AlphaGo贏的關鍵 自我對弈學習錯誤
（中央社記者吳家豪台北18日電）Google旗下DeepMind公司開發的人工智慧系統AlphaGo以4比1挑戰韓國圍棋天才李世乭成功，系統主要開發者黃士傑今指出，AlphaGo每天會跟自己下棋，強化分析能力。
來自台灣的黃士傑目前在總部設於倫敦的DeepMind擔任資深研究員，也是AlphaGo的主要程式開發者。AlphaGo與李世乭進行5場人機對弈，拿下4比1成績，都是由黃士傑負責在現場替AlphaGo擺棋。
黃士傑今天出席「AlphaGo解密」人機對弈賽後媒體聚會時表示，AlphaGo會變得這麼厲害，是因為有子網路跟策略網路，其中策略網路從大約20萬到30萬的人類棋譜學習，減少搜尋廣度；子網路則在搜尋進行到某種程度時，判斷現在誰處於優勢，可減少搜尋深度。
黃士傑解釋，透過策略網路和子網路，可以將盤面資訊擷取到可以處理的範圍，讓AlphaGo分析出目前最佳的10到20步棋。
他也透露，AlphaGo每天都自己跟自己下棋，讓子網路透過自我對弈成長，從錯誤中學習，因為AlphaGo不會累，每天「下幾百萬盤都沒問題」，這是子網路這麼強大的關鍵。
黃士傑強調，AlphaGo進步的關鍵在於深度學習，若少了策略網路與子網路，就會大大降低棋力，這2大網路加入後，搜尋效能大幅提高，不過團隊一開始也不確定能否成功，也有很多失敗的經驗。
對於外界顧慮太聰明的人工智慧系統最終可能反噬人類，黃士傑表示，這是很多人討論的問題，DeepMind與其執行長也非常重視，不過Google有成立倫理委員會，負責評估人工智慧造成的影響，他相信人工智慧系統是中性的，科技沒有好壞，端看人怎麼使用。
黃士傑說，AlphaGo的下一步還在討論中，DeepMind另有團隊計畫將人工智慧系統發展到醫療應用，例如可透過大數據分析病症，但該專案不是由他負責，他並不清楚具體內容。
對於台灣人工智慧人才的建議，黃士傑表示，台灣很多教授與研究人員實力不輸國外，不過國外研究員的企圖心很強，雖然都是離鄉背井，但是心理上很積極，跟台灣不太一樣。他建議台灣研究人才從小培養英文聽說能力，到了有機會出國做研究的時候，就可以很順利跟各國人才溝通。1050318
本網站之文字、圖片及影音，非經授權，不得轉載、公開播送或公開傳輸及利用。
