關於 中國圍棋規則 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【當世界棋王遇上人工智慧，難道我們真的會被AI取代嗎？】　
＃採訪筆記 ＃人工智慧
📍完整文章好讀網誌版▶https://reurl.cc/L0Xn27　　
　　
人工智慧這幾年風風火火，近年來對於人工智慧的討論越來越多，也看到更多AI在各產業的應用。　　
　　
我自己在多年前因為專訪知名矽谷創業家馬丁福特，他跟我聊到未來我們的競爭對手將會是人工智慧，以及對於人工智慧將取代許多白領工作，可能會造成社會問題的擔憂(我有寫在書裡)　　
　　
因此，讓我看人工智慧的角度除了科技面，也增加了對於社會面影響的關注。　　　　
　　　　
談到這個又不得不提，多年前在電視台做國際HOT話題節目時，當時正逢AlphaGo與世界棋王們對奕，我緊盯著電視，眼睜睜目睹人類棋王被人工智慧打敗，心中震驚難以言喻，＃畢竟圍棋是人類智慧的象徵，這是否代表著未來人類智慧真的不敵人工智慧？🧐　　　
　　
過了許多年，非常榮幸能在廣播節目《科技領航家》邀請到　＃紅面棋王周俊勳，他是　＃台灣唯一與AI對奕過的棋士，也是至今台灣世界冠軍紀錄保持者，　　
　　
他跟我分享與AI決鬥的那一場戰役，我問他，輸得會不會很冤，為什麼中國棋王柯潔會說一輩子都贏不了AI？人類真的只能輸嗎？🧐　　　
　　
俊勳不疾不徐地跟我分享，其實現在棋士對弈，都找AI來進行練習，不過AI到底是不是靠著大數據與演算法就一定絕對贏，其實還有一些討論的空間。　　
　　
圍棋界中的人工智慧，目前已經發展成三個階段：　　
　　
🔸 2016年AlphaGo：　　
　　
透過已知的規則、圍棋領域的知識，再加上人類過往棋譜資料訓練而成。簡單來說，就是我們一般理解的，AI因為能夠記住更多的棋譜，＃從中去做更多的計算，因此會打贏人類。　　
　　
🔸 2017年的AlphaGo Zero：　　
　　
這時的AI，已經進行嶄新的突破，僅利用已知規則，不需要參考人類過往棋譜，＃僅靠自我學習，也就是自己與自己對奕增強棋力，甚至打贏AlphaGo。　　
　　
DeepMind聯合創始人兼CEO傑米斯·哈薩比斯曾說，AlphaGo Zero「不再受限於人類認知」。簡單來說，AlphaGo Zero的出現代表著AI不再需要參考人類的智慧，不是學習人類，而是靠著自我反思與摸索而超越人類。　　
　　
🔸 2020年最新發表的MuZero：　　
　　
這是最新DeepMind釋出的新技術，MuZero不需要人類給任何規則，在未知的動態環境下就能自動學習規則並作出最佳判斷，＃具有圍棋棋招的自我反思和創造的能力。　　
　　
雖然對於MuZero居然連圍棋規則也不學到底打贏人類是否有意義，還有爭議，不過針對AlphaGo打贏人類，俊勳分享自己輸的那一局的反思觀察，AI雖然確實有些優勢，　　
　　
例如透過棋譜大數據的精準計算，可以預測更遠更廣的棋路，且不帶感情，相對來說也比較穩定，但是真正與人類交鋒決鬥時，不一定會比人類靈活。　　
　　
📣簡單來說，＃AI善於做長期佈局，這使得人類棋士在一開始還搞不清楚時，就掉入AI設計的圈套中，所以後面一路居於劣勢，容易輸棋，也使得人類棋士其實沒有與AI直接交鋒的機會。　　
　　
而人類的優勢，其實是「＃準度」，在複雜棋賽中，會將目標明確地用在計算關鍵的棋，不必像AI計算每一手的樹狀圖分析，因此在面對複雜棋面的　＃肉搏戰階段　時，人類其實勝算比較高。　　
　　
這其實很好理解，AI雖然強大，可以比人類精算出更遠的未來，但可能連三歲小孩都會的吃飯喝水，AI卻不會。　　
　　
🧐　而我們該如何放大身為人類的優勢？　　
　　
俊勳分享，應透過AI輔助，成為更好的、說故事的人，也就是學習駕馭AI，讓AI成為我們的工具，打破「＃以經驗法則指導年輕一輩的舊有思維」，例如現在棋士在訓練時，都會導入AI系統的訓練方法，讓自己更強。　　　　
　　
AI的出現，未來對於我們工作與產業的影響，將會隨著應用層面越來越廣，感受會越來越強，當取代舊有體制與工作的那一天來臨時，希望我們都能不要害怕，也最好能盡早準備，　　
　　
👍學習和理解AI，至少能擁有AI的思維，讓AI成為我們的幫手，這就是人類的勝局。　
　　
🎙更多內容歡迎可以聽這集內容： https://user72908.psee.io/39r55p

