壹前言一研究動機目前在台南市有許多圍棋比賽, 例如 : 台南市議長盃圍棋比賽, 就在我們所熟知的台南高商校內舉辦, 能看到選手們不分年紀互相角逐, 我們覺得非常感興趣在加上今年 3 月在南韓首爾四季酒店,Google 人工智慧 Alpha Go 與南韓棋王李世乭九段的圍棋比賽, 更是一場舉

Size: px

Start display at page:

Download "壹前言一研究動機目前在台南市有許多圍棋比賽, 例如 : 台南市議長盃圍棋比賽, 就在我們所熟知的台南高商校內舉辦, 能看到選手們不分年紀互相角逐, 我們覺得非常感興趣在加上今年 3 月在南韓首爾四季酒店,Google 人工智慧 Alpha Go 與南韓棋王李世乭九段的圍棋比賽, 更是一場舉"

浙胞谷
5 years ago
Views:

1 投稿類別 : 資訊類篇名 : 圍棋棋士的終極挑戰 -Alpha Go 作者 : 黃婷鈺台南高商國貿三甲郭宣妤台南高商國貿三甲指導老師 : 黃秀印老師

2 壹前言一研究動機目前在台南市有許多圍棋比賽, 例如 : 台南市議長盃圍棋比賽, 就在我們所熟知的台南高商校內舉辦, 能看到選手們不分年紀互相角逐, 我們覺得非常感興趣在加上今年 3 月在南韓首爾四季酒店,Google 人工智慧 Alpha Go 與南韓棋王李世乭九段的圍棋比賽, 更是一場舉世矚目的人機大戰這項發明在更是在國際圍棋界造成一股轟動, 所以, 我們想著手研究 Google 研發的人工智慧 -Alpha Go 二研究目的隨著科技的日新月異, 人工智慧一一的興起, 也有許多人著手於人工智慧相關的研究, 將此技術運用在人類的各項領域中在棋藝方面, 最早的 Deep Blue( 深藍 ), 在 1997 年擊敗西洋棋高手後,waston 也接著問世, 直到今年又有一項新的突破, 那就是 Google 人工智慧 Alpha Go 藉著此研究我們想了解 Alpha Go 的運作及執行方式三研究方法 ( 一 ) 文獻分析法 : 從書籍期刊及網路蒐集人工智慧 Alpha Go 的相關資料, 經過整理分析後, 歸納出人工智慧 Alpha Go 的運作及執行方式 ( 二 ) 面談法 : 透過與三位棋士的訪談, 來了解棋士們對人工智慧 Alpha Go 的看法及想法四研究流程確定研究主題蒐集相關資料選定研究方法設計訪談問題訪談棋士彙整訪談內容資料整理與分析貳正文圖一研究流程圖一從圍棋說起 1

圍棋也稱奕碁奕棋, 其西方名稱 go 為日文翻譯而來教育部重編國語辭典修訂本網路版 (2007) 所述 : 圍棋是一種棋藝, 相傳為堯所發明 ; 棋盤上縱橫各有十九道線, 相互交錯成三百六十一個點, 雙方分持黑白棋子著於點上, 用以圍攻對方, 凡被包圍, 而無活路者, 則為對方所吃, 最後再視所占之點的多寡來決定勝負圖二圍棋應具備物品二何謂 Alpha Go Alpha Go

3 圍棋也稱奕碁奕棋, 其西方名稱 go 為日文翻譯而來教育部重編國語辭典修訂本網路版 (2007) 所述 : 圍棋是一種棋藝, 相傳為堯所發明 ; 棋盤上縱橫各有十九道線, 相互交錯成三百六十一個點, 雙方分持黑白棋子著於點上, 用以圍攻對方, 凡被包圍, 而無活路者, 則為對方所吃, 最後再視所占之點的多寡來決定勝負圖二圍棋應具備物品二何謂 Alpha Go Alpha Go 顧名思義, 它是一套專門研究圍棋的一項人工智慧, 主要是由四個系統組成, 分別是策略網路 (Policy Network) 快速走子(Fast Rollout) 價值神經網路 (Value Network) 蒙地卡羅樹狀搜尋(Monte Carlo Tree Search,MCTS) Alpha Go 更能利用深度學習的技巧, 憑藉著強大的資料庫, 透過與自己進行虛擬棋局訓練, 藉此提高自己的棋藝 ( 一 ) 策略網路 (Policy Network) 隨機預測下一步走法, 演算出 361 種可能, 對所有演算結果評分選出最有利的一步由於這種方法是隨機的, 因此並沒有價值判斷能力, 錯誤率也相對比較高, 而且需花費較多時間演算, 所以又發展出第二種系統 ( 二 ) 快速走子 (Fast Rollout) 圍棋需要透過模擬走子來計算出下一步的走法, 所謂的模擬走子, 簡單來說就是品質高但速度慢, 準確度方面較高, 但運算的時間相對較久另一種方式是類比走子, 時間相對模擬走子快, 而且會進行多次運算, 取它的平均值, 所以結果未必不佳但如果能運用以上兩種方法, 速度和品質都能達到雙贏的效果 2

