2016年03月14日14:31 新浪体育
人工智能PK人类
近日南韩棋王李世乭与Google旗下人工智慧公司开发的AlphaGo进行围棋大战，‘李九段’苦吞三连败，跌破大家眼镜，所幸昨日出了‘神之一手’赢得第一胜，帮人脑扳回一城。面对这个人工智慧发展的重大里程碑，台湾可以从中学到什么？
这场比赛的结果和赛前预测差很大，主要因素有三项，第一是赛前大家低估了AlphaGo。AlphaGo程式设定可能是每盘棋赢够多就好，而不是想冒险取得压倒性大胜，所以局面领先时会下出人意料之外的‘缓着’。第二是熟悉程度的不对等。AlphaGo在赛前已学习了李世乭的许多棋谱，而却没有多少AlphaGo的棋谱可供李世乭研究。第三是心理因素，李世乭因压力大而显现出紧张的情绪，相对而言，AlphaGo真正做到胜不骄败不馁，毫无情绪可以波动。
人工智慧起源于1950年左右，经过数十年的发展，已有非常多的成果应用在日常生活中，例如苹果公司的Siri系统、工厂用的自动光学检测、机场的人脸辨识系统、Google的无人车等。
AlphaGo的成功很大一部分可归功于程式中的深度神经网路（deep neural network）等机器学习功能。一旦机器有自我学习能力，就有机会进步到设计者不能预知的程度。人工智慧与机器学习技术的应用范围非常广泛，未来许多產业的竞争力会取决于智慧的程度。例如智慧高的无人自动驾驶车可以上街不出车祸，智慧低的上不了路就要被淘汰。
另一个例子是巨量资料（big data），巨量资料的核心技术也是机器学习技术，可以从数十亿笔电子商务资料中自动学习分析出消费者的喜好。未来能够运用巨量资料的电商终将胜出。又如在各个路口装感测器，车多时绿灯时间拉长，这是笨的物联网。把所有的资料匯集到后端做巨量资料分析，以面的方式整体控制交通号志，甚至影响未来的交通规画，才是有智慧的物联网。
我们在围棋人机大战的热闹之余，更应注意到人工智慧与机器学习已有突破性的进展，这是一个唤醒台湾迎头赶上的契机。我们该做的事很多，最基本的当然是人才的培育。人工智慧的进入门槛相当高，人才无法用短期训练班的方式大量创造，需要政府、学界、產业界的重视与长期培养。
另一件我们可以立刻做的事是重新检视一些重大计画。以往有些计画以为有用到网路与手机就可以冠以智慧之名，可能忽略了导入成熟的人工智慧与机器学习技术，只要加以适当调整，就可以有画龙点睛之效。若能如此，AlphaGo战胜人类棋王这一事件对台湾的意义将深远得多了。（作者为工研院巨量资讯科技中心主任）
（中国时报） |
