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，人工智能是否能模仿中外的詩歌創造呢？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！

人工智能在語言智能上的模擬行為，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。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。我們一起來看看人工智能是怎麼看文章的美！

本集開始，劉校長為我們介紹人工智能如何模擬人類另一個智能行為：語言智能。

先前節目中介紹過的「極大極小搜索算法」與「評估函數」，是否有適用的時機？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，給予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。

人工智能是如何在博弈時，採用「極大極小搜索算法」（mini-max search algorithm）？如何進行「賽局樹」（game tree）分析？劉校長以有趣的例子，帶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。

劉校長在本集節目中仔細介紹何為「賽局樹」（game tree）、不同抉擇路徑的「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，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）。

上集節目中，劉校長已就零和遊戲的邏輯，介紹過AI設計的大原則，本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。

劉校長在先前幾集節目從博弈的基礎理論開始，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，劉校長繼續為我們介紹「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，依程度不同，破解的層次也不一，而有「極弱破解」、「弱破解」，以及「強破解」的層次之別。讓我們跟著劉校長一起來趟必勝之旅吧！

所謂的西洋跳棋（draughts）有別於我們熟悉的中國跳棋，是由兩人在8×8的黑白交叉網狀方格上對弈，雙方各擺上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。

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？本集中，劉校長介紹五子棋的由來與規則，並帶出1989年起，人類與人工智能對弈的故事。