發佈日期:2018-08-08

AlphaGo之後:淺談人工智慧科技的社會影響

作者: 湯凱傑

前瞻資訊 人工智慧 圍棋 阿爾發圍棋 AlphaGo Artificial Intelligence Go Game AlphaGo

文章圖片所有權: https://ppt.cc/fbKzDx ,Created by OrcaTec
版權適用聲明: CC0 Public Domain-可以做商業用途-不要求署名

2

2016年3月,由Google DeepMind公司所開發的人工智慧圍棋程式AlphaGo,在公開比賽中擊敗了當代圍棋界傳奇性棋手李世乭。這個事件被視為是人工智慧擊敗人類智慧的象徵,在國際上引起了廣泛的熱議。而隨著事過境遷,人們對此的關注也逐漸消散,且多半僅留下電腦再一次擊敗人腦的簡單印象。然我們若進一步觀察該事件的後續發展,將會發現人工智慧在圍棋相關社群中所產生的影響正方興未艾。

3

本文將追蹤這一事件的後續發展,透過文獻蒐集與專家訪談 1 ,試圖了解人工智慧圍棋程式對於當前的圍棋社群產生哪些影響,並進而推論當人工智慧科技應用至其他領域時,可能會發生之情景。

4

一、Alpha Go出現之後的圍棋人工智慧發展情形

5

首先,讓我們大略回顧一下從AlphaGo橫空出世後所發生的一連串與圍棋人工智慧相關的事件。從表1可以看到,自DeepMind發表了AlphaGo的論文之後,便陸續開始有企業與學研單位在該基礎上致力於圍棋人工智慧的研發與創新,逐步提升人工智慧的圍棋棋力,並大量透過與職業棋士間的對局或不同人工智慧之間的對局來加以驗證,現已呈現百家爭鳴的局面;至目前為止,實力達到或超越頂尖職業棋士水準的圍棋AI,除AlphaGo之外,已有「絕藝」、「DeepZenGo」、「CGI」、「鳳凰圍棋(PhoenixGo)」、「星陣圍棋」、「Leela Zero」、以及「ELF OpenGo」等各家,其他如「天壤」、「AQ」、「石子旋風」等也都具備了職業水準的實力。

6

表1 AlphaGo之後的圍棋人工智慧大事紀

日期 事件
2016/1/27 DeepMind於《Nature》期刊上發表〈Mastering the game of Go with deep neural networks and tree search〉論文,內容公布AlphaGo中以5:0擊敗職業棋士樊麾,為史上首次人工智慧戰勝職業棋士。
2016/3/9~15 AlphaGo以4:1擊敗李世乭,獲韓國棋院授予職業九段。
2016/8/23 中國圍棋AI絕藝於騰訊野狐圍棋網路對弈平台戰勝職業棋士,成為AlphaGo之後第一個達到職業水準的圍棋AI。
2016/11/19~23 DeepZenGo於第2屆圍棋電王戰中分先以1:2不敵職業棋士趙治勳。
2016/12/29~2017/1/4 AlphaGo以「Magist」與「Master」等帳號在網路上對戰各國職業棋士獲60連勝。
2017/3/18~19 第10屆UEC杯世界電腦圍棋大會,絕藝與DeepZenGo分獲冠亞軍。
2017/3/21~23 日本舉辦世界最強棋士決定戰,參賽者包括DeepZenGo、中國棋士羋昱廷、日本棋士井山裕太和韓國棋士朴廷桓;DeepZenGo最終獲得第三名。
2017/3/26 第5屆日本圍棋電聖戰,DeepZenGo與絕藝均戰勝日本職業棋士一力遼。
2017/5/23~27 烏鎮圍棋峰會,AlphaGo以3:0擊敗柯潔,獲中國圍棋協會授予職業九段。會後DeepMind宣布AlphaGo將退役,不再參加任何圍棋比賽,並公開50局AlphaGo內部自我對弈棋譜。
2017/6/19~21 DeepZenGo獲外卡參加第3屆「MLILY夢百合杯」世界圍棋公開賽,於64強戰中戰勝韓國棋士申旻埈、32強戰負於中國棋士王昊洋。
2017/7/12 義大利國際IEEE FUZZ會議的人機圍棋賽中,由交通大學研發的圍棋程式CGI以2:0擊敗職業棋士周俊勳。
2017/8/17 中信證券杯首屆世界智慧型圍棋公開賽,DeepZenGo、CGI與絕藝分獲冠亞季軍。
2017/10/18 DeepMind於《Nature》期刊上發表〈Mastering the game of Go without human knowledge〉論文,公開其不仰賴人類圍棋知識版本的AlphaGo Zero實力超越之前各版本的AlphaGo。
2017/10/22 紀錄片《AlphaGo世紀對決》在台上映。
2017/11/17 具職業級實力的家用版圍棋軟體Zen7公開發售。
2017/12/9~10 2017圍棋AI龍星戰,絕藝、DeepZenGo、天壤分獲冠亞季軍。
2017/12/11 DeepMind推出圍棋教學工具 AlphaGo Teach。
2018/1/9~17 絕藝在網路對局中對眾多職業棋士授二子獲29勝4負,遭擊敗者包含柯潔等一流職業棋士。
2018/3/24~4/7 圍棋電王戰總決賽三番棋,DeepZenGo負於中國棋士羋昱廷並擊敗韓國棋士朴廷桓與日本棋士趙治勳;DeepZenGo於賽後宣佈正式引退。
2018/4/27 「貝瑞基因杯」2018世界人工智慧圍棋大賽,PhoenixGo、絕藝與Leela Zero分獲冠亞季軍,另星陣圍棋在同時舉辦的人機大戰中戰勝柯潔。
2018/5/2 Facebook公布開源其圍棋程式ELF OpenGo,並說明該程式與韓國職業棋士金志錫、申真諝、朴永訓及崔哲瀚對戰獲14勝0負,以及與最強的開源電腦圍棋程式LeelaZero對戰獲200勝0負。
2018/5/11 PhoenixGo宣布開源。
2018/6/23~7/31 2018騰訊世界人工智慧圍棋大賽,共計11款高水準圍棋AI參賽,最終由絕藝與星陣圍棋分獲冠亞軍。
7

