AlphaGo是什麼？對韓國的李世乭、中國的柯潔等頂級棋士來說，有很不同的解釋。 Google旗下的Deep Mind公司為圍棋世界帶來前所未有的衝擊。AlphaGo發展至今，已達成戰勝世界頂尖棋士的目標。而開發AlphaGo的Google公司，也將帶領AlphaGo進一步從棋盤走向社會。面對AlphaGo帶來的變化，首當其衝的知名職業棋士，正是參與圍棋軟體開發的王銘琬。他眼中的AlphaGo，究竟是何種面貌呢？
X DAY
遊戲機的歷史，最早可以追溯到一七七○年名為「土耳其人」的西洋棋機器人。 這台機器連戰連勝，強悍無比。後來發現是有人躲藏在機器裡面下棋，不過當時「土耳其人」的確也引發許多人的好奇心。「人和機器對決時，哪一方會獲勝？」無論哪個時代，人和機器的較勁總是眾所矚目的話題。
對於電腦程式師而言，以遊戲來測試電腦能力，一直是很有效的方式。程式師將電腦贏過人類的日子稱為「X DAY」，作為明確的目標。這一天的到來，對程式師具有很大的意義。
一九九七年，電腦西洋棋軟體「深藍」擊敗西洋棋世界冠軍卡斯巴羅夫，震撼全世界。不過在那之後，仍然很少人認為人類真正敗給了機器。畢竟電腦的計算速度遠勝於人類，很多人認為深藍之所以能夠取勝，只不過是因為享有計算速度的優勢罷了。
然而，二○一六年三月，圍棋AIAlphaGo擊敗圍棋世界冠軍李世乭，卻帶來了遠比深藍強大的震撼．比賽為五局決勝，AlphaGo不僅以四勝一敗取得勝利，在內容上也壓倒了對手，因為如此，這次世界認識了電腦能力超過人類的現實。
至今為止，「電腦凌駕於人類之上」頂多是出現在科幻片中的情節，但AlphaGo 的獲勝，讓全世界開始認真討論和面對「AI贏過人類」這個重要現象。而這不只是一時的風潮，相關討論與時俱增直到現在，每當討論AI的議題，二○一六年 AlphaGo 和李世乭的對戰照片仍不時會被拿出來作為開場白；可見AlphaGo 的勝利是如此重要，具有跨時代的意義。
深藍獲勝之後，圍棋可說是人類僅剩的堡壘。圍棋的變化多端遠勝西洋棋，而圍棋需模糊判斷的特質，也是當時電腦的弱項。直到AlphaGo 問世之前，歐美對圍棋的定位是以「電腦也難以取勝的遊戲」聞名的。
我有緣於二○一四年參與開發圍棋軟體，不過並沒有讓圍棋軟體勝過人類的野 心。電腦圍棋軟體雖然在二○○六年有飛躍的進步，但還是遠遠不及頂尖棋士。在 AlphaGo 登上國際舞台之前，從西洋棋和將棋的經驗判斷，許多人都認為X DAY 最少還要等上十年，而且連要從何著手都沒看清楚。
深層學習
AlphaGo 和至今軟體最大的不同，在於使用了「深層學習」技術。 AlphaGo由Google旗下的Deepmind公司所開發， 負責人傑米斯． 哈薩比斯表示， 「AI可分強AI與弱AI，弱AI只會做人類教它的事情，而強AI能夠自己觀察所處的環境，並以適應環境來成長」，深層學習正是強AI的關鍵技術。
電腦過往的「機器學習」方式，只會學習資料裡被人類所指定的特徵，將指定特徵有關部分加以整理、學習。但是深層學習不是學習被指定的特徵，而是能自動自發從資料找出特徵來進行學習的技術。
已往人類只能教電腦去學「可以說明的」事情，因為電腦是聽人類的命令行動無法說明清楚就無法教它學會，所以電腦不可能學會「無法說明」的內容，自然也無法做出人類沒有教過的事情。
