１ 為什麼是圍棋？
由Google（谷歌）旗下的DeepMind開發的圍棋軟體AlphaGo，在二○一六年三月打敗世界一流棋手李世乭，為世界帶來衝擊與驚嘆，其後AlphaGo的進階版Master，則於二○一六年底跨年與世界高手們，在網路展開快棋測試車輪戰，取得六十連勝的壓倒性勝利，可說是已經對「電腦人腦誰強」的問題，下了一個論斷。
然而，圍棋AI並未因打敗人類而中止對它的研究，不只AlphaGo繼續在嘗試其他版本，二○一七年五月繼續舉行與世界排名第一柯潔的頂尖大賽，其他圍棋軟體也急起直追，現在已經達到AlphaGo打敗李世乭時的水準。為什麼AI鎖定圍棋為征服的目標，而勝利之後還戀眷這個戰場呢?
電腦下棋，一直被當成AI的能力的指標；一九九七年IBM電腦程式「深藍（Deep Blue）」擊敗世界西洋棋冠軍卡斯帕洛夫，給世界帶來很大的震撼；直到二○一五年，電腦在圍棋這方面還一直無法與人較量。這次Google以深層學習技術為主題，大力進軍圍棋，達成打敗人類的目標，顯示圍棋具有象徵性的意義。
圍棋的變化數是十的三百六十次方，是西洋棋十的一百二十次方無法相比；圍棋艱難之處不僅變化多，它的形式也不同於其他主要棋類，皆以擒王為目的，例如象棋、西洋棋等。而圍棋的目的在棋盤中占據大於對方的領域，是比較特別的。
擒王形式的遊戲因為目標明確，至今的電腦比較擅長，而圍棋這種全局統計性的目的，反而是人類的直覺比較管用，也因此圍棋軟體的開發被認為有助於分析人類的直覺。
這次達成打敗人類的主要技術的深層學習，正是讓電腦獲得直覺能力的方法，也證明了由深層學習所獲得的能力，能有高於人類的表現。
２ 圍棋最像現實社會
對人而言，棋類一直具有模擬的意義，象棋可以說是傳統戰場的模擬；但是現代社會分散化，特定人物的重要性相對減低，沒有誰是那麼重要的，擒王就死的假定，逐漸不符合現實，反觀圍棋「占據領域勝過對方」這樣的目標設定就很普遍，像市場占有率等在現實社會比比皆是。
尤其圍棋是比黑白棋子最後哪一邊多，正如兩大陣營選一人的選舉模擬，曾有國內政界大老再三要我教他政治戰略，認為跟圍棋戰術非常類似；選舉策略的「接地氣」、「空中戰」與圍棋的戰略術語不謀而合，「活棋」、「死棋」、「棄子」、「下指導棋」等圍棋術語也不時被拿來作政治評論。
過去有人對AI的應用範圍，抱著質疑的態度；因為圍棋被歸類於「完美信息遊戲」，亦即所有的資訊完完全全地攤開在遊戲人的前面，都都在棋盤上看的見，沒有任何黑箱，這種情況在現實裡並不多見，一般狀況人們都是藏著各自的王牌在喊價，像「不完美信息博弈」的撲克（梭哈）遊戲，需要觀察別人反應來調整自己戰術，懷疑這類的模式AI無法適應。
但二○一七年的費城德州撲克賽紓解了這個疑問，卡內基美隆大學開發的撲克AI的Libratus徹底打敗世界四名頂尖職業高手；Libratus是大學的研究成果，所有動用的資源遠遠不如AlphaGo，更令人吃驚的是，Libratus甚至不用深層學習，是用AI內部的自我對戰學習打造的技術。
圍棋看起來是單純的「完美信息遊戲」，可是因為它的變化數對當今的AI來說，還是多到無法掌握；因此對遊戲人來說，不管人腦電腦，圍棋還有「不完美信息博弈」的面相。
因此我不認為圍棋AI的技術與機制，和不完美信息博弈無關，德州撲克AI的開發者表示，德州撲克AI是做到「不管對手如何行動，自己都不會吃虧」；這個話一字不改，也是圍棋的基本目標，圍棋一流棋手真正厲害的地方，並非一般想像的「對特定的著手有精準的對策」而是「把局面控制成不怕對手的任何手段」。
