人類和AlphaGo對奕,真的像跟跑車比快嗎?

人類和AlphaGo對奕,真的像跟跑車比快嗎?
Photo Credit: Stringer ATTENTION EDITORS / Reuters / 達志影像

我們想讓你知道的是

AlphaGo的運算能力如此強大,人類跟它對奕不是毫無意義嗎?

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︰

核稿編輯︰王陽翎


猜你喜歡


挖掘雲端開放架構優勢!Amazon EKS高可用性叢集快速部署容器

挖掘雲端開放架構優勢!Amazon EKS高可用性叢集快速部署容器

我們想讓你知道的是

企業如何在 Amazon EKS(Elastic Kubernetes Services)上使用 GitLab 創建自動化部署,減輕人力負擔,提升專案服務運作效率?

所謂現代化智慧 IT,所有工程師最希望的境界,莫過於只要輕鬆點幾下設定,系統就會自動跑起來,管理者再也不用隨時待命在機台旁邊,從此工作悠哉又快樂!儘管這樣情境還沒到來,但隨著敏捷式開發的流行,除了 DevOps 人員,有越來越多開發者將 CI/CD 概念融入到工作流程當中,例如從 build code、執行 unit test、到部署應用程式。

透過 AWS 增加雲端技能 在組織發揮影響力

上述種種反覆步驟自動化執行,也就能提昇服務品質、主動通知開發人員以減輕人力負擔,讓專案服務能持續運作。

其中,GitLab 是執行 CI/CD 常用的工具之一,也是開發者使用程式碼儲存庫的地方。為了讓 GitLab Runner 在雲端快速實踐 CI/CD,《AWS 開發者系列》透過影片分享,如何在 Amazon EKS(Elastic Kubernetes Services)上使用 GitLab 創建自動化部署。

以下節錄工作坊影音內容,幫助開發者快速理解如何運用 Amazon EKS 的高可用性且安全的叢集,將修補、部署節點、更新等關鍵任務,全部做到自動化設定。同時影片也會示範 Amazon EKS 搭配 GitLab 如何展開自動部署,幫助工程團隊實踐 CI/CD 價值。

Amazon EKS 對容器管理輕鬆簡單、維運省時省力

容器化服務越來越興盛,當容器(Container)越來越多,在複雜的微服務(Microservice)系統環境之下,運維團隊的管理成本可能相對會增加不少,為了有效調度容器部署, 導入Kubernetes 無疑是近年企業熱門的話題之一。

建構 Kubernetes Cluster 流主要可區分兩大塊,一是安排容器調度的Control Plane、另一則是容器運行時需要用到的 Worker Node。

Control Plane 裡面涵蓋有儲存狀態的 ETCD、CoController manager 、Scheduler 的調度管理、甚至是操作時進行互動的 APIServer,若是自己創建 的 Kubernetes Cluster ,需要自己安裝這些元件,後續仍需要對 Control Plane 進行相關管理、維護、升級工作。為了減少上述 Components 的繁複維護,在透過 AWS EKS 代管的 Kubernete Control Plane 部可以獲得以下三大好處。

Amazon EKS 一鍵式部署,展現三大優勢

第一,Amazon EKS代管的 Control Plane實踐了跨AZ的高可用部署,使用者不需要擔心單一節點故障的風險。

第二,Amazon EKS 支持至少四個 Kubernetes版本,持續跟進每季 CNCF 的發佈,同時 EKS 也完全符合上游 CNCF 規範。

第三,部署 Amazon EKS 之後,可直接使用 AWS 平台上現成的服務工具,在安全性管理、網路設定方面,可以做到無縫整合。

最後 AWS 台灣解決方案架構師也提到,若想在容器環境進行 CI/CD 及應用程式的管理,可以進一步透過 IaC 整合部署 Amazon EKS 叢集,透過使用 Console、把 EKS 變成 Cloudformation 的模板、使用 AWS 所開發出來的 eksctl.io、或指令是採用 AWS CDK 可以讓開發者用自身熟悉的語言,在 AWS 平台整合 CI/CD 工具進行維運及部署 EKS。

打造第一個在 AWS 上的應用程式

了解 Amazon EKS 整合 GitLab ,獲得三面向價值

對開發者而言,想把 Amazon EKS 整合到 CI/CD 工具之一的 GitLab 平台上,可以看到那些實際的優勢?

