阿尔法狗历史背景

阿尔法狗(AlphaGo)的研究计划于2014年启动,此后和之前的围棋程式相比表现出显著提升。在和Crazy Stone和Zen等其他围棋程式的500局比赛中,单机版AlphaGo(执行于一台电脑上)仅输一局[16]。而在其后的对局中,分散式版AlphaGo(以分散式运算执行于多台电脑上)在500局比赛中全部获胜,且对抗运行在单机上的AlphaGo约有77%的胜率。2015年10月的分散式运算版本AlphaGo使用了1202块CPU及176块GPU。

2015年10月,AlphaGo击败樊麾,成为第一个无需让子即可在19路棋盘上击败围棋职业棋士的电脑围棋程式,写下了历史,并于2016年1月发表在知名期刊“自然“
2016年3月,透过自我对弈数以万计盘进行练习强化,AlphaGo在一场五番棋比赛中4:1击败顶尖职业棋士李世乭,成为第一个不借助让子而击败围棋职业九段棋士的电脑围棋程式,立下了里程碑。五局赛后韩国棋院授予阿尔法狗AlphaGo有史以来第一位名誉职业九段。

2016年7月18日,因为柯洁那段时间状态不佳,其在Go Ratings网站上的Elo等级分下滑,阿尔法狗AlphaGo得以在Go Ratings网站的排名中位列世界第一,但几天之后,柯洁便又反超了AlphaGo [19]。2017年2月初,Go Ratings网站删除了AlphaGo,DeepZenGo等围棋人工智慧在该网站上的所有资讯。

2016年12月29日至2017年1月4日,再度强化的阿尔法狗以「万事达」为帐号名称,在未公开其真实身分的情况下,借非正式的网路快棋对战进行测试,挑战中韩日台的一流高手,测试结束时60战全胜[20]。

2017年5月23至27日在乌镇围棋峰会上,最新的强化版AlphaGo和世界第一棋士柯洁比试,并配合八段棋士协同作战与对决五位顶尖九段棋士等五场比赛,取得3比零全胜的战绩,团队战与组队战也全胜,此次阿尔法狗利用GoogleTPU执行,加上快速进化的机器学习法,运算资源消耗仅李世乭版本的十分之一。在与柯洁的比赛结束后,中国围棋协会授予阿尔法狗AlphaGo职业围棋九段的称号。

AlphaGo在没有人类对手后,阿尔法狗AlphaGo之父杰米斯·哈萨比斯宣布AlphaGo退役。而从业余棋士的水平到世界第一,阿尔法狗AlphaGo的棋力取得这样的进步,仅仅花了二年左右。最终版本Alpha Zero可自我学习21天达到胜过中国人棋神柯洁的Alpha Go Master的水平。

年仅 25 岁!这个打败 AlphaGo 的男人,是怎么利用AI?

Schrittwieser 从 2013 年 9 月进入 Google 内部的 DeepMind 部门开始工作。 DeepMind 是一个专门研究人工智慧 AI 的公司,而他会被富比世杂志标上潜力无限的贴纸,​​就与那蓬勃发展的人工智慧有关。 Schrittwieser 就是设计出打败阿尔法狗人工智慧的首席工程师。并且之后也是后来研发的 AlphaZero 的主推手。

而且这边必须强调一下,他只有 25 岁! 25 岁配上打败 AlphaGo 这个名号,够响亮了吧!

但如果要知道他的丰功伟业,我们就需要回到,很久很久以前……

回忆过去:一亿人看 AlphaGo 对李世石下围棋
过了三年,大家还记得 AlphaGo 吗?

2016 年 3 月,AlphaGo 这一台 AI 思维的机器挑战世界围棋冠军李世石(Lee Sedol)。比赛结果以 4 比 1 的分数,AlphaGo 压倒性的击倒人类世界最会下围棋的男人。

这幅画面深深刻画在人类的脑海里头,因为在这一个时刻,机器的演算法正式胜过人脑思维。就连在围棋,这种比西洋棋还拥有更多下法的对弈都无法抵挡 AI 的运算能力。人定胜天不一定,但机器可能胜人了。

AlphaGo Zero 以 100 比 0 打败 AlphaGo
然而,Schrittwieser 与他的同僚在 2017 年证明了青出于蓝更胜于蓝的道理。 2017 年 10 月,新世代易主,AlphaGo 腰上的冠军腰带被扯下,换到了他弟弟 AlphaGo Zero 身上。

