原來，機器學習根本是一種「巨大數據資料的統計、歸納」，而不是「機器對《台灣小吃札記》感到有興趣，所以想主動學習，讓自己變聰明。」這篇文章雖然無關小吃，但它是我在媒體圈五年來，寫過最滿意的一篇報導，放在這邊留念一下。記者黃郁棋／特稿
我想，應該不必前情提要了吧？Google Deepmind推出的AlphaGo人工智慧圍棋程式，在與李世乭九段的大戰中，以五戰四勝的優異成績成功打響了名號；而AlphaGo的主要開發者之一，就是來自台灣的黃士傑（另外一位是David Silver，論文上只有他們兩人被打上星號）。有趣的是，黃士傑3月18日在台灣Google總部的記者會上，被問到「第四盤輸掉的原因」時，他坦承自己直接就從會場回到台灣了、還不知道原因，「同事們也還在尋找問題點」。為什麼身為開發者、卻無法很快速的找到關鍵所在呢？這個就必須從「機器學習」（Machine Learning）的原理說起了。
說到「人工智慧」、「機器學習」，很多人可能會直覺聯想到電影《魔鬼終結者》中的「天網」。電影中的天網，有著自我意識、有著「主動決定去做什麼」的判斷力，但是有一天，這個人工智慧忽然判定人類是威脅它們的物種，所以決定將人類「毀滅」。這是多數人對於人工智慧的認知，也因此在AlphaGo不斷拿下勝利的時候，許多有趣的段子出現了：「我最怕的不是AlphaGo贏，而是他能贏卻假裝不能。」
事實上，這是一般人對於人工智慧欠缺瞭解，才會誕生的美麗的誤會。如果換一個角度來形容機器學習，可能就比較不會讓人誤解了：所謂的機器學習，其實是從大量的資料當中，自動找到關聯性，進行統計與歸納的一種動作；而這種動作，又分成了「監督式學習」（Supervised learning）以及「非監督式學習」（Unsupervised learning）。一開始就有答案、知道正確結果，再丟資料給電腦、讓電腦找出規則的學習法，是監督式學習；而非監督式學習，就是在沒有正確答案、不知道結果的情況下，還是將資料直接丟給電腦，讓電腦自己去判斷、統計數據結構之間的關係，但是這種結構關係，我們很可能並不知道它背後代表的意義是什麼。
打個比方：有在用「Google News」看新聞的民眾，應該都知道Google會自動將同一件事情擺在一塊兒，讓你方便就一個事件，看不同家媒體的報導，而且分類速度非常快，24小時都在運作。這是如何做到的呢？其實Google News並沒有血汗編輯沒日沒夜的在做分類，這一切都是靠著「機器學習」在自動判斷：它可以從各家媒體報導的內容當中，找出同一個事件本身的關聯性、將它們擺在一起，方便人類閱讀，但是Google News本身其實並不知道這則新聞所代表的意義。
不知道看到這邊，大家是否有種恍然大悟的感覺（還是說，只有我自己在那邊恍然大悟）：原來，機器學習根本是一種「巨大數據資料的統計、歸納」，而不是「機器對《台灣小吃札記》感到有興趣，所以想主動學習，讓自己變聰明。」事實上，在3月18日的記者會上，就有記者對黃士傑提問：距離電腦有自我意識、會主動出擊學習，還有多遠的距離？
黃：「就我所知，還非常遙遠，現在才是剛起步而已。」
記者：「那大概可能會需要多久的時間才能做到？」
黃：「這個我真的不知道，你等於要我當一個預言家（笑），我真的不知道。」
目前的機器學習，或是所謂的人工智慧，其實跟「機器具有意識、具有想法、具有私心、具有自己想做的事」，幾乎扯不上關係。所以，自然短期內也不會有「天網」這種足以毀滅人類的高級人工智慧出現。（當然，未來會不會有，還很難說。）
我有一位朋友，他的專業剛好就是機器學習，聽他在形容這門專業時非常有趣：
「Machine Learning有時候會這樣：預測得很準，不知道為什麼。預測失靈了，我還是不知道為什麼。然後過一個月又好了，我．．．。」
▲網友惡搞的照片。（圖／路透社／達志影像）
這其實也解釋了黃士傑為什麼無法在短期之內找到AlphaGo輸掉的原因，理由很簡單：現在AlphaGo，是經過了KGS Go伺服器「3000萬筆下子佈局資料」的輸入後，再進行自我對弈所產生的結果，它無時無刻都在改變，包括現在也依舊在學習當中。今天它在某個環節判斷失準的時候，其實要找到原因是相當不容易的：因為，你不知道是哪些資料「教壞」了他。有可能在AlphaGo與李世乭的第四盤對弈結束後，AlphaGo就已經自動排除了錯誤，下一次就不會再犯同樣的錯。