紅面棋王周俊勳

--
🎧 楚文的廣播Podcast節目|#科技領航家
✨ 聚焦科技趨勢話題 科技人懂理財 科技人職場衝
IC 之音 FM97.5
首播 每周二18:30-19:00、重播 每周三 08:15-08:45

戰場上的AlphaGo：人工智慧帶來的軍事革命已悄然展開

王臻明 29 Jan, 2021

人工智慧與機器學習，已注定將全面改變人類世界，這幾乎無庸置疑。想當然耳，這也會影響到軍事領域。事實上，人工智慧在軍事領域的發展，可以說是一日千里，雖然在短時間內還不會出現具備人工智慧的機器人士兵，但許多無人載具早已經在使用人工智慧技術。還有更多外界看不到的地方，都因為人工智慧，而開始出現巨大的變革，未來勢必引發新一波的軍事革命。

舉例來說，人工智慧最令人震驚的，是已經能稱霸棋檀，AlphaGo打遍天下無敵手。而美國軍方正利用類似的技術，嘗試發展一套名為GameBreaker的人工智慧系統，來輔助各級指揮官。這套系統利用電腦兵棋模擬的方式，經由機器學習來訓練出最優秀的戰場決策能力，提供各種狀況下的最佳戰術，讓指揮官選擇。等於是參加圍棋比賽時，旁邊有AlphaGo幫忙作弊一樣，這將讓美軍的每一個指揮官，都變成能征善戰的沙場老將。

戰場資訊解讀模式的改變

將人工智慧結合電腦兵棋模擬，不只可以發展輔助決策系統，還能用來分析敵我雙方的缺點，因為電腦的快速運算能力，能同時處理極多的資訊，這是傳統人腦所無法負荷的。今日戰場越來越複雜，各種戰場訊息透過資料鏈、太空衛星或情報系統傳入指揮中心後，常常呈現資訊爆炸的情況。這在二戰時就已經開始出現，在今日的戰爭中變得更為明顯，現在的問題早已變成部隊不缺乏偵察能力，卻難以處理龐大的資訊量。

這是資訊時代的特點，也讓大數據的處理成為最熱門的技術。軍事領域的大數據更為複雜，而且常具備作戰時效性，一旦花費太久的時間處理，再珍貴的情報也會變得一文不值。使用人工智慧來處理大數據，是目前最有效的方法，雖然目前還在起步的階段，但這種技術已逐漸被運用於各個層面。美國軍方也計畫將人工智慧用於資料鏈的後端處理上，以快速分析龐大的資訊，即時過濾出對作戰有用的重要關鍵情報。

人工智慧結合資料鏈，用來分析各種情報，再結合電腦兵棋系統，訓練戰場輔助決策系統，等於大幅減輕了指揮官與作戰幕僚的工作量。也讓作戰指揮體系的運作速度，從過去以天計，或以小時計，變成以分計，甚至以秒計。更重要的是，這種人工智慧系統，未來還能以分散部署的方式，用來協助第一線的作戰人員，如工作量最大的戰機飛行員。

戰機飛行員必需即時接收各種資訊，操作精密電子儀器，決定飛行路線或所採用的戰術，進行空對空作戰或對地攻擊。這需要長期的訓練，才能培養出一個合格的飛行員，甚至還有天份的因素在內。在戰機越來越複雜以後，飛行員的負擔也越來越重，有一段時間F-4、F-14等戰機都採用雙飛行員的設計，以減輕飛行員的負擔。一直要到現代化的航電系統成熟後，才改變了這種情勢。但恢復成一人操控的飛行員，接下來卻要面臨更大的挑戰，因為除了戰場變得更複雜與危險外，還出現了無人機。