與此同時,一股圍棋AI普及化的風潮也逐漸開展。由「DeepZenGo」同一公司所發售的「Zen 7」家用版圍棋軟體,已大約具備職業等級的實力,圍棋愛好者均可輕易於市面上購得,在家自行享受與職業級棋手對局的樂趣。而「Leela Zero」、「ELF OpenGo」、及「鳳凰圍棋」等AI的陸續開源,也使愛好者能夠在提升自家電腦配備的前提下,獲得不下於一流職業棋士實力的人工智慧指導,目前甚至已有職業棋士運用這些開源軟體來進行自我訓練 2 。除此之外,也開始有新創企業運用這些人工智慧技術開發出教學應用產品 3 ,使圍棋學習者可以有更貼近其需求的圍棋人工智慧服務。

8

由此看來,圍棋AI的發展並未隨著AlphaGo的淡出舞台而停止,而是同時朝著普及與實力提升兩個方向持續進展著。而在這樣的情形下,既有的圍棋相關社群又受到那些影響呢?以下我們從勞力取代與決策權讓渡等兩個角度來進行觀察與推論。

9

二、AI會搶走誰的飯碗?

10

隨著人工智慧技術的蓬勃發展,近年來已有越來越多文獻談到其對人類勞動力的取代議題。部分人士對此抱持憂慮,認為人們現有工作職位中的大部分將會被AI取代,進而引發失業或分配不均等問題;另也有部分人士樂觀看待之,並認為AI科技發展下所衍生的新工作職位足以彌補其所替代的工作職位數量(吳悅,2018)。那麼,在圍棋社群中,AI的出現對於勞動情形究竟有何影響呢?據了解,該社群中能見度較高且較可能與AI產生關係的工作職位,便是職業棋士與圍棋教師。職業棋士的主要收入來源是對局和比賽獎金,而圍棋教師則是仰賴教學收入;此外,有很多職業棋士也同時扮演圍棋教師的角色。

