人類和AlphaGo對奕，真的像跟跑車比快嗎？

上星期圍棋世界冠軍柯潔跟AlphaGo對奕，雖然DeepMind創辦人哈薩比斯（Demis Hassabis）表示，在第二局柯潔的首100手是AlphaGo遇過最勢均力敵的對手，但他仍然以0比3敗陣。

經過去年的「人機大戰」以及化名Master在網路連贏60場快棋後，相信李世石對AlphaGo的唯一勝仗，很可能後無來者，人工智慧在圍棋上已經超越人類，未來將會像國際象棋一樣持續擴大領先優勢。

在Facebook或討論區上不難見到會有人質疑，今次柯潔跟AlphaGo比賽，就像頂尖跑手和跑車比快一樣沒有意義。

其實不然——假如我們不只看結果的話。

AlphaGo的確有強大運算能力作後盾，但圍棋跟國際象棋不同，不能單靠「暴力拆解」（brute-force）去評估棋局，需要以不同演算法來處理（詳見文末相關文章連結）。因此即使AlphaGo的運算能力佔優，對奕時是否壓倒性地勝過人類，還是要比賽過才能肯定。

而且思考複雜棋局跟跑步有極大差異——科學家大致了解運動員如何跑步，也知道有些上限無法突破（例如保特不可能在5秒內跑完100米），相比之下，人類對於大腦如何思考所知要少得多。

單看跑出來的成績，我們已經可以斷定人類不會快過跑車，但下棋不能只看「技術規格」，必須真的下一次才知勝負，現在結果很明顯︰柯潔贏不了AlphaGo。人類敗陣是意料之內，我們也不應「事後諸葛」去說無意義——畢竟去年李世石也曾勝出一場。

另外，縱使柯潔是世界冠軍，甚至可以代表人類棋力的頂峰（至少相去不遠），但他還是個人類，再聰明其運算能力也無法跟AlphaGo企及。那為何他能夠找到AlphaGo判斷的最佳下法（那怕只有十多步）？這顯然跟大腦的運作模式有關——人腦結構複雜，我們計算加減乘除不及電腦快，不代表其他方面不如電腦，人類棋手跟AlphaGo「觀看」棋局的方式亦會有分別。

就拿語言為例，拜深度學習所賜近年電腦在翻運、語音辨識等能力大幅增加，不過暫時未能取代人類。即使不久後電腦終於超越人類，大腦如何在運算速度、吸收數據量遠不如電腦的情況下完成相同工作，仍會是個有趣而且重要的問題。棋手在久經訓練後所產生的「直覺」（我想像為大腦處理問題的捷徑）能否在電腦中模擬，也值得研究。

大腦是人類演化產物，而電腦起初僅是運算工具（以及處理「甚麼是可計算的」這個問題的產物），人工智慧乃人類嘗試以電腦模擬人類思考的產物。這樣說並非輕視人工智慧及電腦（我是強人工智慧支持者），只是想指出人工智慧可能會展示出與人腦不同的模型，比較這兩種（或以上）的模型會很有意思，能讓人類更了解自己和「智慧」的本質。

像人類般思考的「強人工智慧」或許不會出現，不過在不久將來，針對特定工作的人工智慧影響力只會有增無減，否定人工智慧——譬如面對強大的AlphaGo時只會說「它不懂得享受圍棋、不懂思考為何要下棋」——基本上只是自我安慰，我們真正應思考的是人工智慧（作為一種科技）如何幫助人類。

例如在國際象棋這個項目，電腦已經持續勝過人類棋手，這樣的比試就沒有意義，但電腦程式可以協助人類練習、分析棋局，甚至到達單憑人類無法上升至的水平。

跟其他動物相比，人類體型、體力上沒有明顯優勢，但能透過智力克服困難、製造工具解決問題。歷史上種種科技創新，令人類可以多次打破身體的限制，電腦和人工智慧只是延續這項「傳統」——電腦帶來的改變有目共睹，而人工智慧的改變才剛剛起步。

誠然，人工智慧的極大潛能也可能危及人類生存，至少對生產力的影響也可能大幅改變社會，不過這就不在本文的討論範圍內了。

相關文章︰

• AlphaGo連勝人類：從圍棋複雜程度淺談AI的重要
• AlphaGo到底是如何下棋？兼談幾個對AlphaGo的誤解
• 十九歲棋王柯潔，足以代表人類棋力的最高水平嗎？
• AlphaGo下棋不懂「死活」與「大小」怎麼可能贏？原來這個前提是錯的
• 圖靈機正式面世80年︰「離地」研究為人類帶來了電腦

核稿編輯︰王陽翎