無人機雖然是標榜無人操作，不過真正運作時，是用遙控或預先規劃路線的方式來控制。這種方法的最大缺點，就是即時反應的能力差，用於偵察或對地打擊任務時，還能勉強應付，若想要進行空對空作戰，或配合傳統戰機進行各種複雜的空中任務，就顯得有點力有未逮。這當中所缺乏的關鍵能力，除了遙控會有延遲，還有傳統戰機上的飛行員，要指揮這些無人機，必需要處理更龐大的資訊，做出更複雜的決策，這已超出一般人類飛行員的能力負荷。

因此目前各國紛紛在研發、最為熱門的忠誠僚機（Loyal Wingman），其實包含了兩大關鍵部份。一是以人工智慧結合無人機，讓無人機可以自行判斷當前的情況，做出反應，保護傳統載人戰機，並協助執行各種任務。二是將人工智慧技術融入戰機座艙的操作介面中，以協助飛行員處理資訊並進行決策，好指揮這些忠誠僚機。一旦無人機不再需要透過遙控或預先規劃路線來控制，也代表無人機的運用將更有彈性，讓傳統載人戰機的角色大幅改變。

後勤補給型態的變革

人工智慧結合無人載具，可以說是近年來最熱門的研發方向，除了最早出現的無人機以外，正在快速發展的還有無人船、無人潛艇與無人車等。這些無人載具目前多數用於偵察、巡邏或探測等工作，而未來勢必會像無人機一樣，開始配備武器系統，直接參與戰鬥。這除了可以大幅減輕第一線戰鬥部隊的風險與負擔，更重要的一點，是將會全面改寫部隊的後勤支援方式，進而改變戰場的遊戲規則。

俗話說「三軍未動，糧草先行」，後勤能力一直以來，都是決定戰場勝負的重要關鍵之一。但後勤補給的工作，不只枯燥、繁雜又耗費人力，還往往是最被忽視的一環。也因此無人載具與人工智慧技術開始發展後，現階段被認為最有潛力的方向，並不是直接用於戰鬥之中，而是後勤補給的領域，希望能取代傳統人力，來完成這些工作。就以無人地面載具（UGV）來說，現在發展最快的就是無人卡車，與俗稱機械驢子的多功能無人載具。

無人卡車使用的是現在非常熱門的智慧輔助駕駛技術，這主要包括了自動跟車模式（Adaptive Cruise Control , ACC）與車道維持，再加上能閃避障礙與敵人攻擊的偵測與判斷系統。除了可依事先規劃的路線全自動行駛外，未來最有可能的運用方式，是自動跟隨在有裝甲防護的前導車輛後方前進。這樣只需要一組駕駛，就可以操控一整列運補車隊，不止將大幅減輕人力需求，也能降低戰場上的風險。

至於機械驢子並不是真的長得像機械動物，雖然也有類似的系統出現，但目前各國所研發的多功能無人載具，大都採用輪型或履帶系統。最主的功能是可以自動跟隨步兵在各種崎嶇地形前進，可馱運武器彈藥、飲水食物、電池與各種作戰物資，在緊急時還能將傷患自動運回野戰醫院，或自行往返於前線與後方之間，執行作戰補給任務。這除了可以大幅增強士兵的持續作戰能力，也讓部隊在推進時，不必再受到補給線的限制。

過去的傳統部隊架構，有一大部份的人力，要負責情報分析、作戰計畫、後勤補給。人工智慧技術將改變這種情況，讓絕大多數的士兵成為作戰人員。同樣規模的部隊，能實際參與作戰任務的人員，將大幅增加，也因此讓部隊的戰力倍增。再加上情報的快速分析，卓越穩定的戰術選擇，不受天候影響的全自動補給系統，不怕傷亡又可以冒險執行危險任務的各式無人載具。說人工智慧將全面改變傳統部隊的形態並不為過。

