棋灵对决棋王!Google简立峰:台湾应正视人工智慧发展

记者洪圣壹/首尔报导

大家必须要了解什么是人工智慧(Ai)、什么是机器学习、什么是机器人...」针对 Google 旗下人工智能团队 DeepMind 所开发的现代版棋灵「AlphaGo」,与全球知名的韩国围棋冠军棋手李世乭对奕。Google 台湾董事总经理简立峰受访时特别这样说,同时也表示:「台湾应该重视机器学习发展」。

稍早在南韩首尔举办的「Google DeepMind Challenge Match」记者会,现场涌进来自韩国、日本、中国、台湾、新加坡、美国、英国加拿大德国、法国、丹麦奥地利等 12 个国家地区共计 300 名媒体参与,全球媒体屏息以待,要来一看人工智慧团队 DeepMind 执行长 Demis Hassabis 领军所开发的现代版棋灵「AlphaGo」 ,与全球知名韩国围棋冠军棋手李世乭对奕的历史性的一刻,Google 内部也相当重视这件事,稍早Google执行董事长施密特(Eric Schmidt)更无预警地抵达活动现场,引起一阵骚动。

▲棋灵对上棋王的「Google DeepMind Challenge Match」活动中,吸引来自韩国、日本、中国、台湾、新加坡、美国、英国、加拿大、德国、法国、丹麦、奥地利等 12 个国家地区共计 300 名媒体参与。(图/记者洪圣壹摄)

施密特表示,机器学习的议题从 60 年代开始就有人开始研究,至今 Google 开发了许多工具,包括 Google Photo、Gmail、Google Maps 等,都是为了提供人们更便利的生活,并表示就机器学习领域与人工智慧发展来说,这一周是一个相当重要的一周,也是值得关注的。

▲Google执行董事长施密特意外现身「Google DeepMind Challenge Match」活动现场。(图/记者洪圣壹摄)

只要是比赛,就会有胜负,现场有英国媒体询问有关比赛胜负的问题,DeepMind 执行长 Demis Hassabis 表示,AlphaGo 目前没有缺点。然而全球知名韩国围棋冠军棋手李世乭却是信心满满认为自己获胜的机会比较大,他说:「人类的想像、直觉多过于电脑,所以我觉得我会赢」。至于挑战的话,李世乭表示,跟人类比赛的话,就会去分析那个人的玩法,可是跟电脑比赛,可能只能想像练习,每天想像练习两个小时。

李世乭认为,人工智慧也好、AlphaGo 也罢,它只是一个很会玩游戏的「机器」,机器并不会了解围棋的价值跟围棋内在的美,更不会产生情感,因此不会因为机器比较会玩或者不会玩,就把他个人的存在价值抹杀掉。

谈到准备的部分,Demis Hassabis 从机器学习面回应,他说:「AlphaGo无法给他程式让他怎么玩,但是可以经过上百次、上千次的方式,让它透过一个客观与公正的方式去学习,但是以目前的状况来说,AlphaGo 可以说还没找到弱点。」至于下个目标,Demis Hassabis 表示,这中间很重要的是大数据的搜集,从搜集与分析当中知道人们的需求,如此才能知道可以怎样帮助人类。他不认为人工智慧会对人类造成威胁,并于最后强调希望透过这次的比赛,让 AlphaGo 变得更聪明。

▲DeepMind 执行长 Demis Hassabis (左)、天才棋王李世乭(右)。(图/记者洪圣壹摄)

*机器学习是 Ai 一大里程碑

简单的说,机器学习的范畴小于人工智慧,是人工智慧的一环。Google 台湾区董事总经理简立峰接受台湾媒体访问时指出,人们的五感研究都算是人工智慧,人跟大多数的动物带来很强的自我学习能力,因此在人工智慧的领域中,很大的议题是自我学习。

「电脑 VS 人脑」在电脑科学界的研究已经长达 20-30 年,过去在 IBM 用终端电脑「深蓝」打败当年象棋世界冠军 Garry Kasparov,是一个很重要的里程碑,让大家知道人类、电脑都会下棋,可是只要写入对的程式,电脑甚至可以赢过人脑,但是围棋的复杂度太高,一直到去年(2015)10 月,Deep mind 的 ALPHAGO 才赢了英国欧洲冠军。

简立峰以此强调:「ALPHAGO 即便没有赢人类,在某种层度也算是达到一个里程碑。」同时也说明现代人工智慧的微妙变化。简立峰指出,以前跟现在最大的差别,就是「机器学习」,像是以前电脑发达的时代,都是由工程师去计算跟破解可能的棋路,然后输入在电脑当中,一旦输了之后,也是由工程师去思考,然后再重新调整。但是现在的人工智慧,会有两个学习阶段,第一段是人工喂资料给电脑去运算,第二阶段是给予电脑在比赛过程中去学习的程序,不管是赢还是输输,每次比赛过程都会把经验学进去。这个第二阶段采用的技术,叫做类神经网路,主要是透过云端运算的方式,进行深度学习,然后进行「策略网络 (Policynetwork)」与「价值网络 (Valuenetwork)」的分析,程序就像人类的大脑一般,会有自己的思考模式