在 DevOps 開發者示範工作坊當中,GitLab 資深解決方案架構師指出,GitLab 使用到 Kubernetes 技術,主要有三種搭配方法,包含 GitLab Server、GitLab Runner、以及創建 Deployment Environment。

本次示範教學會主要聚焦在 GitLab Runner 如何採取 Auto-scaled 方式進行 Build、Test、Package Apps;以及在 Deployment Environment 運用 Kubernetes 技術,做到 Auto Deploy、Review App。

正因為 Amazon EKS 能夠在 DevOps 過程提供所需要的彈性計算資源,幫助開發者在 GitLab 平台上面獲得以下三個層次的優勢:

  • 在 GitLab 內建的部署工作流程當中,自動生成整套 CI/CD 最佳實踐腳本。
  • Review App 過程,從 Merge Request 中可直接訪問應用程式 /App 的 UI 介面,並且根據 Git branch 名稱、專案名稱,自動生成 Review App 的 URL,以及在 Merge 前的最後防線進行 Approval 檢查。
  • 加速 CI/CD 流水線,GitLab Runner 運行時候還可藉由 Amazon EKS Cluster 進行 Auto-scaled 的支援。

Amazon EKS 整合 GitLab ,需要兩大流程

影片最後,GitLab 資深解決方案架構師示範如何把 Amazon EKS 整合至 GitLab 執行 Auto Deploy,主要可分為兩大區塊流程,第一部分聚焦在 Amazon EKS cluster 的設置,第二部分則執行 Auto Deploy 設置。

第一塊可拆分為四個階段,首先教學怎麼創建 EC2 節點的 EKS cluster,第二階段示範把 EKS Cluster 連接到開發者的 GitLab Instance、Group 或 Project,下一步則使用 Cluster Management Project Template 創建一個 Cluster Management Project,以及最後一階段透過 Cluster Management Project 自帶的 Helm Chart,安裝在 Cluster 所需要的內建 App。

第二塊執行 Auto Deploy 設置,針對需要部署的 App 創建一個 GitLab Project,接著再把 gitlab-ci.yml 添加到 Project,並從 Web IDE 選擇及導入 Auto Deploy 的 CI 模版,讓 GitLab 自動生成最佳實踐的整套流水線。

幫助開發者更了解 Amazon EKS 整合 GitLab 的 QA 系列

Q:使用 Amazon EKS 之後,如何更有效率或優化資源去配置 Worker Node 的機器數量,以及如何有效空管開發維運的成本?

A:Kubernetes 除了本身有 HPA(Horizontal Pod Autoscaling)可根據使用程度自動調整資源流量,另外也能延伸使用 AWS Auto Scaling 方案,針對可擴展資源去設定自動擴展管理。另外在成本管控,雖然 Amazon EKS 會收取額外管理費用,但可透過 AWS 平台的 Calculato r計算每個 EKS 的價格,你會發現自動化部署及管理的費用,相對工程師人力的成本更加便宜。

Q:越來越多客戶考慮把現有 Application 變成容器部署,大多是爲了加快部署的效率,那麼變成容器模式之後,對 CI/CD 的工作流程有什麽影響嗎?

A:運用容器技術最直接的效果,可以讓應用程式的環境更一致化,例如 testing 環節、stage production,讓容器避開一些差異問題。至於 CD 部分要 delivery 一些 usage 不太一樣的時候,容器會幫忙做配置,所以 CI/CD 對容器的效益是相輔相成的。

Q: 客戶在開發流程漸漸會把 Infrastructure 變成代碼或文檔,是不是可以把程式碼跟現有的應用程式的 CI/CD 流水線整合在一起,達到一套完整的 CI/CD 部署流程?

A:觀察目前市場作法,主要分成兩個階段去做整體部署。如果規模比較小的團隊,會把 Infrastructure 代碼跟 App 代碼分開,在管理上會比較靈活;如果企業規模比較大,會有另外一個 Infrastructure 團隊來控制部署事情,這種情况之下,APP 的項目會生成一個 APP package,主要做到 delivery 這個階段爲止。而 Infrastructure 的項目會指定把需要版本的文檔,部署到他們的 Kubernetes Cluster。

填寫表單 找到適合的快速上雲服務與工具!


猜你喜歡