IC之音｜我愛談天你愛笑

上週劉校長提到人工智能的文章仿寫與評鑑功能，讓我們了解人工智能乃依據人類進行文章創作與評鑑時所呈現的規則，加以歸納統計並量化，而後即能模仿之。雖然電腦的文章仿寫與評鑑功能尚待精進，但不可諱言，這乃是人工智能重要的發展方向，未來或可提供需要大量文章評鑑時，一個便捷「客觀」的工具。

在這集節目中，劉校長提到，人工智能還能進一步模仿中外的詩歌創造，所謂詩歌包含了文字之美、聲音之美、題材之美、格式之美、意義之美以及心靈之美，交織在一起的文學創作。而其中有關詩歌的題材、格式、文字具有一定的規範，校長即以詩經、漢代古詩、隋唐近體詩、宋代宋詞等為例，提出我們在撰寫中國詩詞時，如何依循各種文體的聲韻規範。如果我們將這些平仄規範、聲韻規範輸入人工智能，那麼電腦就能模仿人類創作詩歌了！

上週劉校長幽默地為我們介紹了論文仿寫系統「SCIgen」，讓我們了解人工智能在語文智能行為的模擬上，有哪些可能性。今天劉校長另外舉了同樣出自麻省理工學院，一個能夠撰寫短文的「Babel」系統。雖然這些仿寫系統可以產出看似完整的文章，不過劉校長也強調，一旦細究其內容，仍可發現其存在許多不合邏輯之錯謬。只是，人工智能在語文智能上的模擬行為，雖然尚未成熟，但是仍有教育上的實用性，亦即希望藉由較能達到「客觀、一致性」的人工智能，進行文章的評鑑工作，以降低往常作文評鑑時人為主觀因素的影響。例如PEG (project assay grade)系統。然而，目前人工智能進行文章評鑑所建立的之規準，只針對可以進行量化統計的部份，例如文章與句子的字數、段落數、標點符號數等表面資訊，而無法進行文章內容的意義理解與情感交流，因而也引起某些學者的反對，不過仍有些學者認為它可處理大量資料的功能，仍有存在的實用價值。你是不是和達文西一樣，認為人類的美，有其完美比例而可以量化呢？還是覺得「情人眼裡出西施」，美是一種無法言傳的感受？我們一起來看看人工智能是怎麼看文章的美！

劉校長在這一集節目中提到，哈佛心理學大師Howard Gardner於1980年代，提出了「多元智能理論」(Theory of Multiple Intelligences)概念，認為人類的智能發展不僅有數學、語文等，而是多元發展的。舉凡語文智能、音樂智能、邏輯－數學智能、空間智能、肢體－運作智能、人際智能、內省智能、自然觀察智能等，都是人類智能發展的範圍。總結來說，智能乃是人類解決問題、適應環境的能力；而智能行為就是智能外在的呈現。

因此，接續前幾周劉校長對人工智能在博弈上的運作邏輯解析，這周開始要為我們介紹人工智能如何模擬人類另一個智能行為－語文智能。人工智能模擬人類的語文智能時，有幾個關鍵機制：輸入時的「語音辨識」（speak recognition）機制，輸出時的「語音合成」（speak synthesis）機制，或「文字手寫辨識」（handwriting recognition）等。那麼人工智能透過這些機制，將語文轉化為「0」與「1」之後，可以做些什麼事呢？它的能力範圍包含了文字編輯器、創作、對話以及翻譯。劉校長用智慧型手機，以及論文仿寫系統「SCIgen」兩個例子，幽默地為我們舉例說明人工智能如何成為一個聰明的文字編輯器，以及一個幾可亂真的創作工具。讓我們與劉校長一起談天說地吧。

你知道AlphaGo或「星陣」下圍棋時，「腦子」裡是怎麼盤算的嗎？它會考慮哪些因素呢？為什麼劉校長提到人工智能只能選擇「最佳」的策略，而不是「必勝」的策略呢？

前幾周劉校長為我們介紹了極大極小搜索算法、評估函數，今天他要告訴我們這兩者不同的使用時機。當遊戲的複雜程度較低，人工智能可以使用極大極小搜索算法，預想整局的賽局樹，然後從代表最後一層結果的「葉」，往前推到第一層「根」，決定第一步要怎麼走；然而，當遊戲的複雜程度升高時，人工智能只能從其電腦資源所能把握的層級往回推，給與每一層每個圖板位置相對的分數，也就是評估函數，來決定要走哪條「最佳」（雖然可能不是「必勝」）的路徑，但後續的層級就不在電腦的預算範疇裡。

