以自己選擇要上什麼,像是電腦、合唱團唱歌、美術。這三堂課是妳可已自己選擇要上哪一堂課,這樣可以自己選擇是很棒的事情!

整個求學過程算是滿快樂的,應該算是滿順利的。

沒有環境就自己創造

Q:你覺得什麼是學習過程中最重要的關鍵?

我覺得有興趣是最重要的,我到美國之後,是完全沒有圍棋的環境,在美國找不到圍棋老師,也找不到會下棋的任何人,我有點靠著自學,在網路上自己找對手下棋,自己看棋譜,自己覆盤。因為我對圍棋很有興趣和熱情,所以我願意花很多間,哪怕我沒有環境,我也自己創造環境給自己。

黑嘉嘉憑著對圍棋的熱情,創造學習的環境給自己。圖/Envato Elements

除了學習動機獨立思考和勇於嘗試同等重要

Q:自學的過程中是否遇到挫折和挑戰?又如何解決困難和挑戰?

我覺得當我在台灣我有圍棋老師的時候,我發現老師說什麼,我就聽什麼,沒有真的理解。比方老師說要下這裡好,我不知道為什麼,我下次就下這裡,但我沒有真的就理解為什麼要下這裡,到美國沒有老師,我就必須全部自己思考,那為什麼下這裡呢?到底好在那裡?我就開始不下這裡,看看會發生什麼事,在這一次次的失敗中學習,自學的過程當中會發現很多過去沒有想過的問題。

除了動機之外「獨立思考的能力」、「嘗試」也同等重要,得自己思考和理解過後才會變成你自己的,如果硬背可能很快就忘記了!

培養獨立思考的能力,並且從嘗試中學習。圖/Envato Elements

小朋友能夠擁有選擇的權利

Q:給台灣教育的建議?

就我過去在台灣唸小學的經驗,我覺得最大的問題就是我會被強迫去背很多東西,這些東西考完試之後就忘光了,之後也是完全不會用到,還有一次台語課我考了一百分,事實上我一句台語都不會講,我就覺得很離譜,一句都不會講怎麼會考到一百分,這個情況是不正常的,不應該出現這樣的情況,運用應該是最重要的,不應該是我考了一百分覺得自己很棒,但那應該是要有慚愧的心情,我考了一百分但我一句台語都不會講。應用才是我覺得更重要的事情!

我會希望小朋以能夠有更多選擇的權利,他們可以選擇喜歡什麼,自己想要學習什麼,也喜望他們能夠有更多獨立思考的能力,這也是需要老師去帶領他們,學習獨立思考。

需由老師帶領孩子,學習如何獨立思考。圖/Envato Elements

響應本次「LIS 第二季大科學計劃」, 黑嘉嘉分享給我們的大科學人宣言:

❛❛ 人生如棋,在 19 X 19 的棋盤宇宙中,學習處事真理;落子無悔,每個選擇都牽動著下一個結果。  ❜❜  ——黑嘉嘉

人生如棋,落子無悔,是黑嘉嘉喜歡的圍棋格言,棋盤上的道理都是可以運用到科學和生活當中。在這邊也跟大家分享「黑嘉嘉的圍棋線上教室」最近剛好滿一週年,科學是生活,生活是科學,如果你對棋盤中的思考模式想進一步了解,歡迎大家報名體驗,有成人和小朋友的課程可以試上哦。

邀請您一同成為各行各業中的大科學人,您的捐款將支持「科學公益教材」的穩定開發,一起 支持台灣科學教育,讓孩子從小開始像「科學家一樣思考」,帶著自信長大成為各行各業中「 永保好奇」、「邏輯思辨」的大科學人!

【LIS 大科學計畫 ✦ 第二季】|暖心上線 ▸▸▸▸▸▸▸
❛ 教育不只是老師的事,這是我們的任務,下一個世代的科學史,現在就得開始寫起! ❜
募資倒數 30 天,尚缺 60 萬元定期定額製作啟動金
每月 523 小額捐款,支持全台十萬名孩子都期待的科學教材 http://bit.ly/3joDOC7
#參與募資成為大科學人,#解鎖泛科學贈送的神祕好禮關注 LIS 最新消息歡迎加入 FB 社團「LIS大科學人製造所

LIS_96
22 篇文章 ・ 6 位粉絲
LIS ( Learning in Science )情境科學教材,成立於2013年7月,是一個非營利組織,致力於為國中小自然教師及學生,設計有別於填鴨教育的科學教材,協助教師進行STEAM和科學素養導向的教學,讓教師更簡單地進行教學創新,幫助更多孩子找回對科學的學習動機,並培養解決問題的能力。 在 Youtube 頻道【LIS情境科學教材】上,我們會即時更新所有LIS教材的影片,而完整的教案、學習單,亦同步上傳於【LIS教材平台網】歡迎您前往瀏覽完整內容。