人類和AlphaGo對奕,真的像跟跑車鬥快嗎?

人類和AlphaGo對奕,真的像跟跑車鬥快嗎?
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在網絡連贏60場快棋後,相信李世石對AlphaGo的唯一勝仗,很可能後無來者,人工智能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鬥快一樣無意義。

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「馬後炮」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),人工智能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能及電腦(我是強人工智能支持者),只是想指出人工智能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「智能」的本質。

像人類般思考的「強人工智能」或許不會出現,不過在不久將來,針對特定工作的人工智能影響力只會有增無減,否定人工智能——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能(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,電腦和人工智能只是延續這項「傳統」——電腦帶來的改變有目共睹,而人工智能的改變才剛剛起步。

誠然,人工智能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

或許你會想看
更多『評論』文章 更多『科技』文章 更多『Kayue』文章
Loader