AlphaGo Zero 是制作 AlphaGo 的团队 DeepMind 的第二成品。 AlphaGo 的训练方式是所有人纵所皆知的,AlphaGo 会与许多玩家对弈,并从人类身上学习怎么下围棋会是最有效、最具效果的。 AlphaGo Zero 可就不一样了。 AlphaGo Zero 不是藉由人类进步,反而是 AlphaGo Zero 自身。

AlphaGo Zero 会不断的与自己下棋,由此精进自我。最终 AlphaGo Zero 用 100 比 0 的战绩大手一挥,AlphaGo 默然出场。

AlphaGo Zero 是科学界的一个里程碑。这代表人工智慧无需使用人类的智慧成长,反而就像黄金葛一样,把他扔在水里不用理就可以活得好好的。

以人工智慧导向创作的世界不远了
Schrittwieser 是 DeepMind 团队研究 AlphaGo 的工程师之一。 Schrittwieser 也是第三个 AlphaGo,Alpha­Zero 的大力推手。这次追求的目标是扩展 Alpha­Zero 使用的广度。 Alpha­Zero 目前已学会围棋、西洋棋,甚至是日本的将棋。

Schrittwieser 提到人工智慧如果可以自我学习,而不受人类影响。这样的话,人工智慧在做社会上的决策时,就不会做出有偏见的决定,也不会像人类受到情绪影响。 Schrittwieser 更可以确定的是,人工智慧如照这个方式进步下去,我们将迎来一个以AI 为导向的世代,创新动能也会因AI 而改变,从医药学到材料科学,每个学科都将不再一样。

AlphaGo为何金盆洗手?

没有人会否认,过去一年来炒热全球AI的热源头,正是阿尔法狗。很少人知道,AlphaGo里头九成的软体都是一个台湾工程师黄士杰负责。 11月10日,衣锦还乡的黄士杰,首度在中研院人工智慧年会,说清楚AlphaGo的过去与未来。

「这五年,我也没有想过会做出AlphaGo,团队的精神很强,有个远大的目标,」 AlphaGo首席工程师黄士杰语说。

十一月十日,中研院人文馆「人工智慧年会」大会议室已经挤满人。这天是全球人工智慧AI象征「AlphaGo」幕后重要操盘手,黄士杰衣锦返乡的日子。他是DeepMind里头,除了两位创办人之外,唯一可对外代表公司发言的主管。这也是2012年加入DeepMind的黄士杰,第一次公开演讲。

回想起两个月前的最新突破,身为DeepMind第四十号员工的黄士杰,忍不住兴奋与激动。该公司投稿「自然」杂志上的论文,揭露AlphaGO的终极版「AlphaGo Zero」,不再靠人类围棋知识,就是让Zero只了解围棋最基本的规则,自己跟自己左右互奕,从彻底乱下开始,短短四十天,对上曾打败世界棋王柯洁的旧版Master,已经有超过九成的胜率,打败围棋软体累积十年的历程。

刚开始时,黄士杰认为Zero绝对赢不了Mater。因为他再怎么想,都想不到如何让一个程式从零开始学,可以一夕之间赢得了花了十年研发的围棋软体?

但Zero进步神速,「三天就走过围棋几千年的历史,」让黄士杰大为吃惊。但更令人吃惊的在后头,Zero训练到21天时,就达到Master的水准,到第40天,就超越了Master。

身为业余六段棋士,把自己十几年在围棋上的研究拿掉,黄士杰自己有什么感觉?

「如果我阻碍了它,我应该被拿掉,AlphaGo知识中有99%是我做的,那是从师大的研究到现在,这是一个很好的收尾,」黄士杰坦言自己心情很复杂。

DeepMind创办人迪米斯已经和黄士杰说,AlphaGo完成任务了,「我们要往前看」。

黄士杰还记得2016年底西方同事们都准备要过年了。他刚回到台湾,迪米斯立刻要他低调地去申请网路帐号,开始上网下棋,匿名挑战全世界高手。这是AlphaGo Master诞生之始。

