依出版日期搜尋的格式為:yyyy-MM (如:2012-09)
(只須填至月份)


總類
哲學類
宗教類
科學類
應用科學類
社會科學類
史地
世界史地;傳記
文學;新聞學
藝術類
優惠套書與週邊
外版書
棋士與AI ── AlphaGo開啟的未來 | 棋士とAI――アルファ碁から始まった未来

[1111SM157]
作者:王銘琬
譯者:林依璇
14.8*21cm 232頁 平裝
ISBN:978-986-213-918-9
CIP:997.11
978-986-213-918-9
初版日期:2018年10月01日
此商品可7-11取貨付款
定價: NT$ 300| 會員價: NT$237

關於出貨時間以及運費請看這邊

AlphaGo 的登場,
迫使我們必須重新思考、認識整個世界;
棋士與AI、人與人之間都需要重新對話與邂逅,
讓我們從理解AlphaGo 來開始吧!


目前AI的最高到達點是圍棋,在圍棋發生的情況,所有其他領域也必將面臨。
Google旗下的Deep Mind公司為圍棋世界帶來前所未有的衝擊。AlphaGo發展至今,已達成戰勝世界頂尖棋士的目標。而開發AlphaGo的Google公司,也將帶領AlphaGo進一步從棋盤走向社會。面對AlphaGo帶來的變化,首當其衝的知名職業棋士,正是當時唯一參與圍棋軟體開發的職業棋士,55、56期本因坊王銘琬。他眼中的AlphaGo,究竟是何種面貌呢?AI的活躍、AI和人類的相遇、最新的技術革新和資訊,以及如何享受圍棋世界的樂趣等等,重大的改變和議題隨之而來,在面臨新的挑戰之際,人類也要開始認真思考「如何面對AI」。
AI與圍棋相遇的種種現象,在AlphaGo塵埃落定、AI走向社會後,也將發生在所有領域,而唯有本書作者能藉著少量的分析圖,為讀者呈現AI、圍棋與其他領域的關聯與內涵,即使不會下棋也可以輕鬆閱讀。
「我身為棋士,參與軟體開發,得以站在一個特別的角度觀察AlphaGo。AI浪潮席捲人類社會,並進一步融入我們所在的這個世界。儘管一開始人們可能會受到衝擊,感到無所適從,但AI的發展也是讓我們重新檢視自己的好機會……」

王銘琬
1961年11月22日生,四歲開始學圍棋,1975年11月赴日。1977年入段。1979年獲第3期留園杯冠軍。1980年、1981年獲棋聖戰三段戰冠軍。1984年獲「新人獎」,1985年獲殊勛獎。共4次入圍名人戰循環圈。1986年獲棋聖戰六段戰冠軍。1987年獲棋聖戰七段戰冠軍。1989年、1991年獲俊英戰桂冠。1991年獲棋聖戰八段戰冠軍。1992年九段。2000年在第55期本因坊戰中以4:2勝趙善津奪得本因坊位。2001年在第56期本因坊戰中以4:3勝張栩衛冕本因坊。2002年贏得日經舉辦王座至高榮譽。

譯者簡介:
林依璇
台大法律系學士,台大國家發展研究所碩士,現就讀政大法律系博士班。從學術研究中釐清思緒,同時也從翻譯工作中看見不一樣的世界。譯作:《三萬日圓的電扇為什麼能賣到缺貨?只要一張圖,就能學會熱賣商品背後的秘密!》、《你還沒讀過的世界史:史學大師帶你從人類商業活動看出歷史背後不為人知的真相》、《為什麼我不快樂:讓老子與阿德勒幫我們解決人生問題》等。
skyirisgarden@gmail.com


前言
I「超強AI」登場
1.征服圍棋的AI,也將征服人類
2. AlphaGo決戰棋士與引退
3技術日新月異
4 用選戰理解圍棋吧!

