[心得] 從Alphago黃博士看圍棋界的變革與未來

作者: Fujiwarano (???)   2017-01-05 11:01:07
最近幾天火紅的新聞,網路圍棋出現一個叫做Master的帳號,60連勝中日韓台世界冠軍
的頂尖高手,昨日在對局中,親自回應公開自己的身分就是Alphago的黃博士,其實從前面
幾次難得打字出現繁體字的回應,不難猜到就是黃先生,因為就棋界來說,會使用繁體中
文的國家只有台灣。從Alphago這次造成的旋風,很多新聞或是網路鄉民們,內行人看門道
,外行人看熱鬧。甚至有人在嘲笑這些頂尖職業棋士們即將面對AI的這波浪潮失業,我個
人其實並不以為然。但是可以預見的是,圍棋界已經掀起了驚天動地的一波革命性的浪潮
。可能也有正在讓小朋友學圍棋的家長們感到懷疑覺得現在AI這麼強,連當今全球職業棋
士都贏不過了到底現在讓小孩子學圍棋還有沒有未來?
這個答案相信眾多的家長們都很想知道,作為教育者的角度來看,其實這個答案還是
肯定的。學圍棋重視的是當中的這些過程,而不是勝敗這種一盤棋的結果。還記得以前
沒有電腦的時代,大家做會計只能夠用算盤,甚至大家還很瘋狂去學珠心算參加檢定。
但畢竟電腦科技發展出來以後,的確珠心算將近走入了歷史,但是不可否認的珠心算帶給
很多小朋友計算數學的方便與加速的功能。學圍棋亦然,個人可以很肯定地說一件事情,
如果開發AI的人不是證書業餘六段的高手黃博士,而是沒有段位的工程師甚至不會下圍棋
的工程師,絕對不可能創造出這麼強的AI。原因很簡單因為只有懂圍棋的人才知道自己的
弱點在哪裡,但正因為就是自己的弱點,才會想到很多類似像珠心算那樣重複的過程可以
交給科技來運算。科技使終於來自於人性。正因為業餘六段在圍棋的綜合觀念來說其實已
經把圍棋大部分的觀念都學習完畢了,從布局到中盤的戰鬥計算與謀略大局觀等觀念,
甚至收盤官子的觀念,大致上都學習完畢了,那跟職業的差距就只剩下一件事情,那就是
細算與復盤的完整度。
這裡我要說個小故事,2016年底的時候,我參加了一場應昌期基金會舉辦的大成盃,
剛好因緣際會遇到一位今年剛考上職業棋士的女生的媽媽,中間某一盤過後,這位職業棋
士女生輸給了業餘的某位,但她想一想還是覺得好像沒有輸,所以當場我就在旁邊看到她
跟她的對手在裁判的監督之下重新把這盤棋復盤到最後且收官算完。這對只有業餘二段的
我來說算是一個難得親身體驗的震撼教育。兩位的記憶可以完整地把一盤複雜200多手的
棋復盤完成。但是我必須要說,對於職業棋士甚至檯面上眾多頂尖的中外職業高手來說,
這個是家常便飯,a piece of cake 。這就是學到近頂尖的高手們跟一般人的腦部發育的
差距。
學習圍棋從來勝敗都不是對弈者應該太過在意的目標,要創造100連勝或是一千連勝,
只要都跟比自己弱的人下就不會輸了,但是我必須要講,對於如果產生這樣心態的小朋友
來說,這樣的觀念卻是錯的。追求神乎其技的一手,勇敢向未知與困難困境挑戰,這才是
學圍棋最大該學到的正確心態。學習圍棋我們重視的是小朋友成長的過程,讓他們學習到
禮貌、尊師重道的精神,甚至在眾多圍棋的格言中,(不得貪勝、入界宜緩、勢孤求和...
等)學習到可以應用在人生道路面對挫折的真理。當然這些屬於理想的部分,但就以現實上
教學所遇到的案例,學圍棋確實可以讓小朋友腦部發育比沒學過圍棋的小朋友來的快且
具有優勢。自己教學的經驗看到的,從中班大班就學圍棋的小朋友到了小一,語言發展的
能力已經比小一才開始學圍棋的小朋友語言發展的能力明顯優勢很多。而學過圍棋的小朋
友因為題目的練習與下棋的刺激練習,空間抽象能力還有記憶力還是明顯比沒學過或是
剛開始學圍棋的小朋友又來的具有優勢。這就是學圍棋最大的好處,小朋友在最精華的
成長爆發期過程中,學圍棋可以幫助加速腦部發育他成長的速度,而且重點是寓教於樂。