在演讲现场黄士杰秀出当时的照片,他当时就在自己的房间,桌上放一碗面,不断下棋,一天要下十盘。注意力要很集中,十分疲累。

刚开始因为黄士杰用的是新帐号,没有职业棋士愿意和这个无名小卒下棋,但没想到他一出手就所向披靡,第二天开始,变成许多人登门挑战。

「当时压力很大,很怕点错,或者网路断线,AlphaGo不能因为我输掉阿,」黄士杰说。当时Master每一盘都赢,下了六十盘,胜率高达95%,高到黄士杰和团队一度以为是bug。

用这个新版软体,今年5月和世界棋王柯洁九段在中国乌镇对奕。 Master毫无意外的完胜。

「但这是一次人机共同探索,AI是人类的工具不是威胁,」黄士杰也强调,这套深期度学习加上强化学习的价值网络,就是AlphaGo Zero的理论。

这段AlphaGo旅程,对一名台湾土生土长,站上世界科学舞台的工程师而言,简直像「爱丽丝梦游仙境」。

然而,业界的人都等着看,围棋界已无抗手的AlphaGo,接下来能否在其他产业大展身手?

AlphaGo母公司DeepMind创办人兼执行长德米斯也宣布,AlphaGo「功成身退」,不再比赛。

部份业者甚至持保留意见。例如,一位微软研发主管接受《天下》采访时,便酸溜溜的说,「微软做AI是拿来用的,谷歌做AlphaGo是拿来吹牛的。」他认为,当年IBM的超级电脑深蓝,打败西洋棋棋王后,因为找不到应用,团队最终解散。负责人许峰雄最后甚至离开了IBM。

而脸书人工智慧实验室负责人、纽约大学终生教授Yann Lecun也曾质疑,Alphago可能很难应用到自驾车等热门领域。

「我们尊重他的看法,我们没有说它(AlphaGo)可以马上用到其他领域,但它可以逐渐用到其他领域,」一位听众转述Yann Lecun的质疑时,年轻的黄士杰回答得很小心翼翼。

「AlphaGo Zero主要目标就是证明不需要人类知识,也可以学习的很强。」黄士杰接下来自信的说,「我们要跟大家说,那是有可能的。」

AlphaGo Zero拿掉之前累积的人类智慧,让AlphaGo了解围棋最基本的规则。单靠机器的深度学习和强化学习。一切从零开始。

可说就是人类创造的智慧打败人类智慧与人类直觉。

「最差的状况也就不过就是IBM当年的状况,但我不认为AlphaGo会到最坏的状况,」清大电机系助理教授孙民说。

从应用的角度来看,孙民认为,只要在虚拟世界中可以虚拟的状况,AlphaGo zero都可以做。譬如建筑设计可以虚拟设计就可以在虚拟环境中测试,硬体测试可以用这样的工具设计出好的晶片。

这和过去的虚拟三D设计有何不同? 「不同就在以前都是人去测试,虚拟软体告诉你虚拟后的结果,但改model还是人,硬体设计还是人,」孙民分析, 「AlphaGo zero 不需要人,只要告诉我规则和你要的结果, 不需要一个专家或者建筑师力学高手, chip设计师, 就可以做出来,」他说。

当然这都还是在虚拟世界中的功能,孙民认为如果在一个环境会变异的实体世界,AlphaGo就还有很多问题需要课服。但可以期待未来的应用与发展。

「我每天上班,每天都在进步,非常愉快,我们团队的精神很强,有个远大的目标,」在DeepMind人称「Aja,阿杰」的黄士杰说。

迪米斯创立Deepmind时,想要做的是通用、强人工智慧。 AlphaGo还只是一个弱人工智慧,还没有到达什么都能学的境界。

或许现在也才迈入人工智慧启蒙期的结束,AlphaGo的退役,是另一个新的开始。

红面棋王周俊勋+AI团队 对战AlphaGo谁赢?