可能多數人想像中的人工智慧，仍是手持雷射槍的機器人。這樣的武器或許在五十年後才會出現，今日的人工智慧技術雖然還沒進步到這種地步，不過卻已經勾勒出來未來的戰場形態，並遠遠超過一般人的想像。

台灣在改採全募兵制以後，人力成為了一個重要議題，特別是台灣的人口首度出現負成長，更值得國軍好好思考，如何以科技來釋放人力，在部隊的員額受到限制下，快速強化整體戰力。

人工智慧將是接下來的另一項明星產業，又完全建立在電子晶片上，讓台灣擁有絕對的優勢，政府也已多次宣誓將進軍人工智慧領域。以敵為師，中國特別擅長以軍民合用的方式，來發展關鍵的軍事科技，同時搶占民間市場與強化部隊戰力。台灣在國防預算有限下，也應該考慮如何利用現有的政府資源，在推動民間產業發展時，一併運用於國防領域，以創造雙贏的結果。

附圖：美軍MQ-9無人機。 圖／美國空軍
RQ-4全球鷹無人偵察機。 圖／美國空軍
波音公司忠誠僚機（Loyal Wingman）。 圖／波音官網
美軍在伊拉克曾以無人車進行路障排除任務。 圖／取自DVDIS網站
澳大利亞陸軍試用無人地面載具（UGV）。 圖／取自Asian Military Review

影片：https://youtu.be/pwbLO81faGc

資料來源：https://opinion.udn.com/opinion/story/120873/5213045?fbclid=IwAR1UsXBkDSc4116WrD7D0rqc8mhfkCK4F2_0cWoF1j-CtrsAd1Byoe0_gKw

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。

唯一戰勝 Google 旗下 Deep Mind 公司開發的人工智慧 AlphaGo 的南韓棋王李世乭，宣布將要退休，因為他認為人類永遠沒辦法擊敗人工智慧。

不過演算法不是只會越來越強大，為什麼 AlphaGo 會錯判輸給李世乭呢？

因為AlphaGo 有個叫『隨機森林』的算法，可以預測對手可能會下哪一步，但李世乭這一步下在 AlphaGo 認為對方不可能會去下的那一步，李世乭當時下完這步棋，Alphago 還認為自己的贏面超過八成，繼續往後下了十手之後，Alphago 自己有一個勝率的表，突然開始下降，發現自己處於弱勢了，開始慌張了，於是 Alphago 就開始亂下險棋，出現了連業餘選手都不會犯的錯，想賭李世乭會出錯，最後就輸了。

但 AlphaGo 也從敗給李世乭找到自身弱點，再次強化學習能力。像 AlphaGo 的孿生兄弟 AlphaGo Zero，就是完全不靠任何人類經驗訓練的神經網路，它就是不斷跟自己對戰學習，結果在自學 3 天後，就以 100：0 打敗了舊版 AlphaGo ，自學 40 天後，就擊敗了曾經戰勝中國棋手柯潔的 AlphaGo Master，成為世界上最強的圍棋程式！

雖然未來人類可能再也贏不過AI，不過AI 的加入反而讓圍棋有了更多玩法，這時候 AI 的功能，是在擴展人類棋手的思路，和人類合作一起探索圍棋還未被發掘的領域。

因為圍棋是世界上最複雜的遊戲！是看哪個顏色的棋子，圈出的空間最多，誰就獲勝。聽起來規則很簡單，但實際上卻複雜到不行。

圍棋的棋盤是 19X19，通常一步會有 200 種下法，圍棋變化位置的排列組合一共有10 的 170 次方種可能性，比整個宇宙的原子數ㄅ10 的 80 次方還要多更多！人類通常都只能憑經驗跟感覺判斷，但判斷才是最困難的。剛有說嘛，圍棋的勝負是由最終局時，雙方控制地盤的多寡決定，但棋局進行到一半，雙方的地盤都還沒封閉，怎麽判斷形勢呢？很多職業棋手之間微妙的差異，就是體現在這個判斷能力上。

但就連開發 AlphaGo 的團隊都坦言，AlphaGo 面前的最大問題，和人類棋手是一樣的，就是圍棋太難了，還有規則中的規則，例如優勢、虧損、打劫，雖然 AlphaGo 的勝利或失敗，完全取決於這些機率的估計是否準確，但計算力還遠遠達不到『最優解』的程度。目前AlphaGo 團隊的做法是，讓AlphaGo學習像人類棋手一樣，去選點和判斷。