11

在職業棋士方面,我們可以看到圍棋界已開始嘗試讓AI參加原本僅限人類棋手參加的世界圍棋大賽,例如於2017年6月舉辦的「MLILY夢百合杯」世界圍棋公開賽即開放DeepZenGo以外卡身分參賽。此類情形若在未來成為常態,則將可能壓縮棋士參加比賽獲得收入的機會。不過,由於目前AI的圍棋實力與頂尖職業棋士相比,已保持一段穩定領先的差距,因此未來各大比賽中為AI提供參賽名額的可能性並不高。由此看來,職業棋賽的競賽收入似不會受到AI的直接衝擊。不過,往昔頂尖職業棋士間的對局棋譜,多被圍棋社群視為人類巔峰智力的展現,並成為業餘棋迷們學習與崇拜的對象;而今人工智慧的圍棋實力普遍超越頂尖棋士,是否可能使得職業棋士光環不再,並使棋迷們轉向追逐AI的對局棋譜呢?確實,我們看到各種線上與線下的AI相關比賽對局持續受到大量棋迷關注,雜誌與書籍等出版物也樂於刊載AI與人甚至是AI之間的對局棋譜 4

12

在這種情勢下,開始有若干職業棋士主張應重新尋找自我定位。例如受訪專家之一即認為,至今為止絕大多數的職業棋士都把自己定位為圍棋技術的提供者;然而當前AI的圍棋技術已遠遠超越人類,那麼棋士這樣的自我定位必然會被AI取代。有鑑於此,該受訪專家認為,職業棋士應該努力充實自己的內涵與表達能力,轉型成為技術與表達兼具的圍棋解說者與推廣者。著名旅日棋士王銘琬(2017)也提出類似的主張。他將大眾對職業棋士的評價視為「棋力」與「共鳴」的綜合(如圖1),而所謂「共鳴」則意指棋迷們對職業棋士的努力與創意所產生的感動。由此出發,王銘琬認為以往職業棋士多專注於提升「棋力」而忽視經營「共鳴」,而今「棋力」已無法超越AI,故若要提升評價,則應致力於提升「共鳴」。

13

圖1 職業棋士評價的兩軸線

14

而在圍棋教師方面,首先,據受訪專家之一描述,直至目前為止,國內圍棋教學市場仍未因圍棋AI的出現而有明顯的擴張或衰減。其次,在教師的角色上,過去圍棋教師除了教學之外,也往往須扮演「陪練」的角色,因此實力高強的教師具有相當的價值;然而,一旦實力高強的圍棋AI得以普及,則教師的陪練角色便可由AI來替代。相對於此,由於目前AI仍無法擔負「解說」的工作,所以圍棋教師的解說責任(尤其是解說AI的下法與判斷)將可能更為重大。由此,受訪專家也預測,在未來的圍棋教學中,「陪練」的工作將會交給AI,但學生對教師「解說」的需求將會增加。此外也有受訪專家認為,圍棋實力較差但表達能力強的教師,若能妥善運用AI準備教學資料,將有可能呈現出名師等級的教學表現;與之相對應的是,當前有些圍棋實力高強但表達能力不佳的教師,由於可能受到AI及前一種類教師所取代,因而在未來的圍棋教學市場中前景可能較為堪憂。

15

綜合上述可知,由於目前圍棋AI僅具有單一功能,即弈出實力高強的棋步;相對於此,人類棋士雖然實力不如AI,卻可額外提供許多目前圍棋AI尚無法達到的功能。在此一情形下,職業棋士或圍棋教師雖在圍棋實力方面不如AI,但仍可望憑藉圍棋實力之外的能力(如溝通表達能力等)而維持其職業生涯;相對於此,僅汲汲於提升圍棋實力而忽視發展其他能力的職業棋士或教師,其職涯則較可能因AI普及而受到衝擊。

16

三、萬事不決問AI?

17

▶【延伸閱讀 | STPI 電子書城】人工智慧風險分析—人工智慧商業化將帶來的衝擊

18

在2017年5月的中國烏鎮圍棋峰會中,中國頂尖職業棋士古力與連笑各自搭配AlphaGo輔助進行實驗性質的配對賽對局 5 時,我們看到了這樣的一幕:輪到連笑落子,局面正逢複雜難解的勝負關鍵處,連笑略為思索後,下出「打將」的下法 6 ,並將關鍵的次一手交由與之搭配的AlphaGo來落子 7 。這個情景預示了人類與人工智慧之間的決策權讓渡。由於在特定領域中,由人工智慧進行判讀與決策的準確率或正確率被廣泛認為優於人類,因此很自然的逐漸會有人認為,在該領域中進行關鍵決策時,與其由人類自行決策,不如交由人工智慧來做決策。在圍棋界中,除了前述連笑打將的案例外,另外一個相關的現象便是越來越多人在各類比賽中使用AI工具輔助,藉此擊敗強敵 8