「IEEE计算智慧学会(CIS)人机共学」夏令营今天在高雄师范大学举行,主办单位特别邀请世界「红面棋王」周俊勋,示范人机共学创新模式,分享台湾团队与日本及美国的最新国际合作研究成果。周俊勋在「ELF OpenGo」协助及建议下与阿尔法狗2.0对奕,但碍于时间,只下到94手就进入解说。

高雄师范大学资讯教育中心与台南大学执行科技部数位经济前瞻技术计划团队,首度在台湾共同办理「IEEE计算智慧学会(CIS)人机共学」暑期夏令营。高师大科技学院院长郑伯壎、台南大学教授李健兴与波兰华沙科技大学敎授Jacek,日前参访科技部成大AI研究中心,并拜访台南市政府教育局,讨论台湾与波兰未来在人工智慧技术与教育学习国际合作方向与整合应用,期望能够藉由AI技术来协助小朋友认识人工智慧的未来教育学习应用,并共同规划邀请台南市及高雄市两教育局合作,导入高中职AI教育。

周伯勋表示,当年AlphaGo与顶级棋士对弈,连世界棋王也落败,许多人觉得不可思议。对棋士而言,AI不是可挑战的对手,因为AI的资源太快、太强大了。假设围棋的难度是100分,棋士只学习10分,这7、8分到10分的距离可能就花了10年的时间,但以后要前进到15、20分,也许透过AI的辅助学习,会迅速达到目标。现在棋士与AI间已成为合作辅助关系,不少中日台韩顶尖棋士都以AI作为围棋训练的辅助工具。

高师大校长吴连赏指出,随着AlphaGo的成功,学生和专业人士对于机器学习应用于游戏领域特别感兴趣。尽管电脑程式已经比人类玩家厉害,机器学习领域仍然提供了十分有趣的前景。 「计算智慧之人机共学」夏令营目标,就是招募热爱计算型智慧(CI)领域、并强烈满足求知欲的学生,一起来探讨学习,希望学员都能满载而归。

想在博物馆多玩一会儿?台文馆推出「借椅子服务」

国立台湾文学馆为提升展览服务,推出手机导游App,操作简易,即日起只要下载「蹦世界Popworld」App,此技术和屡屡战胜围棋棋王的人工智慧阿尔法狗系出同门,取得台文馆导览包,一按「开始」键,启动手机蓝芽功能,手机立即化身导览机,观展时只要经过展示点,便会自动跳出介绍图文和语音导览。

台文馆表示,此App只要点English version即可转换英文,而英语导览是运用人工智慧公司Deep Mind开发的技术,高传真之人声合成技术让电脑合成的语音更自然。

手机导游App,也将「文化平权」落实在友善服务之中,例如:将2017年新增的「台湾文学的内在世界」常设展手语导览影片,整合至其中,提供听障族群导览服务;而建置之英文导览内容,使外国观众能透过导览更加深入了解展览内涵。并将博物馆参观时的各种需求,停车、餐饮、哺集乳、如厕、纪念品、无障碍服务等清楚标示地点与说明,搭配地图呈现,方便观众运用。更深入、更自由的文学之旅,尽在掌中。详细手机导游下载介绍请见台文馆官网最新消息。

此外,台文馆新推出「博物馆椅借用」服务。观众们到博物馆想仔细观赏馆内所有展览,往往需要很长的时间,虽然在台文馆展览空间中,部分地区已备有椅子或长凳供人小歇,但并非所有展区都适合摆座椅,因此推出此项服务,让想长时间流连于展场品味文学作品的观众及年长者,凭有照证件于服务台登记后,即可借用携带型的椅子,于展场内使用。期望多元的友善服务环节,能让民众有更舒适的观展体验。

AI机器人 驱动金融业结构转型

2016年3月,人工智慧(AI)程式AlphaGo在一场围棋五战赛中,以4:1击败2014年及2015年亚洲杯冠军李世乭。 2017年5月在中国乌镇围棋峰会上,AlphaGo和世界第一棋士柯洁交手,取得3比零全胜的战绩;并对决五位顶尖九段棋士团队,AlphaGo也获全胜。既然没有人类对手,AlphaGo之父杰米斯.哈萨比斯宣布AlphaGo退役。

但Google团队事实上并没有停止对相关AI的研究,新开发的AlphaGo Zero完全不借助人类智慧经验,经过21天训练之后,挑战AlphaGo,获得压倒性(100:0)胜利。 Google团队之后开发的Alpha Zero不但打败了围棋领域的AlphaGo Zero,也打败了现有的西洋棋与象棋的最佳程式。