學圍棋的小朋友很少有覺得無聊的,他們都很享受贏棋的成就或是達成自己設定目標中
間辛苦的過程與輸棋的淚水。這也是家長們可以從中體會到小孩的成長,甚至是會下圍棋
的爸爸媽媽們一個很好可以跟親子心靈交流的機會與平台。沒有業餘六段的黃博士,不會
有這麼驚人的圍棋軟體AI發展讓舉世驚豔的成就,沒有學過圍棋的黃博士,現在應該也
不會有這項驚人的發展與達到人類歷史里程碑等級的這項成就。相信這也是讓自己小朋友
學圍棋的家長們望子女成龍成鳳的一個初衷。
期待台灣能藉由這次黃博士與Alphago帶來的這陣旋風,讓更多家長們能夠放心讓
小孩子學圍棋,學圍棋的小朋友們長大後在各行各業的成就都非常優秀,不是嗎?
作者: devon5 (Dev一)   2017-01-05 11:12:00
推 心得
作者: arthurwang (莫言)   2017-01-05 11:27:00
推心得
作者: changmada (馬大)   2017-01-05 11:31:00
推不過如果跟我下 我亂下一通保證她無法覆盤
作者: rademiel (喵)   2017-01-05 11:34:00
作者: jim543000 (玄黃無極)   2017-01-05 12:29:00
復盤跟亂下一通與否無關==
作者: changmada (馬大)   2017-01-05 12:40:00
有關 我下的棋完全沒有關聯性我的棋和她的棋沒有關聯我的棋前後也沒有關聯 這樣她是不可能背得起來
作者: politics (politician)   2017-01-05 12:43:00
其實你要是真的了解deeplearn裡面怎麼玩的 會發現開發者本身的圍棋能力比重比你想像的還要低 局勢判斷部分用
作者: Scarletbird   2017-01-05 12:43:00
就像考完試 你還是會記得 選了什麼答案一樣吧
作者: politics (politician)   2017-01-05 12:44:00
比較多, 跟machine learning比起來 deeplearn種整體架構
作者: aaaba (小強)   2017-01-05 12:50:00
亂下要能覆盤,大概就是把1-361中隨機抽100個數字,然後打散順序,硬背起來的難度
作者: sylviehsiang (Shawn)   2017-01-05 12:55:00
不只 還要有空間概念 因為子擺在哪邊又是一個關卡
作者: milk7054 (莎拉好正)   2017-01-05 12:59:00
亂數抽樣,因為不知道對手下一部是什麼把對手可能的應手考慮進去,隨機抽樣得到最有價值的策略
作者: NCUking (中大王)   2017-01-05 13:03:00
AlphGo能領先其它的AI 黃博士本身的棋力是關鍵之一
作者: milk7054 (莎拉好正)   2017-01-05 13:06:00
每一步的價值是跟電腦預期對方的應手評估的結果
作者: stevengoddy (過去過不去)   2017-01-05 13:06:00
推了
作者: henry1234562 (亨利二十三)   2017-01-05 13:15:00
黃博士是關鍵 但是關鍵德不會是他的棋力..
作者: Aipr (阿伯)   2017-01-05 13:37:00
關鍵的是Policy和RL,阿甲關鍵之處可能是以他的經驗減少試誤
作者: aegis43210 (宇宙)   2017-01-05 13:51:00
黃博士強在他對電腦圍棋打劫的研究,涉及到混沌動力
作者: panda1031 (熊貓)   2017-01-05 16:08:00
推 想到小時學棋 雖然不久但很感謝爸媽 後來唸書不錯

Links booklink

Contact Us: admin [ a t ] ucptt.com