19

雖然透過AI工具的使用,能夠提升決策的品質,但是我們是否真能如此毫無疑慮的完全將決策權讓渡給AI呢?首先,雖然AI的決策品質能高於人類,但仍非盡善盡美。以各大圍棋AI為例,由於AI係以大量模擬計算出棋盤上不同著點的勝率,此一思維邏輯與人類對弈時的思維邏輯有所不同,因而其「犯錯」的方式也不同於人類。在許多案例中,AI雖在大多數著手選擇上優於人類頂尖職業棋士,且對其擁有穩定的極高勝率,然而有時卻會犯下連一般業餘棋手都不會犯的明顯失誤。其次,當前的AI雖可明確告知人類其判讀結果與決策,卻無法以人類能夠理解的方式說明其據以決策的理由。例如目前各大圍棋AI都能在各個對弈局面下提供人類各個不同落點的勝率推估,並提供最佳落點建議(如圖2),但卻無法告訴人類,某落點優於其他著點的原因為何;人類只能憑藉自身的圍棋知識加以猜測推論,或者盲目相信接受之 9 。綜合這兩個問題,將決策權讓渡給人工智慧雖能在大部分情況下提升決策品質,但若人工智慧一旦發生錯誤,則將可能衍生風險與責任歸屬問題,並可能導致人們對人工智慧的不信任或無所適從。

20

圖2 AlphaGo在特定局面下提供的次一手選點與勝率顯示

21

除了上述的現象外,在決策權的讓渡方面,我們還觀察到另外一個情形,那就是人類行動中模糊低效創意空間的被壓縮。在2017年12月DeepMind發布其教學工具「AlphaGo Teach」 10 後,許多原本在圍棋界中被公認為正常、可下的開局戰術,由於在該教學工具中被判定為會大幅降低勝率 ,致使職業棋士們一夕之間就放棄了這些下法,改採教學工具推薦的著手。固然,圍棋是一種著手效率優於對手就可獲勝的競賽,但同時它一直以來也被視為是可體現人類創造力的活動;在這樣的創造性活動中,由於有了實力高強的AI介入,棋手們原有的「創造」變得似乎無甚價值,而AI所提供的各種「推薦選點」也大幅限縮了原有的廣大模糊的創意空間。畢竟,在競爭激烈的圍棋競賽中,誰願意自覺地選擇有創意但勝率低的下法呢?長此以往,圍棋便將可能變成一種「追求被AI所給定之正確解答」的活動,而非體現人類創造力的活動了。

22

四、延伸討論與結語

23

從前文中我們可以看到人工智慧科技興起對於圍棋相關社群的若干影響,包含圍棋愛好者將可能越來越容易獲得過去難以取得的高階服務(例如在家就可以跟職業頂尖等級的對手下棋)、AI對職業棋士與圍棋教師的職涯影響、以及棋手們越來越依賴AI進行決策等等。這些現象對我們可以提供什麼啟示呢?

24

首先,從圍棋社群的現象出發,我們或可推演出人工智慧科技進入其他產業領域或社群所可能產生的影響。以該科技對就業的影響為例,我們可以依據本文從圍棋社群中所獲得的洞見,去想像及探討將新科技引入既有的工作場域時,從業者的哪些特質得到補強或削弱、哪些職務又需要被重新定位,以避免陷入「機器是否會取代人」的簡單二元探討。另又如人工智慧可能發生錯誤的問題,其在圍棋世界中所發生之現象,也促使我們去思考在其他領域中(尤其是攸關生命安全的領域如生技醫療及自駕車),一旦人工智慧發生錯誤,將應如何風險與責任歸屬的議題,以及提升對於人工智慧可解釋性的重視。

25

而在決策權的讓渡導致AI對人類創意空間的壓縮方面,我們從圍棋社群中的現象推而廣之,也將促使我們去思考:在其他領域中,是否可能也會有某些原本被認定為具創造力的行為,由於被AI判定為價值不高,因而使得大眾認為不值得嘗試的情形呢?而在人工智慧越來越被廣泛運用的未來,人們會不會因此而越來越不願意嘗試創新行為,甚至整體社會也越來越不能容錯呢?或者甚至,當我們人生中大大小小事務都有AI為我們提供最佳決策建議時,我們是不是都可能陷入「正解化的鐵牢籠」中而難以自拔呢?