人工智慧Alpha Zero在棋类所向无敌,带给人们极大的震撼,也产生两极化的迷思。乐观者认为,强大的AI将是人类最佳帮手。

悲观的看法,包括特斯拉老板穆斯克等科技大咖,则认为单靠「机器人三律」仍不足以保证AI不致失控,对AI发展若不妥善规划,则AI可能会毁灭人类。 2017年1月初在美国加州的阿西洛马市(Asilomar)举行的Beneficial AI会议上,知名物理学家霍金、特斯拉CEO 马斯克等带头签署「阿西洛马人工智慧23条原则」,希望约束AI发展,确保AI安全性。

类似的AI迷思也存在于金融界,有些人认为未来银行工作将由AI机器人全面取代。花旗银行前董事长兼CEO约翰.瑞德(John S. Reed)说过:「Banking is nothing but bits and bytes.(银行服务只不过是位元和位元组的组合而已)」,亦即,银行业务可以完全数位化,数位化正是AI的专长。

进一步来说,由于银行业务中有高达八成以上属于重复性工作,AI机器人相对于真人更不易出错;而且AI机器人记忆客户的资料完整正确,甚至可以针对客户习性,提供较真人更贴心的服务项目。此外,真人须经常调薪,AI机器人使用愈久,平均成本愈低;AI机器人也不会抱怨雇主给它增加工作项目或工作量;更重要的是,AI机器人不适用劳基法,可以全年无休;AI机器人也不会组织工会与雇主要求改善工作条或争取提高福利。如果您是银行大股东,甚至只是一般银行投资人,您会选择真人员工或AI机器人员工呢?

然而,换一个角度来看,银行经营涉及到决策考量,考虑的因素常常不只是业务面、财务面而已,也要考虑社会面、政治面及经济面的国内外因素;至于在决策规划期间方面,不能只考虑当下或只盘算短期竞争策略,也必须考虑长期发展策略,这些都是AI机器人还难以做到的。

因为截至目前为止,AI的发展,都只做到弱AI(weak AI),亦即,只能在某一领域上发挥其强项,例如Alpha Zero虽在棋坛无敌手,但也只会下棋而已;若要Alpha Zero做银行业务,恐怕会交白卷。

拓朴阿尔法狗产业研究院的研究报告指出,金融业中业务的数位驱动程度愈大、或是工作性质对金融业经营安全冲击程度愈低的工作,愈容易被AI机器取代。因此,未来若看不到银行柜台服务人员是有可能的,但金融数位工程师、法遵人员、内控人员,AI机器人能取代的机会就相对有限。金融从业人员不会消失,只会结构转型。

邬光亚:人工智慧引领进入新时代 围棋即博弈

AlphaGo在2016年3月正式进入人们的视野,至今已两年有余。仅仅两年,它已经对所有职业棋手乃至整个围棋界产生了颠覆性的影响,而且我认为这种影响还将持续几十年、上百年。

如果说吴清源大师教会了我们布局的思想性与灵活多变,李昌镐老师让我们重新审视谨慎严密对于胜负的重要性,那么AlphaGo则让我们全面的重新理解围棋。

围棋是基于判断的博弈。下棋时的每一步决策都包含着各种判断,对厚薄的判断、强弱的判断、急所的判断、甚至还有对棋盘对面对手的种种判断。围棋自规则形成以来发展了上千年,但是棋盘上价值的判断从未统一过(也许在某个时期曾短暂统一,但随后又会被新的观念取代),我想今后也难以被统一。毕竟棋盘上的价值观很大程度上取决于下棋者的世界观,试问世界观可以被统一吗?

说回阿尔法的价值观。围棋的本质是效率,双方一人一手,谁的效率高自然占到的地盘就比对方多。而角部无论是获得安定还是占据交叉点都是效率最高的,先人「金角银边草肚皮」的格言千年未破。所以阿尔法的布局都是围绕着角部展开的。

阿尔法自进化到master版本时就有了开局点三三的下法,Zero之后更是盘盘点三三,这给了我们一个他非常喜爱实地的印象。但AI真的有目数(实地)这个概念吗?即使有,判断方法和人类也肯定不一样。所以我觉得点三三首先是因为效率,其次是要争夺根据地。从人类顶尖高手到阿尔法所有版本再到现在的所有高水平AI,对双方根据地的敏感是大家的共同特点。