之後，劉校長也提到，不同的遊戲對評估函數的計算方式也不同。以五子棋為例，人工智能在計算評估函數時，需要考量的因素為：1.棋子數目不影響函數值；2.棋子位置不同，函數值也不同，以中心位置最高；3.棋子的連續性與否將影響函數值。再以中國象棋為例：1.每個棋子所代表的價值因其名稱而異；2. 棋子位置不同，價值也不同，中間價值大、過「楚河漢界」後，棋子價值也會變大；3. 棋子的靈活度與攻擊力將影響函數值；4. 棋子在某個位置上對內的保護力、對外的攻擊力，也會影響函數值；5. 棋子間相互呼應的能力，會影響函數值；6.將帥安全的評估，亦為函數值影響因素。人工智能在計算象棋的函數值時，會將上述這些評分因子「加權」計算。劉校長最後還提到，評分函數不一定是平順的曲線，因著複雜程度，可能出現不同的加權效果，例如圍棋。

經由劉校長的清楚解說，你是不是更清楚AlphaGo或星陣「腦子」裡打的如意算盤了呢！

最新版的圍棋人工智能AlphaGo，已經完全超越人類的世界冠軍，甚至讓人類向它學習。你知道改寫知識邊界的AlphaGo究竟是如何「思考」的嗎？它的基礎運作邏輯是什麼呢？

本節目延續上集劉校長對人工智能運作邏輯的概念介紹，在這集中，劉校長進一步帶著我們解開人工智能運作機制的奧秘，深入淺出地介紹人工智能如何在博弈時，採用「極大極小搜索算法」（mini-max search algorithm），也就是「將自己的利益極大化、使對方的利益極小化」的策略，來進行博弈時的「賽局樹」（game tree）分析。

劉校長並一步步以有趣的例子，帶著我們計算抉擇時的最佳「評估函數」（evaluation function），告訴我們AlphaGo怎麼模擬人類思考，卻又能技高一籌、聰明地走它的每一步。讓我們一起跟隨劉校長，來趟人工智能的大腦之旅吧！

無論是谷歌的AlphaGo，或中國創發的最新AI系統「星陣」(Golaxy)，都以完勝的姿態超越人類的圍棋世界冠軍。然而，圍棋人工智能的勝利，其實仍是人類的獲勝，因為博弈人工智能的設計乃是人類智能行為的模擬結果，也就是模仿棋手在對弈時，會對整體賽局做一個「預想」的策略。而這也是劉校長在上一集節目中所提到的「賽局樹」（game tree）概念。但是有了賽局樹之後，人工智能要如何從這些繁複交錯的枝節中，選擇最佳路徑呢？它又是模擬人類的什麼思維邏輯呢？這些將是劉校長在本集節目，要與我們談天說地的主題。

在這一集中，劉校長更仔細的談到何為「賽局樹」（game tree），何為表徵不同決擇路徑的「子樹」（sub  tree）等相關概念，並以有趣的「貓vs老鼠」、古希臘羅馬神話故事，以及中國楊家將戲曲故事為例，說明在對弈的過程中，乃是以「兩利相衡取其重、兩害相衡取其輕」的策略觀點，來獲得最佳的博弈結果，而這就是博弈人工智能設計的主要機制－「極大極小搜索算法」（mini-max search algorithm）。

最後，劉校長還提到，雖然人工智能可以利用「極大極小搜索算法」獲得最佳的博弈路徑，但是卻不一定是一條「必勝」路徑，其中的原因為何呢？欲知詳情，記得收聽下一集節目，劉校長將一一分曉唷！

蘇聯在1957年，成功地發射了人類第一枚人造衛星，引起世界各國爭相開展太空科學競賽。到了本世紀，隨著AI人工智能運用範疇的擴展，科學競賽的關注焦點逐漸從太空轉移到AI產業，如AI博弈到各領域機器人的發明，都是各科技強權國家競相角逐的場域。不過，AI博弈與其他人工智能的運作邏輯不同，它是在「零和遊戲」（zero-sum game）的框架下進行程式設計，亦即一方有所得，另一方必有所失的邏輯。