然而不需要人類指導的深層學習技術，讓電腦能開始去理解不容易說明的「只能意會，不能言傳」的事物與內容；這樣的內容，人們常用 「感覺」這個語彙來表現，就像圍棋也常用「感覺」這兩個字眼。換句話說，深層學習就是能夠讓電腦學會「感覺」的技術。
比方說孩子能夠認得母親的臉孔，學會走路或堆積木等等，這些事看似簡單， 但其中包含難以用言語形容的感覺；而深層學習能讓電腦學會做這些事情或判斷。
只會照著人所教的內容去做的軟體不管能力多強，只要發生前所未有的狀況，它們就無法應對。但擁有藉由深層學習所獲得的「感覺」的軟體，就有自己的「世界觀」，因此能處理各式各樣的狀況。
例如孩子所認知的「母親」，不只是正面朝自己微笑的母親，也有發怒的母親、用側臉對著自己的母親、被家具遮擋住半邊臉的母親，還有母親的背影等等，和小孩子一樣，深層學習都有能力去認識。
圍棋規則極為簡單，反而讓電腦不容易找到明顯特徵，內容難用言語形容；因此下棋時必須動用「感覺」的比例比起別的遊戲高得多，這也是人類已往能夠在圍 棋上保持對對電腦優勢的關鍵因素。然而深層學習獲得了「感覺」，讓人類失去原本的優勢，也讓最後的堡壘忠告淪陷。
深層學習的另一個特徵是「無法說明究竟是如何學會」。雖說學會「無法說明的能力的過程，必定更無法說明，這個現象也讓某些電腦程式師困惑不已。
深層學習的過程首先必須輸入大量資料，接著程式便會自行整理資料，形成對資料的各種認知，不過這些認知究竟是如何形成的，實際上無跡可尋。
對於程式師來說，電腦應該是照指令行動的東西。以開車為例，自己開的車必須能百分之百照自己的意思操縱才能安心，有時只要輪胎稍微一滑，任何一位駕駛
都會捏把冷汗。若車子能深層學習，隨自己的經驗自己跑，睡醒時驚覺已經幫你開到目的地，就算結果不錯，也一定有人不喜歡這樣的車子。
我們可以預料，未來有些工作會逐漸轉由AI代勞。不過AI的認知和人類會有所差異，也一定有人類難以預測的部分。雖說學習無法說明的能力的過程，也必定無法透明，只要人類繼續使用深層學習技術，這個問題也將永遠存在。
作者：王銘琬
1961年11月22日生，四歲開始學圍棋，1975年11月赴日。1977年入段。1979年獲第3期留園杯冠軍。1980年、1981年獲棋聖戰三段戰冠軍。1984年獲「新人獎」，1985年獲殊勛獎。共4次入圍名人戰循環圈。1986年獲棋聖戰六段戰冠軍。1987年獲棋聖戰七段戰冠軍。1989年、1991年獲俊英戰桂冠。1991年獲棋聖戰八段戰冠軍。1992年九段。2000年在第55期本因坊戰中以4：2勝趙善津奪得本因坊位。2001年在第56期本因坊戰中以4：3勝張栩衛冕本因坊。2002年贏得日經舉辦王座至高榮譽。
譯者：林依璇
台大法律系學士，台大國家發展研究所碩士，現就讀政大法律系博士班。
出版：大塊文化（9/28上市）
延伸閱讀：
書摘》棋士與AI ── AlphaGo開啓的未來（上）
面對AlphaGo帶來的變化，首當其衝的知名職業棋士，正是參與圍棋軟體開發的王銘琬。他眼中的AlphaGo，究竟是何種面貌呢？ 圖/大塊文化
2016年3月王銘琬與趨勢團隊(左起Ricky,張明正,王銘琬,Pacha,Ted,Charles)。
