※ [本文轉錄自 hikarugo 看板 #1My98kaf ]
作者: LinJohn (猜心) 看板: hikarugo
標題: [感想] 人機大戰心得
時間: Tue Mar 22 08:30:34 2016
好讀版 https://jintin.github.io/blog/2016/03/15/alphago/
AlphaGo跟李世石的五番棋最終以4:1結束了，讓人讚嘆演算法的力量。
AlphaGo原理
圍棋本身沒有太多規則，就是一連串的黑白輪流下子，困難的是對每一次落子有太多選擇
，而棋局又有太多個回合，所以讓棋局的變化太多，要參透這門技術幾乎是不可能。
既然這麼麻煩那我們要怎麼讓電腦下圍棋呢，可以從現實生活尋找靈感，人類社會做決策
有二種方式，一種是由該領域專家決定，另一種是多數表決。
教電腦也有這二種方式，一是把高手下棋的思維轉成電腦的邏輯寫成程式，電腦依據程式
的規則來決定怎麼下，缺點是寫出的程式策略決定了棋力的高低，而複雜的事物就伴隨著
複雜的規則。
另一種方式是讓電腦透過大量的資料自己歸納出如何下棋，人的思考有幾種特性，人在做
一件不懂的事的時候會依據完成的結果來回饋自己，如果正確的話下次就會有更高的機率
做一樣的決策，而失敗的決策就比較不會再度發生，不斷的循環就會減少犯錯的可能。我
們可以把棋局分成很多層簡單的小策略，透過一連串的策略選擇讓電腦學習怎樣是對的怎
樣是錯的。只要有夠多的資料電腦就可以慢慢學會如何做這些決策，也就學會了如何下圍
棋。
AlphaGo就是依據大量的資料來學習的，有以下三個模組組成：
1. SL Policy Network
用KGS的3000萬盤棋譜作為深度學習的資料，學習人類在棋局中如何走下一步，在模擬棋
局的時候，可以有效的減少搜尋的廣度，不需考慮不必要下子的地方。
2. RL Policy Network
以SL為基礎加強，自己跟自己對局1億次，藉由更多的資料不斷進行參數調整優化預測更
好的下一步。
3. Value Network
給定任何盤面，分析黑白雙方的勝率，在模擬棋局的時候，可以有效減少搜尋的深度，當
某點變化勝率太低就不需考慮以這點進行的變化。
綜合三個模組，就可以得到一個很像人下圍棋的電腦，知道要該下哪裡、也會算變化分析
勝率，當勝率太低還會投子啊。
人腦 vs 電腦
雖然說電腦透過深度學習最後還是打敗人類，但二者間還是有本質上的不同。
人類在下棋的時候，會有脈絡思路，可以感覺出對方是好戰或是保守，會感到壓力、疲勞
、失誤，計算能力也有限。這都是人的缺點，但人類強的是思考、學習的能力，人類不需
要看幾千萬盤棋才懂圍棋，這點可說是完勝電腦。
而電腦是用資料在下圍棋，當他決定下A點的時候只因為A點的勝率比其他點高，但並沒有
其他原因。而且，雖然說AlphaGo是一種人工智慧，但本質上只是大數據的統計分析，跟
一般網站推薦系統也沒有太多不一樣，離真正的人工智慧還很遙遠。
圍棋比賽除了作為一門競技，也是一門藝術。進退之間追求平衡，這部分恐怕只有人腦能
懂了。最後，李世石的敗戰感言也很感人啊，這大概是人跟電腦最大的不同吧。
雖然AlphaGo打敗了我一個李世石，但並不能說，就是打敗了整個人類。
未來
就算這次李世石並沒有被打敗，但理論上只要給電腦更多資料，總有一天還是可以贏人類
的，這一天總會到來、快或慢而已。那接下來呢，圍棋會因此滅亡嗎，還是會開拓一片新
的領域呢？相信藉由電腦的輔助人類可以看到圍棋更多的可能性，而電腦也需要更多人類
下的棋譜才能進步。
而作為一個通用的人工智慧系統，圍棋上的應用應該不是終點，各行各業都有機會引入，
讀大學的時候很常聽到的一句話是”十年後80%工作會消失，而十年後需要的工作現在還
沒出現。”，變革的時代，代表的是挑戰、也是機會，如果可以很平順的轉換到新科技的
世界，人類可以把更多的時間拿去思考、解決更重要的問題。
最後，如果哪天電腦開竅了會寫程式，會有工程師想跟他比寫程式嗎？