更新於 2024/09/28發佈於 2023/09/29閱讀時間約 11 分鐘

臺灣許皓鋐圍棋亞運金牌在學習圍棋上的意義─學習的本質（23）

作者：陳華夫

台灣22歲圍棋好手許皓鋐在2022杭州亞運獲得圍棋項目的金牌，媒體報導：「許皓鋐從小組賽開始，一路打敗南韓朴廷桓、申真諝以及金牌戰的柯潔，都是世界排名前三的好手，這一面金牌可說是完全靠實力得到，許皓鋐在金牌戰勝率甚至一度跌到1%，才把握對方失誤將勝率逆轉至80%以上，許皓鋐以4分之3子之差獲勝．．．．中國網友紛紛留言封他為「許仙」，也大讚他「收官大逆轉」的好表現。」（杭州亞運／許皓鋐連過世界前三！微博熱議封「許仙」中國棋王遺憾曝心聲）

1）父母是否應該鼓勵有圍棋天分的小孩走圍棋之路？
把22歲的許皓鋐封為「許仙」是媒體一貫媚俗誇大的炒作，想必今後一段日子，「圍棋才藝班」的生意會興隆，而有學齡兒童的父母除了要揪心是否要讓兒女走音樂的路，又多了是否走圍棋的路？許皓鋐完成了九年義務教育後，就沒有再接受正規的高中及大學教育，一般父母是否認同？
父親自小怕我耽誤功課，嚴格禁止我下棋，但我還是私下偷偷下棋。到了大學、研究所、讀博士，我為了學習科學及人工智慧，自己不准自己下棋。然後，就忙於事業與教學，圍棋的興趣就遠在天邊了。
直到2016年（我66歲），谷歌（Google）的DeepMind公司開發出兩個電腦圍棋版本─AlphaGo Lee及AlphaGo Master 。尤其是AlphaGo Master打敗中日韓60個職業九段的世界冠軍，我仔細看了這60局對戰的棋譜，驚訝的發現，以我當時業餘圍棋的水準，竟然看的懂AlphaGo Master如何輕易在80手以前鎖定了勝局，而人類世界冠軍卻不斷的、技差一籌的落入AlphaGo Master的圈套。

我在2017年把我的這些發現寫成了書本：《現代流圍棋：如何簡單對戰ALPHAGO-II (第一集)》，並且為了讓讀者免費閱讀內容，製作了64集的youtube視頻：現代圍棋學習之路─AlphaGo Master人機大戰共64集─（全集播放））

（圖片來源：陳華夫製作）

如今檢討起來，我父親從小禁止我下棋，是否扼殺了我的圍棋興趣或天分呢？這是一個無法科學回答的難題。至少以我的例子來看，我在youtube視頻發表了數百個圍棋視頻，教導最基本、入門的圍棋知識，及最進步的戰勝電腦圍棋的策略。但看這些圍棋視頻的棋友，可能不知道我在youtube上還有數十個，教導「RF電漿的視頻」（如科學方法學物理與人工智慧（11/40）─RF電漿的Matching Box）、克服「物理學的四大天塹」（如科學方法學物理與人工智慧（18/40）─學習電磁學的第四天塹「歐拉（Euler）公式」的克服）、「情緒管理」（如自我情緒的智慧管理第一章之一孤獨的種類）、及「視力的智慧管理」（如視力的智慧管理第一章之一眼睛視力是靈魂之窗）等。另外，我在方格子裡的「陳華夫專欄」有231篇政經、科技、學習的文章。
這些圍棋以外的知識，都是當初若我一頭栽入圍棋的勝負世界裡很難學習到的。人生的得失即使本人到老年都難評估的，為人父母的又怎能預先知道呢？

2）電腦圍棋的棋力比人類高一個檔次：
據媒體報導，許皓鋐對電腦圍棋的看法：「許皓鋐承認，自己有好一陣子，日日都與電腦下棋，於人工智慧中找尋答案，可是看多了，又感到迷失。他表示，一開始總是見招心喜，一昧盲從，當作信仰一樣銘記在心，但下出來又全然不是那麼回事。或許神招本來就不適合人世，又或者「AI也有BUG！不是絕對的、不能完全相信。」許皓鋐說，今年以來，他與電腦下棋的時間也少了，不僅是偷不到棋步，還有「實在是太絕望了」，實力懸殊，可能局到半路就崩盤，既難學習經驗，也打擊信心。」（見「那一手我若不衝動，其實還有得下」敗於世界棋王之手的19歲台灣棋士：許皓鋐）

媒體文章認為，觀眾真正想看的是人類在競技中的種種決策行為及反應，特別是情感反應：「競技活動一向在人類文化中佔有一席之地，而人工智慧（AI）興起之後，為這個領域帶來不少啟發與反思。近日OpenAI執行長山姆．阿特曼（Sam Altman）來台演講時提到，雖然AI的棋力很強，但人們還是更喜歡看人類之間的對決。其實在三、四年前，還有不少人關注AI之間的圍棋比賽，這種棋局往往非常複雜，讓人大開眼界，但如今AI廝殺的棋局已乏人關注。亞運的圍棋賽事再次證明，觀眾真正想看的，還是人類在競技中的種種決策行為及反應，特別是情感反應。」（見「許仙」許皓鋐vs.「豪俠」柯潔：亞運圍棋的情感與藝術）
每位圍棋天才都下過糟糕的棋局，因為他們僅僅只依賴于天生本能的力量，而這種力量本就不可捉摸。人絕不能以單純的預感、一種直覺或者一次心血來潮，來下圍棋，這樣只會讓棋手沈溺於勝負、金牌，有害棋力的提升。真正不斷提升自己棋力的棋手應該深刻理解圍棋的本質及知識，並以此來下棋。