我在看大陸《知乎》論壇的時候，發現有人對於AlphaGo「慘電」李世乭的情況，是這樣敘述的：
「或許，機器贏了比賽，才算是捍衛了人類的尊嚴。」
AlphaGo對李世乭九段的勝利，絕對會成為圍棋史上的里程碑：它意味著人類的智慧結晶，已經更上了一層樓。當然，某種程度上它也確實讓人沮喪，畢竟人類能夠贏機器的東西不多了，現在看來又要少一樣。這就好比人類發現跑得最快的汗血寶馬，再也追不上隨隨便便一台汽車的時候一樣，感受到的衝擊絕對是驚人的。
我知道對很多人而言，探討「AlphaGo是如何下棋的」這件事，可能本身就興致缺缺；但我還是想簡單介紹一下，AlphaGo的厲害之處到底在哪裡，為什麼2013年的時候，圍棋程式「Zen」還如此的青澀，過了兩三年，「AlphaGo」卻震撼了全世界。我盡可能簡單介紹一下，電腦下棋的原理，以及AlphaGo的特別之處；資料參考的部分，絕大多數是引用了金門大學助理教授陳鍾誠的教學簡報「用三份投影片講解 AlphaGo 的設計原理」，並且獲得陳老師的同意。
▲陳老師試圖用簡單方式，解釋AlphaGo的下棋邏輯。（影片／陳鍾誠製作）
以下介紹較為複雜一些，趕時間的讀者，我很感動你看到這裡了，你大概已經贏了99%的台灣讀者；放心離開吧，我不會怪你的。如果你繼續看下去，我也不會特別感激你，但是你可能會從中學到一些東西。
一、電腦是如何下棋的？先從最基本的「極小極大演算法」說起
最簡單的邏輯就是，電腦去判斷「所有他可以下棋的點」，每個點下下去之後，所得到的效果，給他定義一個分數。例如說五子棋，你下一顆、可以得1分，連成兩顆得5分，連成三顆得20分，連成四顆得50分，連成五顆得10000分（獲勝）。讓電腦選擇「最貪婪的地方去下」，哪裡分數多、就優先下在哪裡。
然而，這還不夠：我們必須把「對手」也給算進來。這時候，對手的下子也會影響分數，換句話說，我們必須替電腦加入「對局搜尋」的功能，讓電腦除了選擇「最貪婪」的地方下子外，也要考慮到所有下法裡面，最不容易失分的那一個選擇。這種「對局搜尋」有一個很明確的做法，叫做「MinMax」極小極大演算法。
▲極小極大演算法的基本邏輯。（圖／Wikipedia／CC License）
這種「極小極大演算法」，它必須在貪婪得分的時候，兼顧到「最糟情況下失分最少的路」。從圖例我們可以看到，「0、2、4」這三層，電腦選擇了最小的路，因為它是敵方可能的下子位置，必須將傷害降到最低。而「1、3」這兩層，因為是我方的下子，所以要選擇得分最大的路。到最後我們會發現，右邊數來第二條路「-7」成為了最佳解答：因為它在可預見的將來，是傷害最小、我方得分最大的路。這種做法的背後，其實說穿了就是窮舉法。
二、但是，「窮舉法」遇到圍棋是行不通的
可能還有很多人認為，AlphaGo是將所有棋路的可能性都算完了，所以才這麼厲害！其實，並不是這樣子的。如果以每步有19*19=361種可能性的圍棋來說，它光計算到第二層，就已經出現了「361*360=129,960」種可能！再算到第三層，就有4700萬種可能，第四層有160億種可能，第五層有6兆種可能。就算你使用超級電腦、運算速度再快，也不可能運算到超過十層（36兆個兆）！
因此，黃士傑在記者會上也很明確的說明了，如果想用電腦暴力窮舉的話，幾億年也窮舉不完！這就是圍棋的困難所在。
▲黃士傑解釋，對圍棋使用窮舉法是不可能的。（影片／記者黃郁棋攝）
三、解決方案第一種：Alpha-Beta修剪法！
所謂的「Alpha-Beta修剪法」(Alpha–beta pruning)其實說穿了，就是「把一些已經確定不可能會改變結果的分枝給修剪掉」！當分枝被修剪掉越多，電腦需要搜尋的數量就會大大減少。當電腦從最基層的得分發現，某些枝節不管怎麼算、都不可能影響到目前結果時，就可以將它給修剪掉。以下面這張圖片右邊為例，電腦已經算到第二層的「Min」層（取數字最小，因為是敵方下子）右側的數字是5，而底層還有「（9，8）（6）」沒有運算，電腦知道無論這幾個數字如何運算，都不會影響到現在「5」的結果（因為全部都比它大），於是就直接將它修剪掉。
