首先, 我先定義一下兩件事. AI, 就是Artificial Intelligence, 也就是所謂的"人工智慧." 而"棋王們"是指所有對弈、比賽的佼佼者. "棋"也可以是碁, 也就是圍碁, 或是象棋, 西洋棋, 或甚至是撲克牌, 或任何對弈、比賽. 而"棋王"就是在這些領域的賽局中, 經常得獎優勝的人.
電腦思考的縝密度, 當然贏過人腦. 可是, AI, 也就是人工智慧並不是萬能的, 並不是不可被擊敗的. 我想先勸告這些"棋王們," 如果想要擊敗AI的話, 不要老是想要贏; 應該要想的, 要做的是, 如何輸? 如何輸得漂亮? 如果你們有了答案, 或許這才是你們有扳回一城的機會!
現在所謂的人工智慧, 我如果理解正確的話, 應該與機器學習, 類神經網絡, 深度學習等相關. 在這個領域中一直有件困擾的事, 就是"過度訓練(over-training)," 也就是在機器學習過程中, 增加訓練的資料量, AI的精準度反而下降的現象. 解決這個問題的方式, 通常由非常專門、非常有經驗的程式設計師, 以"人工"篩檢的方式, 刪除那些過多的、不必要的、甚至是"錯誤"的資料, 來解除過度訓練的現象.
所以, "棋王們"你們如果夠聰明的話, 或許你們可以在這裡找到一些擊敗AI的契機! 我在這裡先給你們六項建議: 1)必須要求AI的學習功能不可以關閉. 2) 對弈的"棋王"必須匿名, 對AI團隊匿名, 包括在後面支援的所有人員, 尤其是程式設計師. 3)"棋王"也要"團隊"出賽, 包括各種層次棋藝的"棋手." 記得"下駟對上駟"的原則. 4) 多次對弈, 不要一次, 或三、五次, 分勝負. 最好百場以上, 愈多愈好, 多多益善. 5) 比賽期間, 要要求AI團隊不可以以人工的方式對AI的學習結果做任何修改. 6) 要求AI團隊公布AI上場前的詳細訓練過程, 如訓練過程總共有幾局的對弈, 對弈的對手, 對手的"棋藝," 對弈的結果等.
以下是兩個很重要的觀念. 訓練過程就是AI的一部分, 所以必須對對弈的對手完全公開. AI訓練完成後, 程式設計師就應該完全退場; 除了AI自身的機器學習功能以外, 不應該再有任何人工的著力.
文章標籤
全站熱搜
人生又不是只有下棋!
對我而言, 當然不是, 我幾乎不下棋/碁, 也不怎麼玩撲克牌. 可是, 對"棋王們"來說, 我就不知道了! 不過這不是我要表達的重點. 最近經常在電視上看到一些人, 不斷地在吹噓"人工智慧"如何如何神通廣大. 擔心, 好像"魔鬼終結者"似的悲劇在不久的將來就要來臨的樣子. 我說, 還早得很. 我不知道到底會不會有這麼一天. 但, 就目前的情況來看, 所謂的AI, 仍然只是由機器執行程式設計師所下的程式指令而已. 別想太多! 畢竟, 這還是"人工"智慧, 不是機器智慧!
這方法的概念似乎是餵給AI不良的資料,等AI學會後就中計變笨了,這時人類棋手只要等AI犯錯就行了???
基本上, 是的, 沒錯. 就是要他達到"過度訓練"的境界. 不過, 有幾個概念需要澄清. 電腦不會"變笨," 也不會變"聰明." 電腦更不會"犯錯." 電腦所能做的, 就是快速地, 全面地, 毫無遺漏地, 執行程式設計師下給他的所有指令. 所以, 電腦的縝密度, 不是人腦可以比擬的(即使做小抄看筆記也很難做到這種全面性). 一般所謂的"smart(聰明)," 其實只不過是在程式的執行過程中, 多了一些選擇性的判斷迴圈(loop, 程式用語), 因一些指令執行結果的不同, 從程式設計師所預下一群指令中, 擇一執行; 而不是每一個步驟都依據"一個"確定的指令執行. 台灣人很喜歡把這樣的"smart"翻譯成"智慧." 我非常不能認同. 如果這個可以叫做"智慧," 那人類這幾千年來是白活的!