AlphaGo 這麼了不起嗎？

數　理　人　文　10 60 棋程式是在數百萬至數十億個棋步及應步的組合中 搜尋。程式的目標是無論對手走哪一步，都要能隨 即找到使我方棋勢（board position）價值極大化的 下一步棋 1。 早期西洋棋程式評估棋勢的概念比較簡單，例如 「一個主教等於三個士兵」，但晚近的程式則融入 更多精細的西洋棋知識。譬如深藍在評估棋勢時， 使用的函數包含了8,000 多個因子。它不會單純將 一個城堡等同於五個士兵，如果城堡前方有同色士 兵阻礙城堡的移動，城堡的子力就會略降。然而， 若這個士兵能「槓桿化」（levered），也就是能藉 由吃掉敵方士兵而打開城堡的動線，深藍會將這枚 士兵視為半透明，城堡子力所受到的影響將會更小。 這樣的概念有賴精細的西洋棋知識，而這正是深 藍成功的關鍵。根據深藍小組的技術報告，將槓桿 化士兵視為半透明的概念，在深藍第二次與卡斯帕 羅夫對奕時起了決定性的作用。 深藍研發人員最終運用了兩大想法。第一，建立 一個融合大量西洋棋精細知識的函數，可用來評估 任何棋勢；第二，運用強大的計算能力分析各種可 能的陣式，找出導向最佳棋勢的棋步。 如果套用這個策略在圍棋上，結果會是如何？ 你會發現執行時有很大的問題。主要問題出在盤 面難以估算。頂尖圍棋棋士通常大量運用直覺來評 估盤面的優劣。舉例而言，他們對於擁有「好形」 的盤面只能提出約略的陳述，這種直覺不容易用簡 單明確的方式表達，和西洋棋計算子力的方式差異 1997 年，IBM 研發的電腦「深藍」打敗西洋棋 世界冠軍卡斯帕羅夫（Garry Kasparov）。這場勝 利當時被廣譽為人工智慧發展的里程碑，但深藍電 腦似乎只會下西洋棋而少有其他功能，電腦科技並 未因此有革命性進展。最近打敗圍棋史上頂尖高手 的人工智慧系統AlphaGo，會有所不同嗎？ 我相信是有的，但原因可能跟你聽到的不一樣。 多數報章引述專家言論，說圍棋比西洋棋困難，所 以這對電腦來說是場了不起的勝仗；也有人指稱原 本預期電腦要再過十年才能打敗人類棋手，因此這 次是一大突破。有些文章則（正確地）觀察到圍棋 比起西洋棋有更多可能的棋步，但並沒有解釋為什 麼這會成為電腦較難以勝過人類的原因。 換句話說，這些論述都沒有觸及核心問題─導 致AlphaGo 勝利的科技創新，是否能有更廣泛的 應用？要回答這個問題，首先需理解，AlphaGo 所 運用的創新科技和深藍系統相較，本質上大為不 同，且重要性更高。 西洋棋初學者首先要知道各種棋子的價值（子 力）：一個騎士或主教相當於三個士兵；城堡的移 動範圍較大，值五個士兵；擁有最大移動範圍的皇 后可抵九個士兵；而國王是無價的，因為輸掉國王 就輸了。 你可以依這些子力來盤算可能的棋步。捨棄主教 來吃掉對手的城堡是個好策略；但只為了換一個城 堡，卻同時捨棄騎士和主教，似乎就不太划算。 子力的概念對西洋棋軟體非常重要。大多數西洋

AlphaGo 這麼了不起嗎？

捕捉人類直覺的圍棋程式可望帶來深遠影響

Quanta是西蒙斯基金會（_{Simons Foundation}）出版但編輯獨立之網路科普雜誌（_{http://www.quantamagazine.org/}），希望能提高數學、物理與

生命科學前沿研究進展的公眾能見度。本文譯自：_{https://www.quantamagazine.org/20160329-why-alphago-is-really-such-a-big-deal/}