▲使用Alpha-Beta修剪法，可以減少搜尋樹的分枝。（圖／Wikipedia／CC License）
當分枝數量減少後，電腦需要搜尋運算的量就減少了很多，棋力自然就增加了！然而，單靠「MinMax」+「Alpha-Beta修剪法」對於AlphaGo還是遠遠不夠的，依然無法解決天文數字的難題。我們繼續看下去。
四、AlphaGo的絕招之一：價值網路（Value Network，盤面評估函數）
所謂的價值網路，其實指的就是盤面評估函數，它可以計算每個盤面的分數；換句話說，它可以評估出目前的戰況如何，勝率如何。而這個價值網路所依賴的資料來源，則是之前訓練出來的策略網路，讓它進行自我對弈後所得出的結果。
▲右邊的就是價值網路，左邊是策略網路。（圖／翻攝自《Nature》雜誌）
五、AlphaGo的絕招之二：策略網路（Policy Network）
策略網路最主要的功能，就是收到一個棋盤的局面後，判斷「接下來應該要下在哪一個點」。當然，這個策略網路是需要經過訓練的，所以AlphaGo一開始就被輸入了非常多世界一流高手的棋譜作為參考。接下來，讓AlphaGo在進行策略網路的訓練時，盡可能的接近這些一流高手的下法；根據AlphaGo的論文資料顯示，他們輸入了3000萬筆來自KGS Go伺服器的下子佈局資料後，訓練出來的策略網路，已經可以以57%的比例正確符合了人類高手的下法。
更白話一點講，策略網路經過訓練過後的選擇，可以縮減整個搜尋樹左右的「廣度」；而價值網路，因為可以即時判斷勝率、知道是否繼續算下去必輸無疑，所以不必繼續往下長，它可以縮減整個搜尋樹的深度。原本使用「窮舉法」的時候，圍棋的所有搜尋樹一展開，可能性多達10的360次方之多，算到宇宙毀滅也算不完；但是使用策略網路縮減搜尋時的廣度、使用價值網路來縮減不必要的深度，一切就進入電腦的可以控制的範圍了！
▲黃士傑解釋策略網路與價值網路的運作模式。（影片／記者黃郁棋攝）
六、策略網路還能更厲害：「強化學習」（Reinforcement learning of policy networks）
這邊基本上可以分成四個動作，分別是「直接策略」（Rollout policy）、「習得策略」（SL policy network）、「改良策略」（RL policy network）、「價值網路（Value network，盤面評估函數）的獲得」。首先從圖例我們可以看到，在KGS Go伺服器提供的歷史對局資料庫當中，AlphaGo可以獲得「直接策略」以及「習得策略」，也就是直接獲得前人的下棋方式，以及從前人的下棋方式中，歸納出一些改良的下棋法。
▲AlphaGo的訓練與加強過程。（圖／翻攝自《Nature》雜誌）
接下來才是AlphaGo最可怕的地方：他可以利用自己改良的下棋法，自己跟自己沒日沒夜的對下，這是「改良策略」(也就是所謂的強化學習層面，Reinforcement learning）！這等於是舉一反三後又自行「反九」的可怕過程，它很可能在自己與自己幾百萬、幾千萬盤對下的過程當中，下出了很多前無古人的棋譜。隨著新的對弈不斷發生、新的棋譜不斷輸入，這樣一直改良下去，AlphaGo變成「有史以來最厲害的棋聖」絕對是會發生的。別忘了，AlphaGo不會因為大腦退化而健忘、也沒有情緒干擾，它的學習效率是實打實的。
最後，AlphaGo可以從這些所有下棋的過程當中，透過迴歸分析得出價值網路（Value Network），也就是盤面評估函數。這些經驗，會讓AlphaGo可以判斷盤面的局勢以及勝率，以及究竟要不要繼續下下去。根據黃士傑的說法，在AlphaGo與李世乭第四盤的對決當中，就出現了「判斷勝率低於20%」的情況，於是AlphaGo直接選擇投降。
▲黃士傑解釋策略網路以及投降原因。（影片／記者黃郁棋攝）
七、AlphaGo的絕招之三：蒙地卡羅對局搜尋法（MCTS）
