如果AlphaGo輸了給柯潔，我們才應該感到沮喪

柯潔敗給AlphaGo，仍有不少人情感未能接受

相信有些朋友會感到奇怪，明明經過南韓棋王李世乭在去年3月以4：1總局數敗給AlphaGo，昨日AlphaGo對戰中國柯潔，首仗戰敗早應該心情平伏，視之理所當然，像林順喜過往接受BBC訪問時說：「人類超越不了電腦是必然結果，情況一如人跑不過跑車一樣。」

其實，像林先生這樣理解「人機決戰」的人，不一定是多數，就在李世乭輸掉比賽的時候，賽後仍有朋友說：「其實不對，最近下的是快棋，慢棋還有機會贏。」這說法固然不成立，但無論如何，人們仍有揮之不去的沮喪感一般牽涉兩個層面。

比較淺顯的層面，是圍棋競賽不像汽車與人類鬥速度，不是比併雙腳（肢體）步速與車速，這屬於外在的條件限制，而且，汽車的外貌也不像人類，情感上比較容易接受；換言之，人類下棋這種活動是「心靈 / 意識」的一種能力，比併的是人類那顆有思想的大腦，比併單位容易讓人「擬人化」，這種心理包袱以「汽車」比喻未必能抒解許多人的心情，總感覺是「人類失敗了！」。

在數理運算方面，人類跟AI相比層次不過像隻甲蟲

另一個層面牽涉「認識」，因為要人們要理解及聯想「人工智能」（AI）跟「人腦」的差距，相對沒那麼容易。柯潔在賽後比喻AlphaGo像「圍棋上帝」，能夠快速下「一石二鳥的棋步」，找不到弱門，令人震驚。這樣的比喻雖然生動，但還是未夠具體，如果以尼克．伯斯特隆姆（Nick Bostrom）的比喻，AI數理運算能力跟人腦相比，層次相當於「人類跟一隻甲蟲或蠕蟲」相比，不是一般人以為是「科學天才跟一般人」的距離，因為這個比喻差距顯得太小了。

圍棋極講求數學及邏輯運算，而「這一方面」正是AI的強項，隨時間演進，日後AI的數理運算能力人類無法企及，根本理所當然。回到基本單位，一般生物神經元最巔峰的運算數速度約200Hz¹（此非指部分特殊高速的神經元啟動頻率），比現代約2GHz微處理器慢了「七個數量級」（用這例子已很保守了），就是10的7次方——10,000,000倍，電腦極擅長高速依次序運作（sequential operations）。此外，神經軸突最快可以每秒120公尺速度攜帶動作電位（action potentials），而電子處理核心（electronic processing cores）藉光學處理通訊速度每秒達3億公尺。

至於擴充結構，電腦不但軟體可以不斷更新升級，硬件運算也可升級至非常高的物理極限（目前仍在實驗階段的技術，可使「精尖的電晶體製程從14nm縮減到了 1nm」），我們也知道超級電腦可使用大如樓座的單位來安置。而成年人類大腦平均約有1,000億個神經元，大腦尺寸是黑猩猩三倍半左右，僅此而已，暫時無法再添加運算硬體。在這種基礎之下，下圍棋可處理多少種可能的擺法，是如何龐大的運算量，建議各位參考友人余海峯〈AlphaGo連勝人類：從圍棋複雜程度淺談人工智能重要性〉一文。

柯潔未來任何一局取勝是奇蹟中的奇蹟，失敗是理所當然

人腦vs.AI就是在這樣的條件之下比併，現在我們明白，隨著AlphaGo更新至18版乃至更後的版本，去年李世乭經歷了「人類贏AlphaGo的最後一局」絕不誇張。情況意味著，柯潔在5月25及27日另外兩局，也很可能戰敗收場；敗，顯得理所當然，勝，倒是「奇蹟中的奇蹟」，這才是我們心理上恰如其分的理解，應當接受，沒必要沮喪或失望。

即使奇蹟真的出現，也只是一時而已，不久之後所有奇蹟將完全消失，沒有之一，也沒有如果。更重要的是，人工智能技術是相關專家走了許多冤枉路，經過「數十年」以後的成果，無論是李世乭、柯潔，或是今後在其他方面落敗於人工智能的人，總括來說，他們是敗給不少人合力研發、汲取經驗教訓的「AI心血結晶」；反而，AlphaGo「竟然」徹底敗給柯潔，我們才應感到沮喪，聚合了這麼多聰明絕頂之士，奮鬥數十載，卻仍未企及極高運算層次，豈不叫人失望？是故，無論從甚麼角度看，誰勝誰敗均可視之「人的勝利」，這並非一般主觀的輸打贏要。

AI勝利也是人類智能的勝利，集合專家數十年奮鬥 真正問題不在棋局勝敗

粗略而言，如果不追溯到更遠的圖靈（Alan Mathison Turing），現代開啟專門研究AI領域可數1956年，一些對自動機理論（automata theory）、神經網絡、智能研究有熱情的科學家，聚首於美國新罕布夏州達特茅斯學院（Dartmouth College），並舉行了達特茅斯會議（Dartmouth conference），也是人工智能一詞出現的時刻。

當中有資訊理論創始人克勞德．夏農（Claude Elwood Shannon）等人，希望「找出讓機器能使用語言、產生抽象概念、解決人類問題，以及自我增進的方法」（“An attempt will be made to find how to make machines that use language, form abstractions and concepts, solve kinds of problems now reserved for humans, and improve themselves. ”）若用趣怪一點的方式表達，他們也希望駁斥社會上懷疑論者的說詞：「絕對沒有機器能做到X！」（“No machine could ever do X!” ）