［不懂征子的「零學習方式」］
我持續在追蹤的電腦圍棋主題，就是圍棋中的「局部與全局」。讓電腦圍棋能夠有飛躍性進步的「蒙
地卡羅法」就是直接拿全局來模擬，而具備了形勢判斷的能力；但相反地，局部上的攻殺或死活它就
無法正確地計算出來。
比如說，像２圖這樣的棋形，人類的話，就會把這個右上角用「局部」的方式來思考，而判斷出黑１
立下就可以讓黑棋無條件獲勝；但因為蒙地卡羅法只會用全局的方式來模擬，所以除非它判斷右上角
非得馬上下不可，否則根本就得不出結論（下到別處去）。如果無法清楚把握住角上的死活狀況，別
說是計算實地目數，就連週圍棋子的強弱程度都無法判斷清楚。
２圖 局部的攻殺
我覺得這是個極端重大的缺陷，但該如何去教導電腦「局部」的計算，卻是個讓我非常困擾的事情。
至於深度學習也是在作全局的模擬，雖說「不擅長局部」的症狀比較輕一些，但還是沒有完全解決掉
這個問題。話又說回來，雖然它對於局部的理解還有問題，不過我覺得它還是能靠著全體模擬的強大
能力來蓋掉這個問題。
至於五月開始公開程式碼的臉書ＥＬＦ程式也是使用阿發夠零的方式、不學習人類棋譜也能下得比人
類強，而且其下法和人類沒有甚麼太大差異。然而，它卻竟然像是看不懂征子的樣子。
３圖是和前一期介紹過的不同局面、它也一樣逃出征子的例子。雖然此圖中逃出征子多少有點問應手
的味道，但還是無法讓人覺得逃出征子是正確的下法。阿發夠零雖然也有超越職業棋士的棋力，同樣
也會逃出征子，所以讓人懷疑「零學習方式」和逃出征子有點關係。
３圖 逃出征子
對人類來說，所謂的「局部」就是「能夠在限定的範圍內找出結果的區域」。
其實征子正是圍棋中最簡單易懂的「局部」問題。人類是很快就能抓住局部的特徵，才能懂得征子這
樣的問題。甚至還會有「不懂征子別下棋」的棋諺留傳下來。在電腦圍棋開發的初期時代，也是一開
始就會教軟體征子的知識，而阿發夠李世石版本應該也是如此才對。
［人類的基本理解方式是「給予局部適當的意義」］
新的圍棋ＡＩ雖然棋力比人類還強，卻看不懂征子這件事本身就非常有趣，另外也對於思考人類與
ＡＩ之間的關係有很大的啟發。
人類為了能夠理解這個世界，往往會將事物切出一些「局部」，根據其特徵賦予意義，然後反覆利用
這樣的方法來掌握事物的全貌。例如，現在的科學雖然是以「重現性」為前提，但遇上的「整體」是
一直不停留動的事物時就無法再現了，這時也只能來研究「局部」來代替了。
數字雖也是一個人類的偉大發明，但「一」這個觀念卻不是那麼需要解釋的東西。一個國家、一座城
市，都是人類知道要畫境界線才開始的。至於一棟建築也是很多外部的東西連結而成的，所以也是決
定好「從這裡開始是建築」才出現的。
一顆蘋果之中，包含了很多種子；就算是一個人，也是數十兆的細胞所組成，然後和外部的物質進行
不停的循環。不過，因為人類有共同的認知，所以像是「一」這樣的「局部」，就算不需要說明，大
家也能明白。
４圖（重新貼出）中，就算右上看起來像是一個「局部」，但當黑１立下之時，左右兩方棋子的強
弱、或是Ａ、Ｂ、Ｃ等可利用之處反而會讓黑棋變得很棘手等等事項，還是會和全局有關係。此外，
黑棋在明知外部有緊氣關係時，也可能不走黑１立下而改走Ｄ扳棄子。以上這些東西，人類雖然都
懂，但對人類來說，先知道「黑１立下是無條件吃白」這件事還是非常重要的。而從攻殺的特徵中找
出局部的法則，對於完全一局棋局來說也是非常有幫助的，這些就可以稱為是人類的智慧、或說是對
局的技術。
４圖 局部與全局的關係
不過「零學習方式」看起來卻不會找出局部的特徵或法則。因此，它就不知道征子這種最重要的特徵
或法則。也是如此，雖然它下出來的東西和人類也沒有甚麼太大的區別，其內容卻可以說是玩全不一
樣的東西。換句話說，或許可以將ＡＩ的能力看成是與人類完全不同的系統。
人類的智慧雖然可說是具有往「變厲害」變動的方向性，但是將全體切出主觀性的局部、賦予特徵的
智慧，卻是一種人類變厲害之前「給人類學習用的智慧」。
不知道大家會不會對電腦有人類教會下棋、緊追人類、最後加以超越的印象？不過電腦圍棋本來就和
人類是不同的思考系統，所以對於人類被超越這件事也不需要那麼在意。將來ＡＩ早晚會在所有的領
域上都超越人類，而由阿發夠透露出來的「認識人類」能力，也許會帶給我們怎樣和ＡＩ共存的重大
啟示呢。
＝＝＝
相關系列文章：
沒有留言:
張貼留言