編輯曲線 人工智慧的新世紀？

數　理　人　文 1 電 腦 圍 棋 積 累 多 年 的 技 術， 以 及 捲 積 式 類 神 經 網 絡 的 巧 妙 運 用， 充 滿 工 程 師 的 巧 思。 顏 士 靜 的〈 打 開 AlphaGO ！〉幫我們解開迷津，拆解了 AlphaGo 運作 的祕密。 顏 士 淨、 嚴 礽 麒 和 許 舜 欽 合 寫 的〈 電 腦 圍 棋 四 十 年〉，帶領對圍棋程式感興趣的讀者，更加了解電腦圍 棋界這數十年的發展。讀者可以從文中看到臺灣在這方 面的活躍表現。 除了這五篇專輯文章外，其實本期還有幾篇和這個主 題相關的文章。〈人工智慧專家系統之父：專訪涂林獎 得主費根堡之生涯回顧〉。一般認為費根堡提倡的「知 識系統」和「深度學習」屬於南轅北轍的「智慧」詮 釋。但費根堡非常注重實務與經驗，在人工智慧黯淡的 年代，他以「專家系統」為這個領域注入更多的活水。 活躍的深度學習學人尼爾森（_{M. Nielsen）為 Quanta} 撰寫〈_{AlphaGo 這麼了不起嗎？〉討論 AlphaGo 的成就} 與深度學習的未來。另外，針對號稱人類智慧最高境界 的圍棋，曾在媒體撰寫系列圍棋文章的楊芬瑩，以〈輸 給_{AlphaGo 之後〉報導 3 月一戰後人類棋士的反省。} 張復的〈我們還需要康德的先驗概念嗎？〉，以心理 學和神經科學的成果重新檢視康德的時空概念，從科學 證據質疑康德先驗理念的必要性。動物大腦的空間定位 牽涉到神經學習機制，正好呼應了本期深度學習的專題。 最後，我們載完悼念格羅騰迪克（_{A. Grothendieck）} 的〈猶存俠骨齊夷意（下）〉。原文關於他數學成就的 段落，將另期刊登。迪馬澤（_{M. Demazure）在（上）} 中提及格羅騰迪克不重視電腦，並援引費爾茲獎得主渥 伊沃茨基（_{V. Voevodsky）的說法。本期特別翻譯渥伊} 沃茨基的〈數學需要電腦與新數學基礎〉，其中他不只 談數學需要電腦程式，也談到數學需要新基礎。 格羅騰迪克離開_{IHÉS 後的不同數學觀持續茁壯中。} 渥伊沃茨基的工作是其一，望月新一的研究也如此， 「數理簡訊」中談到他_{ABC 猜想工作的現況。}（編輯室） 今年_{3 月，AlphaGo 擊敗韓國九段棋手李世乭，震驚} 了科技界與社會。「人工智慧」、「深度學習」頓時流 行起來。想想我們生活中早已充滿各種智慧裝置，突然 之間，科幻小說或電影中的情節，似乎指日可待。 去年_{27 歲的西洋棋王傳出用 iPhone 作弊的醜聞，放} 在這個脈絡裡，我們是應該以新浮士德的故事看待，還 是得把他視為人機一體的先鋒？現代人本來早已淪入無 網路或谷歌就無法幸福的狀況。如今人工智慧發展加 速，我們難道真的是純粹用大腦規劃、思考、計算的最 後幾個世代？這無疑是愈想愈令人心驚的現象。 以史為鑑，無論「先知」如何警告，科技伴隨它所創 造的「幸福」，步伐只會穩定向前，年輕科技的新鮮、 創新、驚奇總能贏得追隨者。顯然最穩健的反應，還是 先去理解它。本期我們很感謝交通大學的李育杰教授出 面為我們邀得國內人工智慧界學者，製作這個屬於人工 智慧的專題，邀請愛智的讀者一起來理解人工智慧、深 度學習與_AlphaGo。 一般讀者很難想像今日智慧型系統應用的廣度和深 度。劉昭麟和許永真執筆的〈人工智慧面面觀〉從基本 的想法開始，非常寬廣的介紹人工智慧實際應用的各種 層面與可能性。讀完一定會讓您對未來臺灣社會的前景 注入一些新的想像。 深度學習的主流類神經網絡更可追溯到上世紀。當時 的神經網路學習受限於各種軟硬體限制，可謂曇花一 現。但如今軟硬體與各種資料量進展極大，深度學習已 成為機器學習的顯學，李宏毅的〈什麼是深度學習〉用 淺顯的方式，為我們介紹這個重要課題。 深度學習的特性在於其類神經網絡使用了分層的架 構，雖然學理可以證明它等價於單層，但在應用上顯然 有很大的落差。旅美學人郭宗杰的〈關於深度學習網絡 的兩個問題〉，回答了為什麼必須要「深度」才有用？ 以及學習時為何需要非線性激活函數。 許 多 人 好 奇_{AlphaGo 為 何 能 戰 勝 人 類， 這 牽 涉 到} 數　理　人　文 1 編輯曲線

人工智慧的新世紀？