人工智慧～卷積神經網路 ？

 

台灣得趕上人工智慧潮流

這比鴻海買夏普還重要100倍

AlphaGo以四勝一敗打敗了南韓棋王李世乭，

能夠擊敗李世乭的圍棋人工智慧

「AlphaGo」

究竟是什麼？

你可以將 AlphaGo 理解為

電影《全面進化》（Transcendence）

裡由強尼戴普飾演的人工智慧，

而它所控制的超級電腦，

就像影片裡被人工智慧心控的人類一樣，

共同為一種蜂群思惟（Hive Mind）服務。

這個系統的基礎名叫

〞卷積神經網路〞

（Convolutional Neural Network，CNN），

這是一種過去在大型影像處理上有著優秀表現的

神經網路，

經常被用於人工智慧圖像辨識。

比如：

Google 的圖片搜尋、

百度的識圖功能

都對卷積神經網路有所運用。

這也解釋了為什麼 AlphaGo 是基於

卷積神經網路的，

畢竟圍棋裡勝利的原理是：

對弈雙方在棋盤網格的交叉點上，

交替放置黑色和白色的棋子。

落子完畢後，

棋子不能移動。

對弈過程中圍地吃子，

以所圍「地」的大小決定勝負。

因此，

如果不先稍微了解 AlphaGo 背後的神經網路系統，

你很容易以為

 AlphaGo 在對局開始前跟李世乭站在同一起跑線上。

其實，AlphaGo 背後的系統：

（1）   一種名為深度強化學習

（Deep Q-Learning，DQN）的技巧。

強化學習的靈感來源於心理學中的

〞行為主義理論〞，

即有機體如何在

環境給予的獎勵或懲罰的刺激下，

逐步形成對刺激的預期，

產生能獲得最大利益的習慣性行為。

（2）   蒙地卡羅樹狀搜尋演算法

（Monte Carlo Tree Search），

在判斷當前局面的效用函數

（value function）和

決定下一步的策略函數

（policy function）上有著非常好的表現，

遠超過上一個能夠和人類棋手旗鼓相當的

圍棋程式。

因此，

人工智慧的 AlphaGo背後是

一套神經網路系統，

這個系統和

IBM 在上個世紀打敗

西洋棋大師卡斯帕羅夫的

深藍超級電腦，

以及

當代的蘋果 Siri、

Google Now

有著顯著的不同。

AlphaGo

不是一台超級電腦，

而是一個由許多個資料中心做為節點相連，

每個節點內有著多台超級電腦的神經網路系統。

就像人腦，

是由 50-100 億個神經元所組成的，

這也是為什麼這種機器

學習架構被稱為神經網路。

AlphaGo

是專為下圍棋（Go）而開發出的一個實例，

而令人得到啟發的是

AlphaGo模仿人腦思考，

用神經網路「重現」智慧，

已經可以適合用於任何智力競技類項目。

若從歷史脈絡看科技的轉變，

蘋果在7、8年前推出智慧型手機，

手機改變人類的生活，

從鍵盤、滑鼠到手機，

科技的典範正在轉移，

下一個平台是什麼？

「就是人工智慧！」