從圍棋戰反思人工智能
2016/03/15 08:41:52
網誌分類:
經濟
李世石在第四局中以白子取得首勝後，在首爾四季酒店新聞中心舉行記者會。會中，他解釋AlphaGo在第四場對弈中露出了兩個弱點，首先，AlphaGo比較畏懼以黑子下棋；其次是當它碰到沒有意料到的一着時，會呈現一種Bug狀態，在意想不到的情況下，AlphaGo的對應能力就表現較差。無疑。李世石與AlphaGo的對戰，對進一步改善人工智能有很高的參考價值。
研發AlphaGo的DeepMind團隊曾經介紹，AlphaGo的養成分4個步驟：第一是整理過去人類對弈的80多萬盤棋局；第二是像訓練小狗般，把第一步得到棋譜作為訓練，以培養它預測人類下一步棋的技能；第三是讓第二步訓練得出的小狗每天和自己下100萬盤棋；第四是把第一步與第三步得出的棋局，再訓練小狗成為AlphaGo；故此，AlphaGo可以說是基於1億盤機器棋局，以上80萬盤人類棋局訓練出來的人工智能。
不過，正正因為這種訓練模式，讓AlphaGo下棋的選擇以「贏自己」為標準，而非「贏對手」，因此它每一步其實都在打自己。而且它所下的棋限於對前人的分析，認知局限在已有知識，而非「thinkoutofthebox」。
走得太遠或有致命後果
AlphaGo的表現固然讓人驚訝人工智能的精準運算，但也顯示了它未有真正做到人類的「自我學習」。不過，人工智能是否須達到人類自我思考的水平，也是一個值得深思的問題。
微軟創辦人比爾蓋茲、著名科學家霍金、電動車Tesla創辦人伊隆馬斯克聯同百多位創科界巨人曾聯名發起一封公開信，說明他們對人工智能的擔憂，認為其比核能對人類帶來更多威脅。假若管理得好，人工智能對人類生活將會帶來莫大幫助，但若忽視它的潛力，後果則有可能一發不可收拾。
人機圍棋比賽，除了欣賞人工智能媲美人類智慧，也引起了大眾對科技研究的反思。在不斷探索科技未知領域的同時，更加需要深思「走得太遠」會否帶來後果。
如有任何意見，歡迎通過以下電郵跟我們聯絡：info@yuantung.com.hk。
資深財經公關
陳民傑
回應
(0)
我要發表