AlphaGo下的最多的一步棋我想大概就是「肩冲」了吧。一般来讲肩冲就是把子下在对方棋子的斜对角,若即若离,在我看来包括点三三在内的类似招法都可以叫做「肩冲」。这类棋的特点就是双方各取一边,和平共处,所以我觉得阿尔法的棋也可以称作「相生之棋」。现在学习了阿尔法演算法的顶尖AI,也无一不是这种风格:很少主动攻击对方的孤子,更多的时候是在各自发展,不会下出让对手无路可走的棋来。 (当然也是因为他们的孤子都很轻或很有弹性的缘故)。反观人类棋手,就只好称作「相杀之棋」了吧。一是因为人类长久以来的习性,二则多数时候人类实在是判断不清形势,只好先下最强硬的再说。如此一来往往在一个小地方就战的不可开交。

从前的人们一定难以想像会是人工智慧打开了围棋领域的又一扇大门,而若干年后回望今天,说起那个围棋的新时代,人们会讲起新的探索之路是由一个名为AlphaGo的人工智慧所引领的。

「AI会取代人类医师」?你可能问错问题了

自从AlphaGo打败棋王之后,舆论陷入「AI取代人类工作」的恐慌,然而医疗 AI并不是能海吞期刊文献,就代表能直接行医?

最近报章杂志及媒体投书,有不少关于「AI是否能够取代人类医师」的讨论,有一种观点认为, AI的进展会让医师这个行业逐渐没落,甚至有一天可以取代医师;另一种观点则提到, AI缺乏同情心与同理心,所以没有办法真正取代医师的工作。

上述两个观点都只对了一部分。

医疗科技并非都是AI
当我们讨论 AI在医疗上的应用时,得先分辨哪些是真正的AI、哪些不是。比如说,目前最具有代表性、但评价两极的医疗AI案例,是IBM的「华生癌症治疗建议系统 (Watson for Oncology, WFO)」。 WFO利用先进的「自然语言处理能力(Natural Language Processing)」,把数千本肿瘤医学教科书,追踪并持续更新三百多种专业的癌症医学期刊,转换成电脑可以运用的知识库;再利用「专家系统(Expert System,ES)」的推论,根据癌症病人的状况提供医师不同治疗建议。它的设计主要是广泛搜集更新速度极快的大量医学文献并汇整摘要,并不提供诊断建议。

而民众所熟悉的「达文西手术机器人」,是一组精密且灵活的机械手臂及镜头,100%仰赖外科医师的操作执行手术任务,目前并不具备任何AI的能力,也没有自主动作或自主开刀的机制,则应排除在医疗AI的讨论之外。

医疗AI最佳应用:人类医师的得力助手
在过去20年,世界大型科技公司、医疗仪器公司及医疗与资讯研究机构等,无不殚精竭虑,投入大量资源全力发展AI在医疗上的应用,但经过这些年的尝试发现,AI最好的应用不是直接取代医师,而是帮助医师把医疗变得更安全、错误更少、更精确、能在更短的时间内处理更多的病人资讯,以达品质较高、效果较佳、费用较低的医疗目的。

医学上要解决的问题非常复杂,光是疾病就可分类为六万种以上,全世界可运用的药物也超过二十万种,更不要说常见的医疗处置也超过八千种( 包括手术、矫正、复健… )。而且医学的复杂度主要来自上述几种变数的巧妙组合,以达成提供病人最佳治疗的目的。

目前医疗AI的研究是一个疾病、一个疾病的学习,每一个处理方法都要经过长时间的资料收集、机器学习,最后还要做临床试验,才能够确定可以运用在医疗临床上,且不会对病人造成额外的风险。依此来看,AI要征服整个医疗领域,可说是难上加难, 我相信在可预见的未来,AI都不易取代人类医师。

此外,医疗AI还可以将最先进的医疗知识,复制扩散到资源不足的地区,让缺乏各种专科医师的偏远地区,也可以得到接近人类专家的医疗服务,这就是为什么「Watson for Oncology」这类的系统,在开发中国家卖得比已开放国家好得多,而同时也是我们认为未来AI深度转运之后的医疗面貌。

青出于蓝 恐胜于蓝?
目前大部分的医疗AI应用都集中在影像辨识,大家也许会问为什么? AI其实并不是一个新观念,早在1950年就有人提出AI的概念,但是直到2015年之前,电脑对于网路上随机取出图形的辨识能力,一直无法超过60%的正确率天险。

