書摘》搶先看！棋士與AI ── AlphaGo開啓的未來（下）
新頭殼newtalk
通用性
當Deepmind 公司開發AlphaGo之際，所抱持的概念是「AlphaGo必須是不僅限於圍棋的演算法」。 圍棋遊戲的歷史相當漫長，從《論語》和《孟子》中的記載我們可以得知，圍棋從西元前就已經是相當廣為人知的娛樂。在漫長的歷史中，圍棋相關的技術不斷累積，從中構築出各種技巧和思考方式。因此，過往的圍棋軟體通常把重點放在「棋該怎麼下」，也就是以圍棋遊戲本身為對象，開發軟體技術。
相較之下，AlphaGo的系統極力減少專門為圍棋所設計的部分，將目標放在各個領域都能運用的系統，重視「通用性」。在與李世乭對戰後的四個月，也就是二○一六年七月，Deepmind公司立刻把AlphaGo 技術運用在自家資料中心的冷卻系統上，並且發表成果，表示能節省40%的用電，今後關聯技術在醫療領域的活躍也十分令人期待。
新的AlphaGo Zero 和先前的版本相比，架構更為簡潔，更加體現電腦演算法之美。像是蛋白質的摺疊分散式計算式，能量消耗的削減，以及探索革命性的新素材等等，在許多領域都有AlphaGo Zero 的活躍機會。
廣範圍的通用性不只是AlphaGo 的成功，同時代表了AI的成功。AlphaGo 所以引發了世界對AI爆炸性的關注，係因世界認為，在圍棋做得到的事情，在其他領域也應該做得到。如果軟體是為了因應規則複雜的遊戲而設計，就必須就個別遊戲加以規劃。單純的圍棋規則是達成通用性的關鍵，也是Deepmind 公司選擇開發圍棋軟體的原因。
在這裡希望大家不要把上述的「通用性」和AI開發的目標「通用型AI」混淆。包括圍棋軟體在內，目前的AI都是以達成特定工作為目標的「單一功能型 AI」。 不過 「通用型AI」 的目標不僅止於此， 除了讓AI能夠像人類一樣下圍棋， 也能發揮其他工作、家事或是對話等各種功能，這正是目前開發「通用型AI」的主要目標。
AlphaGo 的通用性和「通用型AI」沒有關係，而是作為「單一功能型 AI」，具有能夠運用在不同領域的通用性。AlphaGo Zero 的「從零自學」成功實踐「不需要教師的學習方式」，未來的應用面向是否還會再擴大，也十分令人期待。
AlphaGo Zero 能夠獲得如此成果，必須歸功於AI和圍棋是很棒的組合。因為圍棋具備了規則簡潔、有明確的標準以判斷學習效果等優秀條件；所以其他領域用 Zero作無教師學習，未必能和圍棋達到同樣的成果，但是AlphaGo Zero這個學 習機制以圍棋為原點，提供了將來其他領域自我學習的可能性。
順便提一下本書對於「AI」一詞的用法。「AI」命名於一九五六年，日語將之翻譯為「人工知能」。「AI」的範圍十分廣泛，西洋棋程式「深藍」當然是 AI，讓烤箱順利運作的系統有時也被稱為「AI」。
不過在圍棋軟體的世界，AlphaGo之前的圍棋軟體並未被稱為「AI」，而是直接被稱作「圍棋軟體」。也就是說，只有具備深層學習功能的圍棋軟體才開始被稱 「AI」。
雖說圍棋以外，也不乏以具備深層學習功能與否，區分是否稱為「AI」，但因還不算有社會共識，也有不少軟體雖然沒有深層學習功能也被稱為「AI」。
雖說是否使用深層學習技術，對於軟體本身的定位有很大的影響，仍不乏許多評論將沒有深層學習技術的軟體也稱為「AI」，並以此為基礎討論「AI」對社會的影響。如此混亂的情況雖然必須釐清，但實際上沒有這麼簡單。而深層學習也不一定永遠是AI的關鍵技術；總之在目前的時點，「能夠自主性地找出對象特徵以 學習」的深層學習仍然具有特殊意義，也由於這項技術才讓AI得以有突破性的發展。因此在本書中僅將使用深層學習技術的軟體稱為「AI」的角度觀察「﷽﷽﷽使用深層學習技術的軟體稱為﹁功能也被稱為﹁﹁。
作者：王銘琬
1961年11月22日生，四歲開始學圍棋，1975年11月赴日。1977年入段。1979年獲第3期留園杯冠軍。1980年、1981年獲棋聖戰三段戰冠軍。1984年獲「新人獎」，1985年獲殊勛獎。共4次入圍名人戰循環圈。1986年獲棋聖戰六段戰冠軍。1987年獲棋聖戰七段戰冠軍。1989年、1991年獲俊英戰桂冠。1991年獲棋聖戰八段戰冠軍。1992年九段。2000年在第55期本因坊戰中以4：2勝趙善津奪得本因坊位。2001年在第56期本因坊戰中以4：3勝張栩衛冕本因坊。2002年贏得日經舉辦王座至高榮譽。
譯者：林依璇
台大法律系學士，台大國家發展研究所碩士，現就讀政大法律系博士班。
出版：大塊文化（9/28上市）
延伸閱讀：
書摘》棋士與AI ── AlphaGo開啓的未來（上）
書摘》搶先看！棋士與AI ── AlphaGo開啓的未來（中）