|
香港文匯報訊（記者 歐陽文倩）人機圍棋大戰掀起全城的AI熱。究竟是次人機大戰有什麼意義、機械人是否終將戰勝人類、AI還有何應用？本報訪問了科技大學計算機科學及工程學系講座教授兼系主任楊強，向大家揭開AI之謎。
圍棋帶動科技突破
■楊強指出，圍棋是棋藝中最難的，變化種類多於整個宇宙中的原子，長久以來圍棋被認為不能用電腦解答。
■開發AlphaGo的DeepMind公司的創辦人熱愛圍棋和編程，一直想以圍棋去研究出「人工通用智能」(AGI)，打破以往AI太單一的問題。
■Google收購DeepMind，首次將相關AI技術集結在一起，需要很大計算量，對硬件要求很高。如今AlphaGo勝出局數較多，堪稱躍進和突破。
AlphaGo主要技術
■卷積網絡(Convolutional Neuron Network，簡稱CNN)︰機器看棋盤時會把棋盤看成一堆數字，但會失去了人下棋的直覺。CNN把這種感覺找回來，把棋盤視為一幅畫，模擬人類的「棋感」。CNN是機器學習的模型，用了3,000萬個人類下棋的棋譜數據去訓練，可告訴系統棋盤對自己是否有利。
■蒙地卡羅樹搜索(Monte Carlo tree search，簡稱MCTS)︰可很快告訴AI在哪裡落子最好，依靠搜索並要假設對方的反應。但由於這可能性太多，所以MCTS很聰明地隨機抽樣，類似於將所有可能性展開，是一種隨機的賭博。
■強化學習︰因為人類下棋經驗有限，數據還不夠多，所以讓電腦與電腦對弈，輸的一方改進策略。AI用這個辦法產生很多新的訓練數據來增強自己，就像金庸小說中的周伯通左右互搏增進自己的武功。
唯一敗仗揭仍有漏洞
■楊強表示，李世石在第四局贏了AI，反映他找到了機器的弱點，也說明了機器的訓練數據還不夠。
■這可能是「左右互搏」的強化練習誤導了電腦，因為它的數據是自己和自己對弈，而非人類，所以當看到不熟悉的局面時，就被自己誤導了，這可能要3億甚至30億個數據才夠修正。
比賽反映人機下棋之別
■圍棋裡有個詞叫「定式」，即說明某個狀況要如何破解。人類靠背誦，電腦則會走出自己的定式，而不按人的定式，電腦的棋法就是它設定的參數。
■這次AlphaGo的頭三局棋，很多大師都說看不懂，感到很驚訝，而李世石可能是真的需要看這三局棋，去了解AlphaGo下棋模式。
■另外，很多圍棋大師不只要贏，還希望大勝，但電腦只想着贏就可以了。
AI思考方式異於人類
■楊強認為電腦可以思考，唯做法跟人類可能不同，而電腦涉及的網絡和人腦結構相似度也較低。現時的問題是，不能做到一個較通用的AI（即同一個算法），它既可理解語言和看到的東西，又可進行邏輯推理。人類經常做類比、有聯想能力，但電腦沒有。
人類勝在有意識
■有意見認為AI已比人類聰明，但楊強指出，現時機械人還是頗笨，例如工業機械人只能做特定的事情。這是有意識和沒有意識的區別，人類有意識、有動力做事情，但機器沒有這種動力。
■給予機器目標涵數，它可能做得比人好，但目標涵數還是由人來設定的，機器不會自己做，所以電腦的老師還是人類。
AlphaGo未來應用
■第一種是金融投資，金融買賣和下圍棋相似，是在跟「大勢」下棋。另一個相似特點是Delayed reward（延遲的回饋），就是你下一步棋後不知結果，可能要下到第一百步才知對錯，投資也是一樣。
■AI也可應用於醫療，因為一系列的治療手段，要到一段時間後才看到效果，可說是和人的身體下棋。
|
