SMC 資料庫

議題背景

今年當紅的Netflix影集《后翼棄兵》（The Queen’s Gambit），英文劇名指的就是下西洋棋時用的一種開局法，藉由犧牲一些重要棋子才能取得勝利。現實生活中，不只人類會下棋，AI也會。從1997年IBM的超級電腦戰勝俄羅斯西洋棋棋王，到2017年人工智慧軟體AlphaGo戰勝人類圍棋選手，都持續引起大眾關注及討論。

但是，我們除了驚豔於AI強大的下棋能力之外，是否還可以期待這種技術可以幫助人類的棋弈遊戲？對此，專家回應如下：

專家怎麼說？

2020年12月14日
東華大學資訊工程學系教授 顏士淨

AI對圍棋界和遊戲的影響

自2016年AlphaGo擊敗南韓棋王後，衝擊最大的當然是圍棋界。圍棋界乃至於電腦圍棋界，必須要面對人工智慧擊敗圍棋人類棋王的事實。而這面對人工智慧的過程，也可做為其他即將被人工智慧淹沒的領域之借鏡。當時在圍棋界看法相當分歧，毫無疑問的，人工智慧將衝擊圍棋的文化與價值，特別是職業棋士存在的意義。例如一個以職業棋士為目標的小孩，若有人告訴他永遠不可能贏過電腦，那鍛鍊與增強棋力的決心是否就會動搖？其實，我們可以透過人工智慧，更理解圍棋的優點，享受圍棋帶來的快樂。回顧AlphaGo之後一系列AI圍棋所帶動的新聞效應，已經讓圍棋再度熱了起來，特別是Google後來又發展了AlphaGoZero、AlphaZero、Muzero[1]等可以應用在圍棋，甚至更複雜遊戲的AI系統，而讓這股熱潮得以一直持續。

目前各種棋類都有使用AI下棋的系統，可以讓人類選手與AI對弈，因為AI下棋的手法通常比較全面，人在與AI程式拆解招數的過程，可以得到很多有用的回饋。我所主持的東華大學AI實驗室在2017年起，也有提供從初學到職業的圍棋程式GoTrend，並且可以透過網際網路，讓人與GoTrend對弈練習，到2020年末為止，GoTrend系統在網路上被使用次數已經超過兩億人次。

此外，我們也與Facebook一起發展Polygames，是一個平台，研究人員只需要撰寫遊戲規則，經過Polygames架構訓練AI之後，就可以產生一個很強的AI遊戲程式，而人類可以藉由這個AI程式來練習遊戲的對戰。因為這AI程式是自我學習遊戲規則，下法（棋招）會比較全面，所以比人類更不容易有漏洞。Polygames也可以幫助更快速的發展各種遊戲程式，再給人類使用。Polygames已經在2020年發表在開源資料的平台[2]，有興趣的讀者可以自行下載使用。

這技術代表AI有反思和創造力嗎？是否可以應用在其他遊戲？

AlphaGo是根據人類棋譜訓練AI的基礎神經網路[3]，再以此基礎神經網路互相對弈，產生更多棋譜，從中發掘出更好的棋招。而AlphaGo Zero與AlphaGo不同，是完全由AI產生棋譜，訓練出神經網路後再互相對弈，可說是具有圍棋棋招的自我反思和創造的能力，與圍棋棋手的反思和創造力類似。上述的Polygames也是基於類似Alpha Zero的方式所設計。

以AlphaZero與Polygames的經驗來說，只要是規則定義明確的遊戲，都可以使用電腦自我反思和創造的能力來產生AI玩家或棋手，目前成功的例子包括大部分的棋類遊戲、57種雅達利（Atari）遊戲以及星海爭霸等遊戲。因此AI可以幫助開發新遊戲、讓遊戲更好玩，成為人類生活的助力。

相關利益聲明：無。

註釋與參考資料：

[1] 編註：AlphaGoZero、AlphaZero、Muzero這三個都是由DeepMind開發的AI軟體。2017年下圍棋戰勝人類的是AlphaGo，它的最新版是AlphaGo Zero；而AlphaZero則與AlphaGo Zero類似，但AlphaZero的演算法有延伸到將棋與西洋棋。Muzero演算法則可自行學習遊戲的規則和策略，能夠用在比圍棋更複雜的遊戲。

[2] 編註：Polygames公開程式碼請參考〈facebookincubator/Polygames〉。

[3] 編註：運用電腦計算的能力，發展出模仿人類大腦神經元運作的方法來解決問題，就是基礎的神經網路。