棋靈對決棋王！Google簡立峰：台灣應正視人工智慧發展

記者洪聖壹／首爾報導

「大家必須要了解什麼是人工智慧(Ai)、什麼是機器學習、什麼是機器人...」針對 Google 旗下人工智能團隊 DeepMind 所開發的現代版棋靈「AlphaGo」，與全球知名的韓國圍棋冠軍棋手李世乭對奕。Google 台灣區董事總經理簡立峰受訪時特別這樣說，同時也表示：「台灣應該重視機器學習發展」。

稍早在南韓首爾舉辦的「Google DeepMind Challenge Match」記者會，現場湧進來自韓國、日本、中國、台灣、新加坡、美國、英國、加拿大、德國、法國、丹麥、奧地利等 12 個國家地區共計 300 名媒體參與，全球媒體屏息以待，要來一看人工智慧團隊 DeepMind 執行長 Demis Hassabis 領軍所開發的現代版棋靈「AlphaGo」，與全球知名韓國圍棋冠軍棋手李世乭對奕的歷史性的一刻，Google 內部也相當重視這件事，稍早Google執行董事長施密特（Eric Schmidt）更無預警地抵達活動現場，引起一陣騷動。

▲棋靈對上棋王的「Google DeepMind Challenge Match」活動中，吸引來自韓國、日本、中國、台灣、新加坡、美國、英國、加拿大、德國、法國、丹麥、奧地利等 12 個國家地區共計 300 名媒體參與。（圖／記者洪聖壹攝）

施密特表示，機器學習的議題從 60 年代開始就有人開始研究，至今 Google 開發了許多工具，包括 Google Photo、Gmail、Google Maps 等，都是為了提供人們更便利的生活，並表示就機器學習領域與人工智慧發展來說，這一週是一個相當重要的一週，也是值得關注的。

▲Google執行董事長施密特意外現身「Google DeepMind Challenge Match」活動現場。（圖／記者洪聖壹攝）

只要是比賽，就會有勝負，現場有英國媒體詢問有關比賽勝負的問題，DeepMind 執行長 Demis Hassabis 表示，AlphaGo 目前沒有缺點。然而全球知名韓國圍棋冠軍棋手李世乭卻是信心滿滿認為自己獲勝的機會比較大，他說：「人類的想像、直覺多過於電腦，所以我覺得我會贏」。至於挑戰的話，李世乭表示，跟人類比賽的話，就會去分析那個人的玩法，可是跟電腦比賽，可能只能想像練習，每天想像練習兩個小時。

李世乭認為，人工智慧也好、AlphaGo 也罷，它只是一個很會玩遊戲的「機器」，機器並不會了解圍棋的價值跟圍棋內在的美，更不會產生情感，因此不會因為機器比較會玩或者不會玩，就把他個人的存在價值抹殺掉。

談到準備的部分，Demis Hassabis 從機器學習面回應，他說：「AlphaGo無法給他程式讓他怎麼玩，但是可以經過上百次、上千次的方式，讓它透過一個客觀與公正的方式去學習，但是以目前的狀況來說，AlphaGo 可以說還沒找到弱點。」至於下個目標，Demis Hassabis 表示，這中間很重要的是大數據的蒐集，從蒐集與分析當中知道人們的需求，如此才能知道可以怎樣幫助人類。他不認為人工智慧會對人類造成威脅，並於最後強調希望透過這次的比賽，讓 AlphaGo 變得更聰明。

▲DeepMind 執行長 Demis Hassabis （左）、天才棋王李世乭（右）。（圖／記者洪聖壹攝）

＊機器學習是 Ai 一大里程碑：

簡單的說，機器學習的範疇小於人工智慧，是人工智慧的一環。Google 台灣區董事總經理簡立峰接受台灣媒體訪問時指出，人們的五感研究都算是人工智慧，人跟大多數的動物帶來很強的自我學習能力，因此在人工智慧的領域中，很大的議題是自我學習。

「電腦 VS 人腦」在電腦科學界的研究已經長達 20-30 年，過去在 IBM 用終端電腦「深藍」打敗當年象棋世界冠軍 Garry Kasparov，是一個很重要的里程碑，讓大家知道人類、電腦都會下棋，可是只要寫入對的程式，電腦甚至可以贏過人腦，但是圍棋的複雜度太高，一直到去年(2015)10 月，Deep mind 的 ALPHAGO 才贏了英國歐洲冠軍。