( 三 ) 價值神經網路 (Value Network) 這個系統單用的話, 其實效果不如快速走子來的好, 須一起使用兩種系統, 才能達到最大的功效, 因為價值神經網路比較適合剛開始較緩和的步法, 而快速走子適合比賽高潮時較激烈的走法, 所以兩種方法的結合, 能發揮兩者的最大功效 ( 四 ) 蒙地卡羅樹狀搜尋 (Monte Carlo Tree Search,MCTS)

4 ( 三 ) 價值神經網路 (Value Network) 這個系統單用的話, 其實效果不如快速走子來的好, 須一起使用兩種系統, 才能達到最大的功效, 因為價值神經網路比較適合剛開始較緩和的步法, 而快速走子適合比賽高潮時較激烈的走法, 所以兩種方法的結合, 能發揮兩者的最大功效 ( 四 ) 蒙地卡羅樹狀搜尋 (Monte Carlo Tree Search,MCTS) 理論上可以利用人工智慧去探索所有可能的落子, 但圍棋的複雜度大到比我們認知的宇宙粒子還多, 蒙地卡羅樹狀搜尋法像是一個箱子, 把以上三種方法放入其中, 形成一個強大的系統, 可以讓系統本身評估勝率最高的落子, 省略許多無理落子的推算, 大大強化演算的速度三 Alpha Go 的幕後推手來自台灣隨著 Alpha Go 的出現, 背後強大的研究團隊也被大家拿出來討論其中最大功臣竟然和我們來自同一國家! 他是黃世傑, 畢業於台灣師範大學資工研究博士, 本身熱愛圍棋的他, 也有圍棋業餘六段的資格他原本屬於 Deep Mind 的研究人員, 後來被 Google 收購, 正式成為旗下的研究員他曾經開發過一款圍棋人工智慧 Erica, 打敗當時人工智慧領域裡最強的 Zen, 他就是 Alpha Go 的雛形圖三黃世傑 ( 台灣, 左 ) 協助 Alpha Go 放置棋子與李世乭 ( 右 ) 對戰的情況四 Alpha Go 和深藍 (Deep Blue) 的比較深藍是一台研究西洋棋的人工智慧, 是電腦公司 IBM 所製造, 曾經打敗西洋棋冠軍卡斯巴洛夫但圍棋的變化又比起西洋棋更為複雜, 深而廣的圍棋一直 3

5 是人類引以為傲的智力競技運動因此打敗圍棋冠軍, 一直是科學界發展人工智慧的指標下圖為 Deep Blue 和 Alpha Go 的分析表一 Deep Blue 和 Alpha Go 的分析深藍 (Deep Blue) Alpha Go 領域西洋棋圍棋組成系統平行運算及 480 顆超大型積體電路蒙地卡羅樹狀搜尋及兩套類神經網路打敗對象卡斯巴洛夫李世乭發明時間 1992 年 2016 年棋局複雜度 10 的 123 次方 10 的 360 次方五戲劇性的棋局變化前三局 Alpha Go 都輕鬆得贏過李世乭, 但在第四局下到 78 手的時候, 李世乭下出了 Alpha Go 意料外的一步, 接著 Alpha Go 下出了一連串不符合水平的嚴重失誤, 因此輸了這局外界開始討論 Alpha Go 是否有對韓國選手李世乭放水? 根據 Alpha Go 本身的計算幾乎不可能出錯, 所以在圍棋界有幾種不同的推測 ( 一 ) 有一種說法認為這是 Google 送給李世乭的禮物, 這天剛好是他結婚十周年 ( 二 ) 也有人認為跟據世界圍棋排名規定, 如果一名選手從未遭受失利, 就無法進入排名所以為了能在世界排名上有一席之地,Alpha Go 只好以輸一場的方式出現在世界排名上, 賽後位居世界第四名 ( 三 ) 另一種說法認為 Alpha Go 不可能會故意放水, 這也是中國圍棋界科學界專業人士大部分所認同的因為李世乭在走第 78 步的時候, 走出 Alpha Go 不能計算的地步, 直到後來才反應過來, 當出現這種超出它計算範圍的情況時,Alpha Go 就會不知所措, 亂了手腳, 導致後來會以 4:1 輸一場的場面獲勝 ( 四 ) 南韓圍棋界也有人評論 Alpha Go 有作弊的嫌疑, 之前深藍 (Deep Blue) 比賽西洋棋時並未連接網路, 他們認為 Alpha Go 是搜尋了李世乭以往下過的棋譜來預測他下一步的走法這種說法最不被人同,Alpha Go 是採用分散式架構, 他連上的網路是內部區域網路, 並非搜尋外部網路 4

圖四 2016-11-04 Alpha Go 的世界排名資料來源 : http://www.goratings.org 六訪談資料與整理關於 Alpha Go 打敗李世乭九段, 我們設計了以下問題, 訪問了三位圍棋老師, 分別是 A 為職業六段棋士,B 為業餘四段棋士及 C 業餘三段棋士本訪談訪問內容及資料整理如下 : ( 一 ) 問題一 : 對 Alpha Go 是否有基本的了解?