當機器把一件事情做得比人類好時，我們還能做什麼？
你對棋王退休有什麼看法？快和我們一起分享！

---------
《#范琪斐ㄉ寰宇漫遊》每週四晚間十點在寰宇新聞播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐ㄉ寰宇漫遊 🔔https://reurl.cc/ZvKM3 十點半準時上傳完整版！

金承俊國際圍棋道場 菅野裕樹
創立一間公司，就像開始下棋時的佈局一樣，要把將來的方向、方針、大局觀，都考慮得很仔細，深思熟慮才可以行動，因為走錯步就不能回頭。而經營一盤生意也如弈棋般，要就當時的情况作最好的決定，當行錯棋時則立即作出修正，希望盡快令全盤棋局恢復平衡，其實這道理做人如是做生意如是。

金成俊國際圍棋道場由前亞運南韓代表隊兼擁有職業九段的金承俊先生於2011年創辦，是南韓首家國際化的圍棋學院，而香港則有幸成為旗下首家海外分校的開設點，其院長菅野裕樹先生雖然年紀輕，卻是一位資深的圍棋棋手，他早於小學時期已經開始接觸圍棋，後來卻因為學業問題曾經把圍棋放下。「當我入讀大學建築系的時候，發現原來韓國的明知大學有圍棋學這一科，突然回想起小時候曾經很喜歡圍棋，當時想，如圍棋為成為我的事業，成為一本學術研究項目之餘，亦可能會在香港帶出一個新市場，於是我放棄了香港的建築系學位課程，遠赴了韓國，去完自己的童年夢想。」

明知大學是全球第一所提供圍棋學學位的學府，科目包括圍棋的實戰理論，除了提升對弈技術，還學到心理學，教育論等等與圍棋有關的範疇。菅野裕樹先生在韓國留學期間除了上課，還會到當地的圍棋學校觀摩，於機緣巧合之下認識金承俊老師，他是韓國職業九段棋手，同時亦是韓國國家隊代表兼領隊，及後更有幸跟金承俊老師研習棋藝，而從金老師身上，菅野先生的圍棋技術得到很大的提升和啟發。

於明知大學圍棋學學位課程畢業後回港，菅野先生亦先後在不同的棋院及棋藝學校工作，可是市面上流行的經營模式卻與菅野先生心中的截然不同，而且他也發現香港的圍棋水平比落後於其他地區，於是就令菅野先生萌起開設自己的圍棋道場，將韓國有系統的圍棋學所學帶來香港，從而可更有效地提高香港人的水平和對圍棋的興趣。

理想總是高高在上，可以現實卻是大家每天都要面對，菅野先生可以堅持自己的夢想，擁有自己的圍棋道場，是一件令很多人夢寐以求的事，究竟這位金成俊國際圍棋道場香港分校校長與圍棋有什麼淵源呢？菅野先生表示雖然自己讀書時代參加了其他球類校隊、田徑隊、泳隊、管絃樂團，可是回家後想著的就只有圍棋的棋盤；甚至長大後放低了樂器和各式各樣球類運動，但只有圍棋多年來仍不離不棄，所以家人都一直非常支他捉圍棋，不過之後學業日益繁重，故於圍棋上花的時間亦較從前少。

由於自己學校成績一直不錯，其中有關室内設計的科目亦名列前茅，所以大學時菅野先生便順理成章選擇建築系。可是入讀後發現原來韓國明知大學場的圍棋學學位課程，在思前想後下，覺得自己原來對建築興趣並不如之前想像的大，菅野先生知道自己的心仍然留在圍棋上，所以幾經掙扎下終於下定決心與家人商量都放棄香港的建築系，改投名知大學的圍棋學系。「這是一個非常重大的決定，因為一來建築系是其中一個大學發夢都希望可入讀的學系，二來韓國的圍棋學位課程對香港人而言是非常冷門，而且香港從來沒有人修讀過，有點像「白老鼠實驗」般。加上始終出國讀書的財政負擔會令家人擔心，所以這個家庭會議都經歷了一段時間，家人才支持我的決定。」菅野先生認為其中一個成功遊說家人的原因是自己的成績不錯，所以明知大學願意提供七成的獎學金，變相令學費跟香港的大學看齊，而且我對圍棋的熱愛亦感動了家人，所以最終決定讓我去韓國修讀這個前無古人的圍棋學學位。