26

總而言之,透過對圍棋社群的觀察,可以豐富我們對於新興科技之社會影響的想像與思考;而這些社會層面的影響,也是我們在積極推動科技發展時所應一併納入考量的。

27

註解

28

註1:本研究針對與此議題相關之專家進行專訪,受訪專家包含國內圍棋AI開發者、職業棋士、及圍棋教育者。
註2:例如韓國棋士申旻埈就提到自己與許多其他棋士都運用圍棋AI輔助訓練,參閱〈申旻埈:人工智慧有助於訓練 感覺自己有進步〉(http://sports.sina.com.cn/go/2018-07-09/doc-ihezpzwu0205974.shtml)。
註3:例如由圍棋人科技股份有限公司所推出的「圍棋練功房」(網址:https://www.weiqi.study/)等。
註4:舉例來說,中國的《圍棋天地》雜誌自2017年起頻繁刊載圍棋AI相關專欄,內容包含各種AI棋譜與AI所下出的新戰法等。另近年來中國出版的刊載AI棋譜的書籍就筆者所知至少有7本,台灣也出版了王銘琬(2017)、夏大銘、蕭正浩、林書陽(2017)等書。
註5:圍棋比賽中的「配對賽」,係指黑白雙方均由兩名棋手組隊對弈競賽,通常為非正式比賽,對局時隊友間須交互輪流落子(類似桌球的雙打比賽),且隊友間不得交談。在文中所提到的配對賽對局中,黑方為「古力+AlphaGo」,白方為「連笑+AlphaGo」。
註6:「打將」為圍棋術語,意指將棋子下在無關大局但對手必應之處,通常用於讀秒時間緊迫的情形,或是配對賽中實力較弱者在難解局面下希望交由實力高強的隊友下出關鍵著手的情形。
註7:可參考以下相關報導:〈連笑隊贏人機配對賽 AlphaGo欲認輸遭古力拒絕〉(https://sports.qq.com/a/20170526/022470.htm)、〈不理解搭檔招法連笑打將 搭檔AlphaGo下出勝負手〉(http://sports.sina.com.cn/go/2017-05-26/doc-ifyfqqyh8502098.shtml)。
註8:已被報導的案例有:〈歐洲圍棋賽有人疑用AI作弊 網路賽該如何公平?〉(http://sports.qq.com/a/20180329/013414.htm)、〈素人疑藉AI作弊 逆襲業餘棋王〉(http://www.chinatimes.com/newspapers/20180429000113-260309)、〈洪性志就網棋使用AI致歉 但否認憑此戰勝柯潔〉(http://www.foxwq.com/news/9431.html)等。
註9:這兩個現象係歸納自本研究對國內圍棋AI開發專家的專訪內容。網址:https://alphagoteach.deepmind.com/。可參考弈招圍棋網站的「大師開局庫」系列節目,網址:https://www.weiqitv.com/album/5a7abbf128865426768b456c。

29

參考文獻

  1. 王銘琬 (2017) 《迎接AI新時代:用圍棋理解人工智慧》,台北:遠流出版社。
  2. 吳悅 (2018) 〈人工智慧對勞動就業的影響〉,科技政策觀點Research Portal,網址:https://portal.stpi.narl.org.tw/index/article/10401。
  3. 杜維新、張志強 (2016) 《圍棋人機大戰》,成都:成都時代出版社。
  4. 孟泰齡 (2017) 《我眼中的Master》,青島:青島出版社。
  5. 夏大銘、蕭正浩、林書陽 (2017) 《Master的一手(上)、(下)》,台北:鳴祝出版社。
  6. Silver, David; Huang, Aja; Maddison, Chris J.; Guez, Arthur; Sifre, Laurent; Driessche, George van den; Schrittwieser, Julian; Antonoglou, Ioannis; Panneershelvam, Veda. (2016) Mastering the game of Go with deep neural networks and tree search. Nature volume 529, pages 484–489.
  7. Silver, David; Schrittwieser, Julian; Simonyan, Karen; Antonoglou, Ioannis; Huang, Aja; Guez, Arthur; Hubert, Thomas; Baker, Lucas; Lai, Matthew; Bolton, Adrian; Chen, Yutian; Lillicrap, Timothy; Hui, Fan; Sifre, Laurent; Driessche, George van den; Graepel, Thore; Hassabis, Demis. (2017) Mastering the game of Go without human knowledge. Nature volume 550, pages 354–359.