II AlphaGo面面觀
1圍棋是機率之海
2 AI所下的每一手其實簡單易懂
3「神之一手」和水平線效果
4過度學習的陷阱
5 開發與資訊公開

III AI與人類的交會點
1我們需要背後的故事性嗎?
2 考量局部和全局
3 AI讓我們學會「恐懼感」的重要性

IV從棋走向社會
1 AI展現的學習方法
2專家的傲慢
3強大的「圍棋之神」和衍生的趣味性

V生而為人的證據
1表現力的危機
2 AI讓我們重新看見自己
3.人類的矛盾與多種面貌

後記

前言

二○一六年三月,將深層學習技術發揮到新境界的AI「AlphaGo」與圍棋界的
頂尖好手韓國棋士李世乭對戰,五局對決後,AlphaGo 最終以四比一獲勝。人類的敗北,讓圍棋AI瞬間成為全球矚目的焦點。在那之前,我也協助開發圍棋對戰軟體,兼具棋士與開發者的身分,因為如此,我在圍棋與軟體兩方面,同時嘗了二敗。由AlphaGo的出色表現,讓全世界發現AI的能力超過人類,大幅提升對AI的關注程度

「電腦在圍棋贏過人類」的新聞竟然足以撼動全球,這讓我感到十分驚訝。加
上開發團隊表示,AlphaGo系統具有橫跨其他領域的「通用性」,讓世界期待

AlphaGo未來在各個領域也能發揮作用。圍棋被當成人類智慧的象徵,具有運用在其他領域的共通性,身為棋士的我為此感到與有榮焉。

二○一七年五月,AlphaGo的「Master」版本對決世界排名第一的棋士——中國的柯潔,獲得三局全勝。壓倒性的勝利展現了AlphaGo超越人類的力量。在這次對決後,「AlphaGo」團隊表示,「未來不會再與人類對決」,因為已經不需要
。以對決來證實AlphaGo的能力,之後的AlphaGo將以和人類攜手合作為目標。
全世界也對AlphaGo與人類的合作達成共識,「人類和AI究竟誰比較強」的爭議,如今已成過去式。

接下來,二○一七年十月,最新版本的「AlphaGo Zero」標榜「從零自學」,也
就是「無需教師的學習方式」,並且與先前的Master版本對決,根據團隊公布的資料,AlphaGo Zero總計在一百次對決中取八十九次勝利。

已往的AlphaGo在學習過程中,先以人類的棋譜作為範本,加以學習,並以此為基礎進一步強化,進而勝過人類。但是AlphaGo Zero並未利用人類的棋譜,單憑自身的強化系統所呈現的戰果,比已往的圍棋對戰軟體更為優秀。

對此柯潔在推特上表示,「從無垢的AlphaGo 來看,人類太多餘了。」從AlphaGo 雖勝過人類,人還能保留「它是站在我們肩膀上」這份些許的驕傲,而AlphaGo Zero 連這點僅有的自尊都剝奪掉了,從柯潔的留言可以看出他所感受的喪失感。

圍棋軟體的「從零自學」本來就是備受矚目的話題,透過「從零自學」,或許可以發現超越人類思考範疇的可能性, 圍棋愛好者對此也十分期待。 除AlphaGo
外,先前全球也有其他團隊開發圍棋AI自學軟體,然而遲遲未見成果,以過往的主流認知來說,「圍棋不適合軟體自學」是共識。

雖然AlphaGo Zero跌破眾人眼鏡,但它的下法和人類其實並沒有太大差距,也沒有遠超乎人類想像的表現。AlphaGo Zero的表現並未完全否定人類迄今的圍棋研究成果,這讓我不禁鬆了一口氣。其後過了兩個月,在二○一七年十二月,研究團隊更進一步發表Alpha Zero。Alpha Zero指的是將AlphaGo Zero所使用的演算法,應用到其他遊戲上。經過數小時的學習後,Alpha Zero 戰勝西洋棋和將棋的最強軟體。到目前為止,圍棋AI的研究遠超過其他遊戲,自此可以與其他遊戲站在一個平台,廣泛交換多面的資訊與看法,未來的發展值得期待。縱使
AlphaGo的活動時間還不到兩年,但對棋士而言,每天都是悲喜交集的。

來自AI的戰帖帶給圍棋界前所未有的衝擊,面對新時代,圍棋界也只能一邊摸索一邊前進,而今後其他領域也將相繼面臨一樣的情形。隨著AlphaGo的發展,
AI的開發更加注重深層學習。AlphaGo可說率先引路,領導了AI軟體與硬體雙邊的發展,不僅限於AI,作為一個時代的象徵,它的影響層面可說是無遠弗屆。