蒙地卡羅對局搜尋法，其實最大的作用就是避免多層對局時的複雜度呈指數成長的問題，主要用在AlphaGo自我對下的時候。它是一種基於隨機式的搜尋法，與傳統的MinMax、Alpha-Beta修剪法都不太一樣。它的主要想法就是：我不需要暴力的搜尋全部，而是用《樣本與結果》來指導我應該要往哪邊更深入的搜尋！換句話說，其實「蒙地卡羅對局搜尋法」使用的也是一種策略網路，只是更快、更簡單，提供給AlphaGo主要的策略網路作為參考使用。
至於《樣本與結果》要如何來指導搜尋呢？假設「蒙地卡羅對局搜尋法」已經探索了一些樣本與結果，就可以利用「信賴區間的上界」來作為分數。每次都使用上界（UCB）最高的節點進行更深入的探索，讓這棵樹有系統的成長。由於樣本數越多，上界的範圍就會越小，所以不會對好的節點進行過多的探索。
▲蒙地卡羅對局搜尋法的計算邏輯。（圖／取自陳鍾誠老師的簡報）
總結來說，當策略網路在判斷「接下來應該要下在哪一個點」的時候，會將蒙地卡羅對局搜尋法所模擬出來的結果，以及價值網路的判斷給一起算進來，判斷該節點的勝率。而這一切背後的目的，依然是省去（或許）不必要的分枝數，將注意力用在最有價值的分枝上。當然，蒙地卡羅本身並沒有進行全面的探索，它絕對會漏掉一些分枝：或許，李世乭第四戰之所以可以得勝，就是擊中了AlphaGo漏掉的那些分枝。
八、AlphaGo的絕招之四：深卷積神經網路（DCNN）
之所以將深卷積神經網路放在第八，就是因為它最難解釋，而且應該算是Deep Learning的技術了；這個技術原本是用在影像辨識上，但是卻被AlphaGo團隊用來下圍棋，有點奇妙。所謂的「卷積神經網路」，是對局部感知區域進行卷積的一個動作，而且這些卷積的權重會共享。直接看圖，相信你可以理解：
▲深卷積神經網路的做法，這是動畫。（圖／取自Stanford）
之後，為了同時照顧到局部以及全局的資訊，會讓各種不同層次的卷積一起運作，最後再透過卷積的非線性組合ReLu得到新的數值，來代表整體資訊。（AlphaGo用到了13層的卷積）
▲深卷積的組合原理。（圖／取自Technische Universität Berlin）
如果用比較通俗的話來解釋，深卷積神經網路可以「自己從大量的數據中找出特徵」，隨著卷積層越來越多，電腦能夠辨識出來的特徵就越高階、也可以越抽象。例如你想讓電腦辨識出貓咪，你不需要給定電腦「貓咪有哪些特徵」，只要給電腦一大堆貓咪的照片，它就會自己從卷積層中找到抽象的定義、進而辨識出貓咪的照片來。
至於AlphaGo的兩個獨立網路「策略網路」以及「價值網路」，其實就是由13層的卷積神經網路所構成，卷積核大小為5*5；圍棋與卷積神經網路在做圖像識別時的情況有點類似，圍棋是19*19的方陣，它的定義複雜且相較於其他棋類要更為模糊，要讓電腦認識什麼是「氣」、什麼是「劫」，還不如運用卷積神經網路，讓它在不斷卷積前人留下的棋譜過程當中，自己找到共同點以及抽象定義，得出屬於「AlphaGo」自己的下棋邏輯。
▲卷積神經網路用在影像辨識時的運作邏輯。（圖／取自Boston Labs）
我能介紹的部分大概就僅止於這些了，再細究下去，其實已經超出了我的能力範圍，而且也越來越難純粹用文字來解釋了；有興趣的人，可以自己想辦法找來AlphaGo發表在《Nature》上的論文來看，或是參考陳老師的簡報、以及尹相志的文章：《淺談Alpha Go所涉及的深度學習技術》。
AlphaGo算是人類在機器學習領域的一次大勝利，它成功的利用電腦自行演算出策略網路，然後再利用策略網路自行強化學習，成功讓AlphaGo成為世界前幾名的超級對手，而且還持續以驚人的速度進化當中。
黃士傑也說，DeepMind的人工智慧計劃未來也將會運用在「醫療」以及「機器人」的領域，讓世界變得更好是終極目標。至於很多人都在問的問題：「為什麼黃士傑不必上廁所？」黃也做出了解釋，他說：「我是下圍棋的人，李世乭九段我看過他大部分的棋譜，我對他有一種尊敬的心情，比賽中我是覺得很榮幸坐他對面，那我就盡我所能不要影響他、尊重他。」
▲黃士傑自己本身也是圍棋高手。（圖／記者黃郁棋攝）
另外，由於黃士傑下棋的時間是算在AlphaGo的頭上，而這個「人為影響的變數」是沒有算進AlphaGo的系統裡面的；因此，節省AlphaGo的時間，也是盡可能讓AlphaGo在下棋時接近原本實力的關鍵。這樣，不知道有沒有解答到無數台灣人心中的大問號呢？
留言
張貼留言