比方说,如果我们从网路上随机取得一张图片,并且问电脑「照片中有没有小狗、小猫、汽车、人类?」这样的问题,最好的AI程式大概也只能答对其中的60 %。但是在2015年之后,由于CNN ( Convolutional Neural Network ) 这类新方法的发明,使得电脑对图形辨识的能力一举突破80%,现在甚至高达99.4%,表示AI在随机图形辨识的能力已经等同于或超越人类专家,到了「媲美人类(Human Parity)」的程度。

即使未来的某一天,我们做出了完美的医学影像辨识AI,放射科医师也不会因此就失业,因为他们的工作内容并不单只有影像判读,且医学影像辨识AI可以让放射科医师在更短的时间内,以更低的错误率执行工作,既改善医疗人力不足的问题,也让病患得到更好的医疗品质,对医师与病人来说不啻为一大福音。

姑且不论AI能否展现同理心和同情心,「人工智能是否能够取代人类医师」本身可能就不是个正确的命题,毕竟人类还是希望创造一个机器与人和谐共存的世界,如果投入大量资源研发AI ,目的是为了取代医师,这未必是正确的方向。不过持续探讨这些议题,总有一天我们会擘画出医疗AI的乌托邦。

日本围棋第一人:AlphaGo犀利冷静

日本围棋第一人井山裕太在网上观看了阿尔法狗和围棋高手的围棋人机对决。他表示,「非常震惊。从没想到不出李九段输棋的样子」。

井山表示,AlphaGo从一开始就积极应战,并没有人类意想不到的惊人招法,只是用「职业棋手想得到的犀利招数」来攻击李世石。 「双方完全是四处争斗」,战斗一直持续不断,但AlphaGo冷静地防守,最后转为进攻,逐步扩大领先优势,最终获胜。

比赛开始3个半小时后,李世石投子认输。井山表示,「没有明显的不当招法。如果这样去下人类没有赢的机会。AI的招法犀利而冷静,感觉有很高的质量」。

卫冕世界冠军却弃人机大赛,柯洁:我无法打败 AlphaGo

2016 年三星杯世界围棋大赛决赛三番棋最后一局当天在韩国高阳市战罢,中国棋手柯洁193 手以两目半优势战胜柁嘉熹,总比分2 :1 逆转卫冕。赛后柯洁表示自己目前无法打败 Google 的围棋人工智慧「阿尔法狗(AlphaGO)」。

序盘,柁嘉熹执白连压四线,气势宏大。中盘,白棋尖冲交换后,于上边打入,黑棋如法炮制,也在上边压出一道厚势。柁嘉熹在黑棋厚势中寻找薄味,白棋 56 手先发起挑战,果敢断开黑棋作战,白 66、74 手积极扩张,形成「宇宙流」。黑棋 75、77 手比较冷静。白棋 130 手似有不妥,131 至 137 手的较量中黑棋强力攻击,收获不少。左上角成为最后定胜负之处,柯洁圆满处理,最终获胜。

对局结束后,柯洁接受采访时说:「本次比赛特别艰苦,今天的比赛也非常激烈,我是因为运气好才获胜,今后的目标是获得更多的世界冠军。」

谈及颇受关注的「人机大战」时,柯洁说:「目前棋手之间的比赛众多,我放弃了与(日本人工智慧围棋软体)DeepZenGo 的对局。我觉得,我现在的状态还不能打败『阿尔法狗』(AlphaGo),今后需要更加努力。」

在三星杯6 日首局赛后,中国围棋队领队华学明透露柯洁将不会作为中方代表参加明年3 月在日本进行的「世界围棋精英赛」,不与日本的人工智慧围棋软体DeepZenGo交手。但他并未说明柯洁不参赛的原因。

这是柯洁第二次获得三星杯决赛的胜利。在上届三星杯赛事中,柯洁以 2 比 0 战胜时越,成为三星杯举办以来最年轻的冠军。本次比赛中,他分别击败李东勋、周睿羊、李世乭晋级决赛。决赛三番棋首局失利后,柯洁背水一战,连扳两局获得冠军。本届三星杯的冠军奖金为 3 亿韩元(约合台币 818 万元),亚军奖金为 1 亿韩元。