上周劉校長已就零和遊戲的邏輯，介紹過AI設計的大原則，這集節目劉校長繼續在這個大原則下，為我們介紹人工智能如何透過計算「遊戲的理論值」（game theoretical value），也就是算出所有的「合法圖板位置」（legal board position），來建構遊戲的「賽局樹」（game tree），作為人工智能對弈時背後的策略圖像，繼而謀定而後動，以贏得棋賽。劉校長更以北宋科學達人沈括，早在他的《夢溪筆談》中即提及19乘19的圍棋共有3（黑子贏、白子贏、和局共三種結果）的361次方個合法圖板位置，以及美國數學家Claude Shannon早在1950年代即算出的圍棋圖板位置樹，告訴我們這些其實是人類自古即有的智慧，最後以五代十國歐陽炯的時詞「谷人重到今人愛，萬局都無一局同」、明朝《增廣賢文》裡所謂的「人情似紙張張薄，世事如棋局局新」，將現代新科技知識，幽默地與我們的生活日常相互連結。

劉校長在連續好幾周的節目裡，由簡入繁地從博弈的基礎理論開始，與我們談到人工智能如何從模擬人類的智能行為，而得以與人類對弈。在本集節目中，劉校長接續上一集的內容，繼而為我們介紹「遊戲理論值」（game theoretical value）概念，提到若能夠算出賽局的遊戲理論值，就能夠破解遊戲的結果。然而，依著程度不同，破解的層次也就不一，而有「極弱破解」（ultra-weakly solved）、「弱破解」（weakly solved），以及「強破解」（strongly solved）的層次之別，亦即從「雖知道結果，卻無法清楚描述策略路徑」，以及「知道遊戲理論值，也知道破解路徑」，到強破解的「知道所有合法圖板位置及其帶來的結果，亦知道最佳的破解路徑」。而這些層次之別，就視程式設計的進化程度而異。另外，劉校長還提到已知許多棋賽有「先行者必勝」的潛在勝算，如五子棋，但是後行者也可採「策略盜取」（strategy stealing）方式反客為主，轉而成為勝算較大的先行者。最後，劉校長以源自中國的「拈」（nim）遊戲，來說明博弈時要如何採取最佳策略，使己方的勝算極大化、對方的勝算極小化。讓我們跟著劉校長一起來趟「必勝之旅」吧！

下棋有必勝的秘訣嗎？讓我們來看看西洋跳棋界的達文西Marion Tinsley的故事。

所謂的西洋跳棋（draughts）完全有別於我們熟悉的中國跳棋，它是由兩人在8×8的黑白交叉網狀方格上對弈，雙上各擺上12顆棋子於黑格，行進也只能在黑格內，跳躍過對手的棋子則可以將它消除，直到最後完全消除對方的棋子獲勝，或者雙方都無法再進一步則為和局。

美國IBM電腦工程師Arthur Samuel於1959年創造了一套著名的西洋跳棋程式，延續他在MIT攻讀學位時對棋弈的研究，他相信使用演算法可以使電腦學習如何決定最有利的落點，這套演算法現在稱為alpha-beta pruning。

再來看看Marion Tinsley，他是俄亥俄州出生的美國數學家，也是一位傑出的棋士。當Arthur Samuel正在開發跳棋程式時，Marion Tinsley已經嬋聯四年世界冠軍，而在他總共45年的比賽中只輸了七局，他在跳棋中的地位崇高，對手只敢求和，不敢求勝，這是多麼不可思議！

而在Tinsley輸掉的這七局當中，有兩局敗給了加拿大電腦工程師Jonathan Shaeffer設計的電腦程式Chinook，這是Tinsley退休後的事情，但當時他還是以4比2擊敗了Chinook，保持世界冠軍的地位。

本集中，劉炯朗校長用了絕大篇幅，介紹五子棋的由來與規則，帶出1989年起，人類與人工智能對弈結下的樑子。

1993年，三位荷蘭科學家設計出電腦程式Victoria，它能夠戰無不勝，證明五子棋的「先行者」必勝嗎？