AlphaGo下棋不懂「死活」與「大小」怎麼可能贏?原來這個前提是錯的

AlphaGo下棋不懂「死活」與「大小」怎麼可能贏?原來這個前提是錯的
Photo Credit: Reuters/達志影像

我們想讓你知道的是

以人類可能達到的圍棋水平而言,AI的表現告訴我們,比起堆積意義的「算棋」,無從捉摸的「形勢判斷」是重要太多了,而從棋盤全體直接判斷形勢,正好成了AI的最強項,其正確性與速度,把人類遠遠拋在後面。

死活與大小可以說是圍棋最基本的單字與文法,而電腦圍棋卻無法認知,我一直認為這是圍棋AI最大的弱點,當然也是最需改善的罩門。

AlphaGo在跟李世乭之戰前,公開的棋譜的綜合能力,的確非常厲害,但若還在用蒙地卡羅法的話,局部認識的機能的弱點是無法解消的,一百萬美元的獎金不用說是李世乭的吧!無法辨認死活及大小,怎麼可能贏李世乭呢?我的棋士生涯,讓我只能作這樣的判斷。

形勢判斷的重要性遠大於「算棋」

就如前面所介紹的一樣,結果深層學習帶著AlphaGo飛越人類的頭頂。

圍棋比想像的還要寬廣,AlphaGo擁有遊刃有餘的計算能力,棋盤廣大到讓它即使懷著缺陷,卻依然能悠悠踏步,有轉圜餘地,迴避自己的缺陷。

Master看來對算棋更有信心,棋風比AlphaGo更為強悍,AlphaGo盡量不去踩自己的弱點而造成陷阱;Master對付自己的弱點,像是隨便踢開腳邊的小石頭,一點都不會令人擔心。

原來下棋必須要有「死活」與「大小」的概念,這個前提是錯誤的;「死活」與「大小」若是人類下棋的語言,如果能「以心傳心」的話,就不需要多說話;我終於想通了,圍棋AI並非無法認識「死活」與「大小」,而是沒有必要用局部的概念去認識而已!

圖十三:Master持白棋,對於黑1,白棋放著右上七子不管,2、4、6埋著頭連下上邊,接著8、10低位渡過,對黑棋也不是具有威脅性的手段,黑11罩,白七子被吃了,但從結果而言,形勢其實白棋並不壞,這雖不能說是到了驚異的判斷程度,但要是我,因為無法正確地算出大小,也就無法這麼簡單地捨棄這七子。

圍棋

經過長期深層學習訓練後,累積三千萬局數據收集對局(現在說不定又多好幾倍)與無數自我對戰學習的經驗,作每秒一百萬局的高度模擬;當電腦擁有這樣的能力時,把棋盤當作一個整體來處理,其實正是非常符合圍棋的本質的方法。

人類因為無法這樣處理,只能就解析「局部」得到的資訊,再根據這些資訊來作綜合判斷,除此之外別無其他方法。今後圍棋AI下的棋,對人類而言,雖然非常具有參考價值,但人類遭遇未知局面時,必須對於各個「局部」賦予意義後,再作全體的判斷,人類的這種思考傾向是無從改變的。

以人類可能達到的圍棋水平而言,AI的表現告訴我們,比起堆積意義的「算棋」,無從捉摸的「形勢判斷」是重要太多了,而從棋盤全體直接判斷形勢,正好成了AI的最強項,其正確性與速度,把人類遠遠拋在後面。

就像有人相信世界是以有理數(算棋)來構築的,但後來發現、有理數不過是浮在無理數(形勢判斷)之海上的藻屑而已,而人類終究無法測量海有多深,只能對著眼前的藻屑望洋興嘆。

書籍介紹

本文摘錄自《迎接AI新時代:用圍棋理解人工智慧》,遠流出版

*透過以上連結購書,《關鍵評論網》由此所得將全數捐贈兒福聯盟

作者:王銘琬

認識AI(人工智慧)最前線,王銘琬為你做最佳嚮導!2016年3月韓國棋王李世乭與AlphaGo的一戰,人類敗北後,世界開始認真面對AI(人工智慧)時代的來臨!AI可能提高生活品質,也將可能擠壓人類的生存空間,認識AI最前線的圍棋AI,是思考人類如何面對AI的第一站!

一位頂尖職業棋士全力揮棒的報告書:王銘琬是世界唯一參與圍棋AI開發的一流棋士,詳盡敘述圍棋AI的過去、現在,並以職業棋士觀點提示人類如何因應與AI共存的未來,因為此刻「未來還掌握在人類自己的手裡!」

王銘琬 迎接AI新時代:用圍棋理解人工智慧
Photo Credit: 遠流出版

責任編輯:翁世航
核稿編輯:潘柏翰