菅野裕樹先生除了是金承俊國際圍棋道場香港分院院長，同時是香港圍棋協會的董事，他本身亦是香港圍棋代表隊成員，曾代表香港到世界各地比賽。多年與圍棋作伴，令菅野先生最難忘最深刻的就是當年以觀眾身份於韓國參加了一個Samsung Cup的職業圍棋賽。正常而言此類大型比賽一般人士不能進場，但由於金承俊老師關係，他有幸到場觀摩，甚至進入場內的研究室以第一身參與中國及韓國國家隊的比賽研究會議，每當比賽完結他們都會回到研究室，這種大場面很多香港棋手甚至其他國家的棋手都很少可以接觸到，所以是次經歷令菅野先生歷歷在目。

菅野先生隨了將在圍棋上於韓國的所見所學帶回香港，同時亦與其母校合作，讓金承俊國際圍棋道場香港分院的一系列教材，由段位課程甚至Playgroup課程均由韓國明知大學設計，定制出適合香港小朋友的課程，另外韓國職業九段棋手兼韓國國家隊代表及領隊的金承俊亦定期訪港，菅野先生表示於香港的職業棋手大概不多於5人，更加沒有達到世界級水平的棋手，所以金老師會定期來香港並親身指導香港分校的學生，對香港圍棋界及棋手是一種福氣，這也是金承俊國際圍棋道場香港分院的最大優勢。

另外，香港大部份的棋院都是以補習社形式，上課一小時，下課就到第二班，菅野先生覺得這種流水作業的學習模式亦是令香港整體圍棋水平不能提高的原因之一，所以菅野先生希望可以在有系統的教材底下能夠提升學生興趣之餘同時升他們的水平。其圍棋道場亦提供一個空間讓學生們隨時能夠下棋對弈，或看看韓國的圍棋比賽直播，又或者參閱有關圍棋知識的書籍，讓金承俊國際圍棋道場成為熱愛圍棋的朋友有個聚腳地。

雖然圍棋是一個規則很簡單的遊戲，但一些深層次的理論需要有一定水平的導師教授，所以菅野先生對師資的要求亦比較嚴格，金承俊國際圍棋道場的導師基本都達到段位水平，同時道場亦定期向老師們提供合適的進修課程，一起研究職業棋譜，而導師們的進修課程棋局也會讓金老師及其他幾位職業老師作出評價，從而提升導師的技巧及經驗。

除了一般圍棋課程之外，金承俊國際圍棋道場亦設有兒童圍棋班和圍棋Playgroup，因為有大學研究指出圍棋並不只適合成年人的遊戲，其實年紀越小的小朋友去學圍棋就越早能夠訓練不同方面的能力。圍棋本身就可以訓練邏輯思維、集中力、判斷力、觀察力甚至勝負心。對弈不外乎贏或輸，要做到「勝不驕、敗不餒」，亦要從錯誤中學習，是訓練小朋友心態的理想方式。圍棋還可以訓練抗逆能力，因為下棋可能會處於劣勢，往往要思考如何反勝，找出對方的錯處，而不是少少挫折就立即放棄。此外，每下一局圍棋都需要一定時間，如果小朋友下棋時能夠穩坐半小時都有一定難度，但大部份圍棋學生都能夠做到，這些種種都是圍棋的魅力。

對於金承俊國際圍棋道場未來的發展，菅野先生指出自己和金承俊老師有著同一的心願，就是希望金承俊國際圍棋道場能夠令圍棋在香港更加普及，令更多香港人認識圍棋這項活動，未來可以舉辦大大小小的比賽令社會更關注圍棋的發展。

聯絡︰
地址︰香港觀塘成業街10號電訊一代廣場29樓D1室
電郵︰info@bibabaduk.com.hk
電話︰37088135
Whatsapp︰51718979

開放時間︰
10:00am-7:00pm
星期二至日(公眾假期除外)