我身為參與軟體開發的棋士,得以站在一個特別的角度觀察AlphaGo。AI 浪潮席捲人類社會,並進一步融入現實的世界。儘管一開始人們可能會受到衝擊,感到無所適從,但AI的發展也是讓我們重新檢視自己的好機會。AlphaGo讓我們看到,人類的未來有許多可能性,充滿許多不確定性和隨之而來的課題,也有許多疑問還沒有得到解答。

圍棋的規則非常單純。雖然其中充滿千變萬化的巧思,但內容並不難理解。本書以一般大眾為訴求對象,就算不懂圍棋也無妨,希望任何人都可以輕鬆閱讀。如果各位在了解AlphaGo的同時,更進一步對圍棋產生興趣的話,身為作者,我也感到無上的喜悅。




X DAY

遊戲機的歷史,最早可以追溯到一七七○年名為「土耳其人」的西洋棋機器人。 這台機器連戰連勝,強悍無比。後來發現是有人躲藏在機器裡面下棋,不過當時「土耳其人」的確也引發許多人的好奇心。「人和機器對決時,哪一方會獲勝?」無論哪個時代,人和機器的較勁總是眾所矚目的話題。

對於電腦程式師而言,以遊戲來測試電腦能力,一直是很有效的方式。程式師將電腦贏過人類的日子稱為「X DAY」,作為明確的目標。這一天的到來,對程式師具有很大的意義。

一九九七年,電腦西洋棋軟體「深藍」擊敗西洋棋世界冠軍卡斯巴羅夫,震撼全世界。不過在那之後,仍然很少人認為人類真正敗給了機器。畢竟電腦的計算速度遠勝於人類,很多人認為深藍之所以能夠取勝,只不過是因為享有計算速度的優勢罷了。

然而,二○一六年三月,圍棋AIAlphaGo擊敗圍棋世界冠軍李世乭,卻帶來了遠比深藍強大的震撼.比賽為五局決勝,AlphaGo不僅以四勝一敗取得勝利,在內容上也壓倒了對手,因為如此,這次世界認識了電腦能力超過人類的現實。

至今為止,「電腦凌駕於人類之上」頂多是出現在科幻片中的情節,但AlphaGo 的獲勝,讓全世界開始認真討論和面對「AI贏過人類」這個重要現象。而這不只是一時的風潮,相關討論與時俱增直到現在,每當討論AI的議題,二○一六年 AlphaGo 和李世乭的對戰照片仍不時會被拿出來作為開場白;可見AlphaGo 的勝利是如此重要,具有跨時代的意義。

深藍獲勝之後,圍棋可說是人類僅剩的堡壘。圍棋的變化多端遠勝西洋棋,而圍棋需模糊判斷的特質,也是當時電腦的弱項。直到AlphaGo 問世之前,歐美對圍棋的定位是以「電腦也難以取勝的遊戲」聞名的。

我有緣於二○一四年參與開發圍棋軟體,不過並沒有讓圍棋軟體勝過人類的野 心。電腦圍棋軟體雖然在二○○六年有飛躍的進步,但還是遠遠不及頂尖棋士。在 AlphaGo 登上國際舞台之前,從西洋棋和將棋的經驗判斷,許多人都認為X DAY 最少還要等上十年,而且連要從何著手都沒看清楚。

深層學習
AlphaGo 和至今軟體最大的不同,在於使用了「深層學習」技術。 AlphaGo由Google旗下的Deepmind公司所開發, 負責人傑米斯. 哈薩比斯表示, 「AI可分強AI與弱AI,弱AI只會做人類教它的事情,而強AI能夠自己觀察所處的環境,並以適應環境來成長」,深層學習正是強AI的關鍵技術。

電腦過往的「機器學習」方式,只會學習資料裡被人類所指定的特徵,將指定

特徵有關部分加以整理、學習。但是深層學習不是學習被指定的特徵,而是能自動自發從資料找出特徵來進行學習的技術。

已往人類只能教電腦去學「可以說明的」事情,因為電腦是聽人類的命令行動無法說明清楚就無法教它學會,所以電腦不可能學會「無法說明」的內容,自然也無法做出人類沒有教過的事情。

