Google 人工智慧 AlphaGo 在圍棋賽中以 4:1 的成績打敗南韓九段棋王李世乭，代表機器深度學習進展里程碑，而背後程式主要開發的開發者，就是來自台灣的師大博士黃士傑。身為「AlphaGo 之父」，黃士傑在這場「全世界都關注」的人機大賽中，同樣代表了台灣人才在技術領域上的卓越成就。
Google 台灣邀請這次 AlphaGo 的主要開發者之一、比賽執棋者黃士傑，針對機器深度學習的原理，以及就比賽歷程做分享。黃士傑表示：「我在師大學習的論文，成為我做出 AlphaGo 的基礎。」，並且表示，台灣人才其實很優秀，但一方面資源較少，更缺乏信心，例如害怕英文不好無法與外籍人士溝通。他當初剛到國外上班時，也花了很大時間訓練聽力，但是這些外在因素都不影響他在技術上的傑出表現，鼓勵台灣開發者人才應該勇敢走出去。
黃士傑在 Google 旗下的人工智慧公司 DeepMind 擔任資深研究員。DeepMind 目前員工約 200 多名，其中便有 4 名台灣人在裡面貢獻所長。裡面員工來自世界各地，大家都在技術、表現上有強烈的企圖心。這其實也給台灣人一個啟示，黃士傑說：「我們（台灣人）其實不弱，但就是要走出去。」
其實，不只一次台灣人才在機器學習、人工智慧的領域上成就亮眼。例如新創團隊 Appier 便是用人工智慧技術，投入廣告產業；台大教授洪士灝也曾說過，台灣其實擁有世界需要的人工智慧人才，但是能否將這些人才變成專業研發團隊，才是台灣未來考驗。
這次，AlphaGo 在圍棋技藝上的驚人成就，更是大眾焦點。到底，機器是如何超越人腦取勝的？根據黃士傑的分享，AlphaGo 基本上就是機器的深度學習。這套系統仰賴兩套網路：策略網路（Policy Nets）、價值網路（Value Nets）。價值網路負責判斷賽局，搜尋哪方佔優勢關鍵；策略網路則可判斷最佳棋路，類似人類用直覺下棋。AlphaGo 透過學習 20、30 萬套棋譜，將棋譜知識整合分析後，內化成 AlphaGo 的知識，並且在系統內日以繼夜的與自己下棋，增進棋藝，這也稱強化式學習（reforcement learning）。透過兩套網路的搭配使用，讓 AlphaGo 的棋藝可以大幅提伸。
在唯一一場 AlphaGo 落敗的比賽中，黃士傑也表示，團隊目前還在查詢原因，或許是價值網路出現 Bug 因而產生誤判，而不是外界所傳聞的故意讓棋。未來，AlphaGo 的技術將會被應用在醫療領域，例如利用融合大量醫療病例，為未來的問診做出醫學診斷。
而至於是否會使用 AlphaGo 挑戰其他旗手，或是其他遊戲，黃世傑表示團隊仍在考慮中。
COMMENT