圍棋可謂是已知與未知之間的朦朧區（Twilight Zone），一方面有客觀棋力標準，讓AI在擊敗人類之後還有提昇技術的空間，一方面有隨機性，具有對各類AI技術模擬測試的功能。
３ 圍棋是溝通人類與的最佳語言
圍棋自古別名為「手談」，對局者可以借著下一局棋得到濃密的交流，勝於一般會話；和語言不通的外國人，只要對方會下圍棋，一局下來保證一見如故，圍棋也可以看成是一套另類的語言，溝通對局者，乃至觀棋人。
AlphaGo與李世乭之戰，有人說AlphaGo下的棋看不懂，所以需要懂AI的人來翻譯AlphaGo下的棋，比賽那幾天的情形確實如此，此後情形可能會不一樣；人類與AI在棋盤上追求的東西是一致的，也就是說，是共有同樣的圍棋語言，圍棋其實是一個翻譯者，可以用它的語言溝通人類與AI，成為相互理解的橋梁。
圍棋不僅是人工智慧的第一個實驗平台，也提供新技術的方向，Google不斷強調AlphaGo的架構並非特別為圍棋打造，圍棋的職業水平，因為有足夠的市場規模與長遠的歷史，應該不會比其他領域遜色。
AI在圍棋做得到的，在其他領域應該也做得到；除了前言介紹的節能省電、自動翻譯、自動駕駛、醫療診斷乃至投資諮詢、設計創作等，幾乎所有領域都可能成為技術轉換的對象。屆時，現在在圍棋發生的事情，與其呈現的意義，將遍及全人類社會。
何況深層學習的歷史是現在才要開始，二○一七年三月的圍棋AI間的國際比賽顯示，只要改善深層學習過程的一部分，其學習速度能加快很多；不僅深層學習的技術會不斷升級，配合其他技術後可能有意外的效果，而另類的新技術也隨時會出現。
AlphaGo在一年內達成了被認為是最少需要十年才能達到的目標，此後產業升級的速度與程度，不能用至今的感覺去衡量，任何產業甚至文化，都必須加緊研究AI。
４ 不懂圍棋也能共享
有人認為圍棋是小眾的遊戲，這跟圍棋「不容易忘記」的特點，有很大的關係；圍棋只要你達到一個水平，就能一直保持同樣的棋力。
初段的棋友十年不碰圍棋，復出的時候還是初段，這可能跟前述圍棋最需要動用「直覺」很有關係，可說是圍棋的一個優點。
圍棋棋友的棋力只進不退，本來是件好事，不過也有副作用，就是讓棋友「很容易忘記」自己不會下棋的時代，導致對比自己弱的棋友失去同理心；在日本，比起其他休閒活動，圍棋是對初學、初級者最不客氣的。
圍棋技術不容易忘記的「優點」有時反而成為推廣的障礙；很多圍棋活動，自然偏向以高棋為主要對象，對不會下棋或是初學者的棋友來說，圍棋講解像是術語滿天飛的外語演講，聽半天不知所以然。然而圍棋若是與其他領域有所關聯，圍棋講解對不會下棋的朋友原本應是有意思的。我下了一輩子棋，對不熟悉圍棋的人欠缺同理心，不落任何人之後，但我一向提高意識，警惕自己，在講解圍棋的時候，不管棋力高低，盡量讓所有人能理解它的內容。日本名棋士藤澤秀行說「圍棋的內容若以一百計，我只懂其中之六而已」，這句話超越圍棋界，深獲日本各界支持。我的期待是就算不會下棋，也不妨礙讀這本書，因為圍棋絕大部分的94%，是「不懂」是與不會下棋的人所共有的，最怕的是誤以為自己什麼都懂，這樣大部分的東西就看不見了。
讓我們藉著圍棋AI，一起來探討人類什麼地方懂，什麼地方不懂吧！
本文取材自《迎接AI新時代：用圍棋理解人工智慧-序章》，感謝遠流出版授權刊登
作者／王銘琬
出版社／遠流
【延伸閱讀】
《遭AlphaGo直落三完封 棋王哽咽:它太完美了!》
《AlphaGo三連勝人類棋王 馬雲酸：不會下錯棋有甚麼意思》
《保持童心享受下圍棋的樂趣》
