由人工智慧研發團隊 DeepMind 發表的 AlphaZero 登上最新一期《科學》雜誌封面。這已經不是 DeepMind 第一次登上國外權威雜誌的封面，每一次 DeepMind 被報導都會獲得人工智慧學界的一陣歡呼，這次更是如此。同時擊敗圍棋、將棋、西洋棋最強 AI 的 AlphaZero ，被認為可能代表著深度學習 AI 的終極解答。
《科學》雜誌表示，如果人們想透過一套計算方式去解決多個不同的複雜問題，那麼唯一能夠達成這目標的辦法就是，創造一個自主學習的人工智能系統，讓它自行學著去解決問題。而 AlphaZero 辦到了。
▲（圖／翻攝自 fossbytes ）
根據 DeepMind 的介紹， AlphaZero 使用完全無需人工特徵、無需任何人類棋譜、甚至無需任何特定最佳化的通用強化學習演算法。舉例來說，由於圍棋的規則明顯和其他棋類如西洋棋、將棋不同，像是圍棋的每一子都是完全相同的、且棋盤也是完全對稱的。
為了因應圍棋的特殊性， AlphaZero 的前身 AlphaGo Zero 便有設計專為圍棋使用的特殊計算程式。但 AlphaZero 沒有，作為一個「通用型」學習 AI ， AlphaZero 完全僅依靠深度神經網絡和蒙特卡洛搜索樹算法的自我學習。在完全沒有輸入人類的棋譜、沒有輸入特別設計的專用計算程式的情況下，只藉著自我對弈的不斷學習， AlphaZero 就已經能夠分別在圍棋將棋西洋棋擊敗了原本的世界最強 AI 。
而且， AlphaZero 打敗原本的西洋棋世界最強 AI 只花了 4 小時學習，打敗原本的將棋世界最強 AI 只花了 2 小時學習。打敗原本的圍棋世界最強 AI 只花了 30 小時學習。 AlphaZero 最大的特色就是可以學會並精通不同的棋類競賽，而且它每一步棋所須計算的可能性變化，比之前的 AI 要來得少許多。換句話說， AlphaZero 並不是去無限量的計算棋盤所有可能性，而是透過自己的深度神經網絡研判，專注於小範圍的計算。
▲（圖／翻攝自 DeepMind 網站）
這樣的「思考模式」，其實正和一般人類棋士無異。西洋棋前世界冠軍 Garry Kasparov 就表示， AlphaZero 的下棋風格靈活多變，「和我很像！」，且不同於其他 AI 程式傾向保守的先求立於不敗， AlphaZero 非常具有侵略性，更喜歡冒險。傳統的人工智慧程式在下棋時，憑藉強大計算能力很少犯錯，但在面對不清楚「該計算什麼」的局面時，便容易出現失誤。反觀 AlphaZero ，它呈現出的是一種「感覺」、「洞察」，一種對棋盤上局勢發展的直覺。
曾和 AlphaGo Zero 對奕的圍棋棋士李世石便說過「我改變了看法， AlphaGo Zero 不只是機器，它具有創造性」。而現在同時精通圍棋將棋西洋棋的 AlphaZero ，顯然擁有更強更靈活的創造能力。
過往的人工智慧程式，往往只能精通專一領域，只能處理特定情境的問題。但 AlphaZero 不同，它能夠適應各種規則。這讓人相信，未來可以將這深度自主學習的 AI 能力，運用在其他問題上。比如說， DeepMind 團隊開發的最新家族成員 AlphaFord ，便是投入在學習基因序列的蛋白質結構相關問題。假如在此領域 AlphaFord 也能獲得驚人成就，那可不同於在棋類競賽贏過對手，將會真正替人類社會帶來巨大改變。
下一次登上封面的會否就是 AlphaFord ？深度學習的人工智慧究竟能發展到何種里程碑，讓我們一起期待吧。
延伸閱讀：