然而不需要人類指導的深層學習技術,讓電腦能開始去理解不容易說明的「只能意會,不能言傳」的事物與內容;這樣的內容,人們常用 「感覺」這個語彙來表現,就像圍棋也常用「感覺」這兩個字眼。換句話說,深層學習就是能夠讓電腦學會「感覺」的技術。

比方說孩子能夠認得母親的臉孔,學會走路或堆積木等等,這些事看似簡單, 但其中包含難以用言語形容的感覺;而深層學習能讓電腦學會做這些事情或判斷。

只會照著人所教的內容去做的軟體不管能力多強,只要發生前所未有的狀況,它們就無法應對。但擁有藉由深層學習所獲得的「感覺」的軟體,就有自己的「世界觀」,因此能處理各式各樣的狀況。

例如孩子所認知的「母親」,不只是正面朝自己微笑的母親,也有發怒的母親、用側臉對著自己的母親、被家具遮擋住半邊臉的母親,還有母親的背影等等,和小孩子一樣,深層學習都有能力去認識。

圍棋規則極為簡單,反而讓電腦不容易找到明顯特徵,內容難用言語形容;因此下棋時必須動用「感覺」的比例比起別的遊戲高得多,這也是人類已往能夠在圍 棋上保持對對電腦優勢的關鍵因素。然而深層學習獲得了「感覺」,讓人類失去原本的優勢,也讓最後的堡壘忠告淪陷。

深層學習的另一個特徵是「無法說明究竟是如何學會」。雖說學會「無法說明的能力的過程,必定更無法說明,這個現象也讓某些電腦程式師困惑不已。

深層學習的過程首先必須輸入大量資料,接著程式便會自行整理資料,形成對資料的各種認知,不過這些認知究竟是如何形成的,實際上無跡可尋。

對於程式師來說,電腦應該是照指令行動的東西。以開車為例,自己開的車必須能百分之百照自己的意思操縱才能安心,有時只要輪胎稍微一滑,任何一位駕駛
都會捏把冷汗。若車子能深層學習,隨自己的經驗自己跑,睡醒時驚覺已經幫你開到目的地,就算結果不錯,也一定有人不喜歡這樣的車子。

我們可以預料,未來有些工作會逐漸轉由AI代勞。不過AI的認知和人類會有所差異,也一定有人類難以預測的部分。雖說學習無法說明的能力的過程,也必定無法透明,只要人類繼續使用深層學習技術,這個問題也將永遠存在。



通用性
當Deepmind 公司開發AlphaGo之際,所抱持的概念是「AlphaGo必須是不僅限於圍棋的演算法」。 圍棋遊戲的歷史相當漫長,從《論語》和《孟子》中的記載我們可以得知,圍棋從西元前就已經是相當廣為人知的娛樂。在漫長的歷史中,圍棋相關的技術不斷累積,從中構築出各種技巧和思考方式。因此,過往的圍棋軟體通常把重點放在「棋該怎麼下」,也就是以圍棋遊戲本身為對象,開發軟體技術。

相較之下,AlphaGo的系統極力減少專門為圍棋所設計的部分,將目標放在各個領域都能運用的系統,重視「通用性」。在與李世乭對戰後的四個月,也就是二○一六年七月,Deepmind公司立刻把AlphaGo 技術運用在自家資料中心的冷卻系統上,並且發表成果,表示能節省40%的用電,今後關聯技術在醫療領域的活躍也十分令人期待。

新的AlphaGo Zero 和先前的版本相比,架構更為簡潔,更加體現電腦演算法之美。像是蛋白質的摺疊分散式計算式,能量消耗的削減,以及探索革命性的新素材等等,在許多領域都有AlphaGo Zero 的活躍機會。

廣範圍的通用性不只是AlphaGo 的成功,同時代表了AI的成功。AlphaGo 所
以引發了世界對AI爆炸性的關注,係因世界認為,在圍棋做得到的事情,在其他領域也應該做得到。如果軟體是為了因應規則複雜的遊戲而設計,就必須就個別遊戲加以規劃。單純的圍棋規則是達成通用性的關鍵,也是Deepmind 公司選擇開發圍棋軟體的原因。

