高徒說

上回提到了自駕車不需要什麼太高端的光達或是感應器，只要老老實的回應真實路況，尤其是有行人的社區道路，就能達到商業化的目的。雖說是用常識戳破一堆科技術語，卻也使得AI 自駕有一條可行的路與可檢驗的標準，不知道需不需要幫Elon Musk 也備一篇英語版的備忘錄？總之，這是條可行的路，不是神話，接下來要聊的，就比較接近幻術，但是以科技為手段，並不難懂，歡迎Keyu 來一起做頭腦體操。

代AlphaGo 落子的人類棋手黃士傑是台灣人，此時，柯潔正在第二局的苦戰，感受到機器棋手的強大壓力。

出處：大紀元時報

提到電腦下棋，就不能不提柯潔對戰AlphaGo ，雖說人類在之前一直預言機器要打敗人類，只可能在有限棋步的西洋棋（或像棋），圍棋這麼直覺的東西，電腦不太可能達標。既然我之前有什麼預測，也只放在心中（以大規模GPU對戰宇宙中最簡潔的運算機器“人腦”，其實是蠻洪水暴力方式，也就是大量運算彌補運算法的粗糙不足），不好事後來當諸葛亮，只能事後就事論事，凡是能拆解然後平行處理的，電腦終究會打敗人腦，正因為人腦是靠直覺，下棋時盲區極大，電腦大可在這類盲區，開發出致勝之道，這類類似天機不可洩漏與天機可先偷窺的事，電腦並不是第一次領先，氣象預測上，人類需要一、兩個月運算的資料，超級電腦，幾小時內就能窺得先機，就是速度致勝的粒子。至於圍棋盲區有多大，我不下圍棋，也猜不出來，這裡引用日本傳奇棋士的說法，藤澤秀行曾經說過「棋道一百，我知其七」，高達93%的盲區，就是電腦能致勝的關鍵。

說到這裡，有人說，電腦能解盲區，就是電腦棋力較高的明證，問題在於，若是不管運算工具，或能量消耗的問題，棋力就會變成偽命題，也就是說，若允許我慢慢翻棋譜，我也可以打敗柯潔，原因就在於，人類在明區（人類下過的棋步，已經可以理解與運用，我這裡拿來對比，人類歷史以來，還沒下過的棋步），其實棋路資訊是固定的，在這個範疇內，肉體凡胎（包括柯潔）是打不贏千百年累積下來的棋路的，李開復用深藍打敗棋王卡斯帕羅夫，在開賽前即鼓勵團隊，不需要更多運算資源與未來技術，一秒兩億步的棋譜搜尋，就足以打敗人類棋手，當代棋王很難打敗千百年來累積下來的海量資訊，因為下棋速度太快，缺乏人味，在下其實反而是缺點，為了誤導人類，深藍會故意延遲，製造思考的假象，已便讓對手感覺這步棋可能是類似后翼棄兵（犧牲打，看了Netflix 後，你們可能已經知道這個詞了），這招果然讓棋王大為緊張，因為電腦在“思考”的這幾秒，既不緊張，也不顯露表情。既然能夠搜尋棋譜，贏得比賽，但是，我們仍然要記住，這是用大量運算來代替精簡的演算法，亦即電腦沒有理解，也不管巧思，哪一步能贏，就把那一步拿來用。因此，電腦無“棋力“這件事就很明顯了，當然更說不出個所以然，也不可能教人類棋手如何下棋。

接下來，應該可以理解，AlphaGo 跟 AlphaGo玩左右手互搏（金庸小說中的用語，指高手自己出招，自己解招，提昇功力），更是完全無終點的探索，因為對手是沒有盲區的電腦，所以，也不需要跑到盲區去贏對方，就好像請對手先把謎底出示，自己再來猜謎，人類可能完全不懂這種樂趣在哪裡，雙方都是把棋譜攤在陽光下，等對方照著棋譜出招，自己在照棋譜的下一步回應，該輸該贏，則可以跳讀棋譜最後一步。

或許有人說，圍棋不需下了，因為輸贏百年前的棋王已知，也定下了贏棋的套路，我反而覺得，盲區很大，正好拿來鍛鍊腦力，陶冶性情，若是只做人腦五秒內解出的任務，人生會乏味得多，而這個五秒法則，反而是電腦人工智慧該努力的項目，例如：自駕車，或是人類識別，該留著慢慢鍛鍊腦力的遊戲，因為電腦已經無法“裝笨“（或者是裝聰明，因為人類心知肚明，電腦還是在查棋譜，只是得查得飛快。並非找到什麼下棋的巧門），裝得像人類棋士一樣，也能苦思以提升“棋力“，所謂的棋力，在輸入大量棋譜時，已經內建。

圍棋是個大議題，不是我以小小AI就能解謎的，我以藝術界的莫札特來說明，莫札特在幾百年前，創造出獨特的歡樂風格，相信許多作曲家都受到她的啟發，然而，一直都沒出現第二個莫札特，直到AI輸入海量資訊，模仿出許多莫札特風的曲子，原來，莫札特雖然不是數學家，卻能直覺的運算出某種風格。如果說AI破解莫札特風格模式，就是作曲界的末日，我覺得言過其實，88鍵的鋼琴，從來就限制不了作曲家的創意，光是窮盡音符排列組合，不叫作曲，叫做盲拳，盲拳能打死老師傅，但打不死人類的創意，若是藝術上，這些有限的變化，AI 都掌握不了，一些更玄的人類思考路徑，更不可能用窮舉法直接破解，不如把AI 目前小小的進展，用在製藥、避免交通意外或是協助學習這些看似枯燥、簡單，卻能大幅改善人類生活的範疇上。

高徒

2021.5.16 新北市新莊養心居