在2017/10/19日DeepMind公司在《自然》雜誌上發表了劃時代的論文:Mastering the game of go without human knowledge（中文翻譯：不需要人類圍棋經驗練的超級電腦圍棋軟體），而推出了迄今圍棋史上棋力最強的版本：AlphaGo Zero，它擺脫了它的前身─AlphaGo Lee及AlphaGo Master ─必須借助使用人類KGS圍棋伺服器棋譜進行監督學習，完全由零（Zero）開始，不需要人為指導，只是自己和自己不斷對弈，來訓練自己。AlphaGo Zero經過3天的學習就以100:0的比數擊敗AlphaGo Lee的實力，而在21天後達到了AlphaGo Master的水平，並在40天內超過了所有之前的版本，成為史上無敵的圍棋軟體。

（圖片來源：Mastering the game of go without human knowledge）

而AlphaGo Zero與緊追在其後的絕藝、, 「ZenGo 7」, 金毛,天壤,韓豆, Katrain等電腦圍棋的棋力比較如下圖：（見最新圍棋AI實力排行！）

（圖片來源：陳華夫製作）

DeepMind公司開發了AlphaGo Zero後基本上以充分瞭解了圍棋這門藝術，就不再碰圍棋了。而把開發圍棋所獲得人工智慧的知識應用到AlphaFold2的蛋白質3D結構預測上，其準度逼近滿分，結構生物學家 Petr Leiman 感嘆，用價值一千萬美元的電子顯微鏡努力地解了好幾年，AlphaFold2 竟然一下就算出來了。蛋白質摺疊的研究對癌症、病毒類感染，抗生素、靶向藥的開發，新效率的酶研發等極為重要。（見拙文人工智慧的「強化學習」與人類學習的優劣─學習的本質（12））

（圖片來源：AlphaFold2 爆火背後人類為什麼要死磕蛋白質）

3）人工智慧（AI）的AlphaGo Zero及ChatGPT真的勝過人類？
人工智慧（AI）近年進步神速，2017年谷歌（Google）的DeepMind公司推出超級電腦圍棋 AlphaGo Zero，棋力遠遠超過人類。2022年OpenAI公司推出ChatGPT聊天機器人（GPT-3版本），它的轉換器（Transformer）神經網路包含175G參數，800GB標記（token），其訓練數據庫基本上是數十萬篇英文學術論文、新聞報導、書籍和社群媒體貼文。它雖然沒有人類意識的目的性，但它擁有接近人類水平的自然語言處理（NLP）能力及對話邏輯。

（1）圍棋史上棋力最強的AlphaGo Zero真的無懈可擊？
電腦圍棋有一個致命的盲點，它無法真正裡解圍棋中打劫的意義，所謂打劫，是圍棋術語。下棋時，在提掉對方一顆子之後，己方所落之子即使僅剩一氣，對方也不能立即落子提回，否則將無限重複，因此之後的一方必須要在其它地方落子，等到下一手才能提這顆子。但電腦圍棋並無法真正的瞭解打劫的意義，所以在計算勝負時會出現盲點。
我利用電腦圍棋打劫的盲點，狂勝「Katrain 9段」144目半（見現代流5原則對戰職業九段,9P系列（60─100）─ 陳華夫持白狂勝「Katrain 9段」144目半）。此局中，我持白，「Katrain 9段」持黑，黑棋搞大陰謀要殺掉我白的右下角，結果，打劫，黑差一手，不能進子，其局搏殺到黑297手，黑中腹淨死，輸了144目半。
一般而論，AI電腦圍棋不如人類智慧的地方有四點：（1）它的演算法（algorithm）只能建構規則，而人類卻可建構解釋規則的理論。（2）它無法處理兩三個地方的「聯立」利益，這需要長遠的大局觀。（3）它無法吸取失敗的教訓，反敗為勝。（4）電腦圍棋有無法理解打劫的盲點。（詳細，見拙文人類智慧真正優於AI電腦圍棋之處為何？─學習的本質（15））

（2） 人工通用智能（AGI）遠遠落後人類的智慧：
我在拙文請看懂智慧的本質：GTP4的「人工通用智能」（AGI）落後人類有多遠？─學習的本質（22）中已詳述人工通用智能（AGI）遠遠落後人類的智慧，但不少讀者認為太多專有名詞，不容易瞭解。
我在此舉一般讀者可以瞭解的例子說明。我曾利用ChatGPT來生成有審美能力的繪畫，效果不錯，我請ChatGPT畫了幅張大千風格的潑彩山水畫，幾可亂真。（見拙文AI之ChatGPT的繪畫審美能力賞析─學習的本質（21））

但就文學上來說，我也請ChatGPT寫了篇「愛情小說」，但離文學水準很遠。這麼說吧，我寫了篇言情小說：小說│《黃色信封袋裡的派克金筆》 ─文學與藝術(30)及評論此小說的文學技巧之文章：論陳華夫小說《黃色信封袋裡的派克金筆》之敘事技巧─文學與藝術(31)。若要求ChatGPT或其他大型語言模型( LLM )之GPT-4寫一篇類似的嚴肅文學小說，及類似的嚴肅文學批評文章，在可預見的將來，實現的機率是微乎其微。