6 圖四 Alpha Go 的世界排名資料來源 : 六訪談資料與整理關於 Alpha Go 打敗李世乭九段, 我們設計了以下問題, 訪問了三位圍棋老師, 分別是 A 為職業六段棋士,B 為業餘四段棋士及 C 業餘三段棋士本訪談訪問內容及資料整理如下 : ( 一 ) 問題一 : 對 Alpha Go 是否有基本的了解? A 回答 :Alpha Go 是一套超強圍棋軟體 B 回答 :Alpha Go 是 Google 工師所研發的圍棋軟體 C 回答 :Alpha Go 是一套超強電腦 ( 二 ) 問題二 : 此次人工智慧戰勝棋王, 此事你覺得對圍棋界有何影響? A 回答 : 有很大的震撼, 不但使更多人想知道圍棋, 窺探圍棋的奧秘人工智慧的運算也可做更廣泛的運用如 : 醫學 B 回答 : 設計者頭腦非常厲害, 對一般棋手來說並無影響但對高段棋士而言, 卻是非常令人震驚的 C 回答 : 太震驚了如果人腦比不過電腦, 這是令人感到非常挫折的事情 ( 三 ) 問題三 : 如果 Alpha Go 普及的話, 你是否想跟它一較高下? A 回答 : 先談到普及不太容易, 要很大的運算基礎, 他後台有八百多 5

7 台電腦如果玩一玩倒可以, 輸贏已不計較了 B 回答 : 有機會的話非常樂意 C 回答 : 不了,Alpha Go 太強了, 我已知道結果參結論雖然我不太會下棋, 但是人腦輸給了電腦, 還是很懊惱但由於現在科技的興起, 人工智慧領域在生活中也占了越來越重要的地位, 有研究棋藝的深藍 Alpha Go, 還有更多帶給生活便利的工具, 如日本研發具有陪伴的療癒風格以及唱歌跳舞玩遊戲及開電視等多項功能的智慧型機器人 Robi 人工智慧的獲勝讓人類對於 Google 新開發得無人駕駛汽車更有信心, 或許比較能減少交通事故的發生創新工場董事長李開復近日的演講當中, 提到 10 年後, 大部分的工作都會被人工智慧所替代 Alpha Go 的發明已經接軌到深度學習的階段, 而這在人工智慧領域當中, 佔了一席之地李開復也推斷說, 只要協助 Alpha Go 發展深度學習, 未來這項技術也可以運用在醫療方面等較困難的領域今年 Alpha Go 的獲勝在圍棋界投下了一顆震撼彈, 高段棋士們都磨拳擦掌躍躍欲試, 世界第一棋士柯潔 ( 中國 ) 已向 Google 下戰帖, 等著和 Alpha Go 一決勝負然而如同我們訪問的職業棋士六段所說 : 今後人類在單純勝負外, 是否要更珍惜其他的價值? 我認為人工智慧逐漸發達, 我們更應該成為一個無法被電腦取代的人, 而且在道德和智慧上也要更加提升, 人類才有辦法駕馭科技肆參考資料范疇 (2016) AlphaGo 的哲學啟示今周刊陳俊嶧 (2010) 一個蒙地卡羅之電腦圍棋程式之設計國立交通大學研究所維基百科 -AlphaGo 2016 年 10 月 15 日取自 LGS 新聞部 (2016) Board19 圍棋 News 2016 年 3 月 15 日取自 6

一國家品質 5 10 象 : 8 7 ~ 二卓越中堅企業及重點輔導象遴選 ,

一國家品質 5 10 象 : 8 7 ~ 二卓越中堅企業及重點輔導象遴選 , 貳一國家品質二卓越中堅企業及重點輔導象遴選三工業精銳四金點設計五台灣國際創意設計大賽六資訊服務應用創新競賽七輕金屬創新應用競賽八智慧型機器人產品創意競賽九數位內容系列競賽十手提包創新設計競賽十一時裝設計新人十二全國紡織技術論文競賽一國家品質 5 10 象 : 8 7 ~8 2435 二卓越中堅企業及重點輔導象遴選 101 10 8 200 2,000