*机器学习是 Google 下一个发展重点:

简立峰指出,Google 内部有两套机器学习团队,一套是这次棋赛的团队「Deep mind」,他们来自英国,主要就是针对棋局,以一套名为「蒙地卡罗」的运算技术为基础,搭配类神经网路,从世界棋手、人类专家的技术细节,进行像是象棋、围棋等棋局对弈的研究,目前也已经进攻与「下棋」模式相似的医疗研究。

另外一套就是大家比较耳熟能详的「TensorFlow」,同样是以机器学习技术为基础,但是对像是 Google 用户,举凡 Google 搜寻、YouTube、Google 翻译、Google 相簿、Gmail、Google 语音辨识等,都已经运用机器学习技术来提供使用者更好的体验。目前 Gmail 已经可以自动判断约 99%的垃圾邮件,Gmail 的 Smart Reply 功能,还能自动侦测对方寄来的邮件内容,进而提出简单的回复建立。Google 语音辨识功能的错误量已经减少逾 20%,Google 相簿已经可以让使用者透过标签搜寻找到相关的照片,Google 翻译则已经可以让用户即刻看到结果、甚至结合了镜头辨识功能。

而就像 Android 作业系统、Chrome OS 一样,Google 已经在 2015 年针对 TensorFlow 开源,让研究学者、工程师或任何对机器学习有兴趣的群众运用程式码交换想法,以加速机器学习领域的发展和生活应用。

因此不管是 Google 应用单位「Tensor Flow」还是持续找冠军下围棋的 Google 研究单位「DeepMind」,都可以看出 Google 公司已经投入庞大资源进行机器学习的研究。

产业应该重视 Google 机器学习的发展:

简立峰指出,Google 致力于发展机器学习,不是说让电脑去取代人脑,人类有更复杂的联想能力、碰到事情会举一反三、去反思,以 Google 机器学习的角度来看,主要是为了解决人类史上需要庞大数据与演算法的复杂问题,像是设计机器手臂去搬东西,或像车厂一样,让机器手臂去做一些固定的零件装载。简立峰把机器学习比喻是「时代的技术突破」,强调很多产业尤其是台湾产业,应该重视机器学习,人类应该期待机器学习技术未来能够如何帮助科学家们解决如地震预测、医疗诊断、甚至是 CRM 管理等问题,了解客户需求,做好相对应的服务

*人工智慧已经朝多元发展,但是 Google 不是要做仿生机器人:

简立峰认为机器学习跟机器人的关联不是绝对大,机器学习这件事,只要喂东西给电脑,就可以进行相对反应,是一套建构能力的方法。这跟 AlphaGo 和李世乭的对奕一样,就是一个建构能力的方法,透过大量资料的搜集、分析与判断,将有助于机器学习的后续衍生应用。而机器学习的致胜关键就是数据资料。成功的网路服务,才有机会能够透过云端运算,快速收集到大量有用的数据,从观念来说,或许 20-30 年前早就有人在思考,并不稀奇,但是从工业的角度来看,这是一个重大突破。

谈到人工智慧的发展,简立峰表示,现在的人工智慧其实都是软硬结合,好比说「自动驾驶车」,就是 AI 的体现,车子里面有一个眼睛,可以看到道路的状况,进行影像辨识,区分安全不安全,就是一个影像辨识跟硬体结合的发展,因为它需要影像辨识、雷达,需要快速运算,因此高阶辨识跟反应,以及背后所需要的 CPU、GPU 效能,带来的大量图形运算能力等等,都是软硬体结合。

谈到台湾,简立峰认为台湾在这一波相对是被动,很少感受到 AI 这件事情,甚至停留在代工的观念,好比说 CPU、GPU 的效能、好比说感应器可以多卖几个,欧美在研究的 AI,主要看到的就是整体软硬体服务。

至于下一世代的机器人,简立峰表示,现在期待的机器人,有一种叫服务型的机器人,一种是工业型的机器人,前者就像走入家庭的「Pepper」,后者就像 BMW 工厂内的自动化机械「机器手臂」,两者定位不同,但是两者跟台湾一定要有关系。

另外还有一种机器人,叫做「仿生学」,也就是「Robot」,这需要仰赖生物电脑,这些有企业正在努力中,但不是 Google 要做的。简单的说,Google 发展人工智慧,只要让机器在某一种,做得比人更好,借此让人们走入智慧生活。

简立峰表示,围棋没有一定谁是世界冠军,但是 Deepmind 和李世乭的对奕是一个很重要的开端,Google 邀请大家共同见证这场电脑与人脑的历史性对弈,也希望大家期盼机器学习的后续发展与动向。