人腦對上電腦直擊！棋戰引爆Google機器學習之野望

記者洪聖壹／首爾報導

就在稍早，人工智慧科技 AlphaGO 對上天才棋王李世乭歷史性的一刻正式引爆，李世乭帶了他的 Lucky Girl，而DeepMind 執行長 Demis Hassabis 與 Google 執行董事長施密特也再度現身，一場驚世之戰，正式開始，同時也牽動Google 「機器學習」的野望，在比賽之前，記者除了帶領大家直擊了現場狀況，也進一步說明稍早 Google 針對人工智慧發展的看法。

▲人工智慧科技 AlphaGO 對上天才棋王李世乭首場比賽直播影片。（影片／取自YouTube）

▲▼人工智慧科技 AlphaGO 對上南韓之光李世乭成為各報頭條。（圖／記者洪聖壹攝）

▲對戰當天清晨，KBS新聞台直接在戶外搭起轉播棚。（圖／記者洪聖壹攝）

從歐洲到韓國的一場人腦對人工智慧的棋戰，間接引爆出 Google 想要透過機器學習征服全世界的野望。而正如同前篇報導，機器學習是一門建立在人工智慧底下的科學，也是目前 Apple、Google、Facebook 等網路公司積極搶攻的一套顯學。顯而易見的，Google 機器學習已經發展到一個成熟的階段，Google 研究團隊資深研究員 Jeffrey Dean 也首度向媒體說明有關 Gogole 對於機器學習的做法與現今發展。

▲開發出 AlphaGO 的 DeepMind 執行長Demis Hassabis神情自若的走入比賽會場，看起來相當有自信。（圖／記者洪聖壹攝）

▲讓中國、韓國民眾瘋狂重視的天才棋王李世乭，稍早帶著他的小女兒出場，現場媒體陷入瘋狂。（圖／記者洪聖壹攝）

▲李世乭看起來相當輕鬆。（圖／記者洪聖壹攝）

▲世紀對決，正式開戰。（圖／記者洪聖壹攝）

大致上來說，人工智慧是希望「機器智慧化」、而機器學習是希望「機器具有學習能力」。事實上，要讓電腦聰明遠比讓電腦「學著變聰明的能力」難上許多，後者就是 Google 想要積極搶攻的新一代智慧技術，而這次從 DeepMind、TecsorFlow 的發展也可明顯看出，Google 公司在人工智慧領域已經發展到一個可發表的階段。

機器學習技術(Machinery Learning)在中國、歐美可以說是當下的顯學，提供使用者和業者更快速、方便，重點是人性化的使用體驗與解決方案。

在 iPhone 3GS 推出的時候 Google 已經積極宣傳「mobile first」的理念，隨著智慧型手機急遽發展，到了兩年前，「mobile first」已經進化到「mobile only」，如今 Google 已經進一步宣布，「merchine Learning」將是他們進軍人工智慧的發展重心。

以 Google Search 起家的 Google，旗下服務擁有相當龐大的使用者數據，對於 Google 來說，他們是相當有本錢做這一塊的公司，根據他們所公佈的數據指出，現在Google的主要服務全部透過機器學習來提供更快速、更聰明也更便利的服務，所以機器學習已經從實驗室裡的技術發展成有數十億使用者的科技。從「應用層面」來看，機器學習已經從理論進化成實際應用，像是 Google Search、YouTube、Google翻譯、Google Play 等，都透過機器學習技術提供更好的使用者體驗。

Google 研究團隊資深研究員 Jeffrey Dean 以 Google Photo、Voice Search 為例，指出 Voice Search 有口音不同的障礙、不同語言，不同的發音方式等三個在語音辨識過程中會碰到的最大問題，而在所有服務當中，Google Search 搜尋服務是機器學習當中，應用最廣泛、進步也最多的一個區塊。

Jeffrey Dean 透露，機器學習除了用在自己的手機上面，未來在健康領域、自動化機械領域方面，將可望透過很多次的機器學習訓練，做到辨識病毒、辨識細小零件等動作。運用在雲端上，機器學習將讓開發者可以下載的相對應的 API，希望更多開發者可以藉此訓練他們的技術。

目前機器學習面對的挑戰還是很多，因為要把問題轉換成機器學習能解決的題目並不容易，然而一但轉換成功，將有效果顯著的成長許多電腦科技帶來的麻煩和多餘的工作將會消失。

Google 目前透過機器學習強化現有的產品服務（如：Google搜尋裡的排名建議）、提供更先進更新穎的產品服務（如：Gmail裡的Smart Reply智慧回覆功能）等兩種領域都有應用到機器學習的技術。Jeffrey Dean 以 Google Photo 為例，指出如果要辨識一隻貓，機器的操作方式是從鏡頭端輸入 (input)後，進入機器設定的模型 (model)，接著透過各種不同辨識篩選結果，進而產出 (output)或預測(predictions)出這是什麼貓，或是這是哪裡，因此如何讓模型的設定更聰明、涵蓋更多變數，就是機器學習的重點。

Jeffrey Dean 還談到深度學習（DeepLearning），它是建立在機器學習基礎上、層疊許多模型而形成的更加複雜的學習方式，這個過程已經很接近人腦思考的方式。比如：看到貓的影像後，經過好幾個層次的運算，就可以得出結論「這是一隻貓」。根據 Google 提供的相關官方數據指出，目前Gmail已經可以自動判斷約99%的垃圾郵件，Google語音辨識功能的錯誤量已經減少逾20%，深度學習也被應用在 Google Photos、Google翻譯、Gmail 上面。