簡立峰以此強調：「ALPHAGO 即便沒有贏人類，在某種層度也算是達到一個里程碑。」同時也說明現代人工智慧的微妙變化。簡立峰指出，以前跟現在最大的差別，就是「機器學習」，像是以前電腦發達的時代，都是由工程師去計算跟破解可能的棋路，然後輸入在電腦當中，一旦輸了之後，也是由工程師去思考，然後再重新調整。但是現在的人工智慧，會有兩個學習階段，第一段是人工餵資料給電腦去運算，第二階段是給予電腦在比賽過程中去學習的程序，不管是贏還是輸輸，每次比賽過程都會把經驗學進去。這個第二階段採用的技術，叫做類神經網路，主要是透過雲端運算的方式，進行深度學習，然後進行「策略網絡 (Policynetwork)」與「價值網絡 (Valuenetwork)」的分析，程序就像人類的大腦一般，會有自己的思考模式。

＊機器學習是 Google 下一個發展重點：

簡立峰指出，Google 內部有兩套機器學習團隊，一套是這次棋賽的團隊「Deep mind」，他們來自英國，主要就是針對棋局，以一套名為「蒙地卡羅」的運算技術為基礎，搭配類神經網路，從世界棋手、人類專家的技術細節，進行像是象棋、圍棋等棋局對弈的研究，目前也已經進攻與「下棋」模式相似的醫療研究。

另外一套就是大家比較耳熟能詳的「TensorFlow」，同樣是以機器學習技術為基礎，但是對像是 Google 用戶，舉凡 Google 搜尋、YouTube、Google 翻譯、Google 相簿、Gmail、Google 語音辨識等，都已經運用機器學習技術來提供使用者更好的體驗。目前 Gmail 已經可以自動判斷約 99%的垃圾郵件，Gmail 的 Smart Reply 功能，還能自動偵測對方寄來的郵件內容，進而提出簡單的回覆建立。Google 語音辨識功能的錯誤量已經減少逾 20%，Google 相簿已經可以讓使用者透過標籤搜尋找到相關的照片，Google 翻譯則已經可以讓用戶即刻看到結果、甚至結合了鏡頭辨識功能。

而就像 Android 作業系統、Chrome OS 一樣，Google 已經在 2015 年針對 TensorFlow 開源，讓研究學者、工程師或任何對機器學習有興趣的群眾運用程式碼交換想法,以加速機器學習領域的發展和生活應用。

因此不管是 Google 應用單位「Tensor Flow」還是持續找冠軍下圍棋的 Google 研究單位「DeepMind」，都可以看出 Google 公司已經投入龐大資源進行機器學習的研究。

＊產業應該重視 Google 機器學習的發展：

簡立峰指出，Google 致力於發展機器學習，不是說讓電腦去取代人腦，人類有更複雜的聯想能力、碰到事情會舉一反三、去反思，以 Google 機器學習的角度來看，主要是為了解決人類史上需要龐大數據與演算法的複雜問題，像是設計機器手臂去搬東西，或像車廠一樣，讓機器手臂去做一些固定的零件裝載。簡立峰把機器學習比喻是「時代的技術突破」，強調很多產業尤其是台灣產業，應該重視機器學習，人類應該期待機器學習技術未來能夠如何幫助科學家們解決如地震預測、醫療診斷、甚至是 CRM 管理等問題，瞭解客戶需求，做好相對應的服務。

＊人工智慧已經朝多元發展，但是 Google 不是要做仿生機器人：

簡立峰認為機器學習跟機器人的關聯不是絕對大，機器學習這件事，只要餵東西給電腦，就可以進行相對反應，是一套建構能力的方法。這跟 AlphaGo 和李世乭的對奕一樣，就是一個建構能力的方法，透過大量資料的蒐集、分析與判斷，將有助於機器學習的後續衍生應用。而機器學習的致勝關鍵就是數據資料。成功的網路服務，才有機會能夠透過雲端運算，快速收集到大量有用的數據，從觀念來說，或許 20-30 年前早就有人在思考，並不稀奇，但是從工業的角度來看，這是一個重大突破。

談到人工智慧的發展，簡立峰表示，現在的人工智慧其實都是軟硬結合，好比說「自動駕駛車」，就是 AI 的體現，車子裡面有一個眼睛，可以看到道路的狀況，進行影像辨識，區分安全不安全，就是一個影像辨識跟硬體結合的發展，因為它需要影像辨識、雷達，需要快速運算，因此高階辨識跟反應，以及背後所需要的 CPU、GPU 效能，帶來的大量圖形運算能力等等，都是軟硬體結合。