人工智慧界的「阿光」,AlphaGo 身邊的代言人:台灣資工博士黃士傑

人工智慧界的「阿光」,AlphaGo 身邊的代言人:台灣資工博士黃士傑

當昨天Master擊敗了中國九段棋手周睿羊之後,一項不多話的Master終於發言在圍棋網站的討論區中說明了自己是誰:我是 AlphaGo 的黃博士,揭露了是AlphoGo在升級之後,再度帶著最新版回來讓人類挑戰。也讓 AlphaGo 確定了依然是目前最強的圍棋人工智慧程式的地位。

黃博士就是黃士傑,被人戲稱為人工智慧界的「阿光」,從當年AlphaGo擊敗歐洲圍棋冠軍樊麾時,就一直擔任AlphaGo的棋手。不過,他也不只是一個人類傀儡而已,同時也是負責打造AlphaGo大腦的團隊核心人物之一。

人工智慧界的「阿光」,AlphaGo 身邊的代言人:台灣資工博士黃士傑

▲之前AlphaGo擊敗歐洲歐洲圍棋冠軍樊麾(左)時,也是由黃士傑(右)擔任人類棋手。

黃士傑,一位熱愛圍棋的資工人

黃士傑是土生土長的台灣人,業餘圍棋六段,台灣師範大學資訊工程系碩士、台灣師範大學資訊工程系博士。他在91年的碩士論文為「電腦圍棋打劫的策略」,99年(西元2010年)的博士論文為「應用於電腦圍棋之蒙地卡羅樹搜尋法的新啟發式演算法」。

他在之前AlphaGo首戰擊敗南韓棋王李世乭之後接受採訪時表示:「deepmind應該是在14年底之前、在AlphaGo團隊出現之前就創建了。我本人喜歡下圍棋,棋力是臺灣業餘六段,去年在德國的比賽我甚至贏過一位日本職業棋手。但AlphaGo肯定是比我強太多了。職業水準的圍棋軟體,應該最慢在1-2年之內就會在市面上普及。」

根據他在論文中表示,雖然電腦圍棋的研究開始於1970年,但是圍棋程式從未被人們認為是強大的。一直到2006年,當「蒙地卡羅樹搜尋」與「樹狀結構信賴上界法」出現之後,才帶來了圍棋程式的革命。

蒙地卡羅是一種大數法則的方法,使用隨機取樣,而不用把所有的可能都估算到。但是當取樣的次數越多,其所得出的平均值將趨近於理論值。這個方式應用在圍棋時,會隨機下子直到盤末,由此依據各點模擬的結果,來對於盤面進行優劣的評估,從中選出最好的下子方式。

這個方法多少帶有點運氣,但是當取樣數量越多的時候,誤差會相對變低。2006 年,法國科學家以蒙地卡羅方式發展出的 Crazy Stone 在 第十一屆電腦奧林匹克 9*9 比賽中獲得了冠軍。

人工智慧界的「阿光」,AlphaGo 身邊的代言人:台灣資工博士黃士傑

而「應用於電腦圍棋之蒙地卡羅樹搜尋法的新啟發式演算法」這篇博士論文的指導教授之一,正是Crazy Stone 的那位法國開發者Rémi Coulom博士。而拿到了博士學位的黃士傑,之後也曾獲2012年臺灣電腦對局學會博士論文獎與2010 年19 路電腦圍棋金牌。

最後,值得一提的是,在這份2010年他才發表的博士論文摘要中,有這樣一段話:

「雖然電腦圍棋的研究開始於1970年,但是圍棋程式從未被人們認為是強大的。一直到2006年,當「蒙地卡羅樹搜尋」與「樹狀結構信賴上界法」出現之後,才帶來了圍棋程式的革命。人們才開始相信,圍棋程式在10年或者20年之後,將能夠擊敗頂尖的人類棋手」

現在,這份論文才發表不過6年的時間,他就親手把自己的預言給打破。

而在2016年3月,他在AlphaGo最終以4:1的佳績戰勝南韓棋王李世乭之後,也回到台灣,在台灣的Google總部舉辦了一次講座,在講座上說明了AlphaGo的人工智慧系統。

圍棋歷史悠久且難度高,一度成為人工智慧夢靨

黃士傑博士提到圍棋已有3000年的歷史,匯集了中國源遠流長的文化大成於一身,古稱琴棋書畫的「棋」就是指圍棋,全世界下圍棋的人數總共有4000萬人,他本身也是業餘六段的圍棋棋手。圍棋的難度在於它的複雜度很高,雖然規則簡單,但卻有10的170次方可能的盤面,變化總數比全宇宙的原子數還多,若真的要探究第一步最好的棋應該下在哪個位置,需要考慮到的變化基本上就是天文數字,所以圍棋被視為人工智慧的大挑戰。下圍棋需要棋手的直覺和計算能力,所以用電腦下圍棋非常困難,甚至可視為人工智慧的夢靨,自從1997年IBM的深藍打敗世界西洋棋王後,圍棋成為僅存尚無法突破的遊戲,而這次的勝利就是一個很大的突破。

黃士傑博士舉例說明西洋棋棋盤上有80個點,下第一步後還有79個點,而圍棋則有361個點,第二步棋就必須思考360個點,若一盤棋平均有150步,總盤面大概就是10的360次方,即使用電腦去暴力窮舉也可能幾億年都窮舉不完,因此困難處在於電腦找不到最佳解,最後考慮到圍棋除了計算以外的直覺特性,並利用這個特性來解決圍棋的難題。

人工智慧界的「阿光」,AlphaGo 身邊的代言人:台灣資工博士黃士傑

黃士傑博士解析AlphaGo。

AlphaGo的厲害之處在於它與深度學習結合

AlphaGo能夠打敗職業九段的關鍵在於它有兩個主要的網路:策略網路和值網路,舉例來說,360個棋步中,策略網路會找出前20個最好的棋步,剩下的340步就可以不必考慮,而AlphaGo從人類的2、30萬個棋譜當中去學習最好的20個棋步,因此AlphaGo是吸取前人所有的成果,並非排除人類的研究成果。

值網路則是做為判斷盤面之用,在搜索到某個點的時候來判斷優勢方為何。總結來說,策略網路只需要思考20步,因此可以減少搜索的廣度;而值網路透過搜尋前面幾步來得知優勢或劣勢,故大幅減少搜索的深度,這就是AlphaGo成功的祕訣,AlphaGo也會藉由每天與AlphaGo的對弈來做強化式學習,以提升自身能力。

人工智慧界的「阿光」,AlphaGo 身邊的代言人:台灣資工博士黃士傑

▲黃士傑博士解說策略網路及值網路。

針對一些賽後引起討論的疑問,黃士傑博士也做出回應,他表示AlphaGo賽前並沒有針對李世乭九段做任何特別的訓練,賽前也不會知道勝率有多少,必須在比賽開始後才會收集到足夠的資訊對棋局做出判斷,雖然在現場下棋的黃士傑看不到,但後台會有個圖表顯示勝率,若勝率低於20%,AlphaGo就會做出投降的決定。

值得一提的是,當初AlphaGo在第四局吞下敗仗,當時黃士傑表示開發團隊正努力地在尋找詳細的原因。而從這次AlphaGo取得的驚人戰績來看,顯然開發團隊的確是有了相當的突破。

 

資料整理自:

使用 Facebook 留言

發表回應

謹慎發言,尊重彼此。按此展開留言規則