在這裡希望大家不要把上述的「通用性」和AI開發的目標「通用型AI」混淆。包括圍棋軟體在內,目前的AI都是以達成特定工作為目標的「單一功能型 AI」。 不過 「通用型AI」 的目標不僅止於此, 除了讓AI能夠像人類一樣下圍棋, 也能發揮其他工作、家事或是對話等各種功能,這正是目前開發「通用型AI」的主要目標。

AlphaGo 的通用性和「通用型AI」沒有關係,而是作為「單一功能型 AI」,具有能夠運用在不同領域的通用性。AlphaGo Zero 的「從零自學」成功實踐「不需要教師的學習方式」,未來的應用面向是否還會再擴大,也十分令人期待。

AlphaGo Zero 能夠獲得如此成果,必須歸功於AI和圍棋是很棒的組合。因為圍棋具備了規則簡潔、有明確的標準以判斷學習效果等優秀條件;所以其他領域用 Zero作無教師學習,未必能和圍棋達到同樣的成果,但是AlphaGo Zero這個學 習機制以圍棋為原點,提供了將來其他領域自我學習的可能性。

順便提一下本書對於「AI」一詞的用法。「AI」命名於一九五六年,日語將之翻譯為「人工知能」。「AI」的範圍十分廣泛,西洋棋程式「深藍」當然是 AI,讓烤箱順利運作的系統有時也被稱為「AI」。

不過在圍棋軟體的世界,AlphaGo之前的圍棋軟體並未被稱為「AI」,而是直接被稱作「圍棋軟體」。也就是說,只有具備深層學習功能的圍棋軟體才開始被稱 「AI」。

雖說圍棋以外,也不乏以具備深層學習功能與否,區分是否稱為「AI」,但因還不算有社會共識,也有不少軟體雖然沒有深層學習功能也被稱為「AI」。

雖說是否使用深層學習技術,對於軟體本身的定位有很大的影響,仍不乏許多評論將沒有深層學習技術的軟體也稱為「AI」,並以此為基礎討論「AI」對社會的影響。如此混亂的情況雖然必須釐清,但實際上沒有這麼簡單。而深層學習也不一定永遠是AI的關鍵技術;總之在目前的時點,「能夠自主性地找出對象特徵以 學習」的深層學習仍然具有特殊意義,也由於這項技術才讓AI得以有突破性的發展。因此在本書中僅將使用深層學習技術的軟體稱為「AI」。



親愛的讀者:

您好,感謝您為本書填寫回函卡及書評,但我們必須提醒您幾件事:
  1. 當您為本書寫下書評及送出後,即表示您同意大塊文化可依書評內容,自行決定這篇書評是否被刊登或刪除;同時也表示您授權大塊文化可將書評之全部或部分內容,轉載刊登於大塊文化網站、網路與書或附屬子公司的網站、電子報以及刊物上。
  2. 您所寫的書評所有權屬於您所有,但大塊文化轉載刊登於大塊文化網站、網路與書或附屬子公司的網站、電子報以及刊物時,不另通知並不另支付稿費。
  3. 您的書評不得以抄襲或其他任何侵害著作權之方式為之。若涉及侵害他人之著作權,您必須負相關賠償之責,與大塊文化無涉。若檢警及司法單位因偵查之需要,您將在此授權大塊文化得將個人資料,提供與相關司法機關。
  4. 您所發表的讀者書評必須是針對該本書的內容做評論。
  5. 您的書評中禁止從事廣告及銷售行為。
  6. 請勿出現謾罵、惡意中傷、猥褻的字眼或與該書內容不相關的言論。
  7. 請勿傳述未經證實,針對公司、團體或個人的謠言。
  8. 由於發表書評兼具回函卡功能,故您需要填寫的欄位較多,大塊保證您的資料僅供大塊內部使用,大塊負保護會員資料的責任。



標註*為必填資料
*姓名:
*EMail:
性別:
*年齡:
*職業:


請問您從何處得知本書:



(可複選)
關於書名你覺得:
12345
不符合內容 非常合適
關於封面你覺得:
12345
不太喜歡 非常喜歡
關於內容你覺得:
12345
不太喜歡 非常喜歡
會不會想把本書推薦給朋友:
對我們的建議:
對這本書的評語:
*以上欄位僅【姓名】、【關於內容你覺得】、【對本書的評語】此三欄內容會在網頁上出現,其他內容僅會為後續讀者服務存入大塊資料庫中。