我為什麼支持 AlphaGo:近距離觀察「AlphaGo背後推手」黃士傑

今天 Google AI「AlphaGo」與李世乭的系列戰中又被 Alpha GO 搶下一勝,不少人認為這將會是人工智慧甚至於科技發展的一大里程碑。而大戰中那默默為 AlphaGo 一子一子擺棋的,正是來自台灣,開發 AlphaGo 團隊核心人物之一的師大資工博士:黃士傑 Aja Huang。
評論
評論

編注:作者張曉茵是人機大戰中,代 AlphaGo 擺棋之黃士傑(Aja Huang)的學妹,同時也是台灣業餘五段、圍棋專欄作家。黃士傑是台灣師範大學資工博士,並且是開發 AlphaGo 的團隊核心人物之一。本文為她一路以來近距離觀察黃士傑 Aja Huang 為圍棋人工智慧所作出的努力。INSIDE 經張曉茵 授權轉載

首先,看到 Google DeepMind 的電腦圍棋人工智慧 AlphaGo 戰勝樊麾二段的消息,的確有些意外,當然,也有一些恐懼。因為我知道樊麾的實力確實是職業棋手,而且是不會放水的,所以新聞一定是真的。

再來,看了各方圍棋界大量的在討論這則新聞,非常精彩!第一時間,我腦中立刻浮現出一個人:Aja Huang 黃士傑。2007 年我就讀台灣師範大學研究所期間,召集師大對圍棋有興趣的學弟妹來創辦圍棋社,當時聯繫到了就讀資訊工程研究所的 Aja 學長,他是業餘 6 段,也是唯一一位在圍棋社年紀比我大的學長,他很熱心地來指導學弟妹,有關於圍棋 AI 的知識都是那時聽他說的。

那時圍棋 AI 公認最強的程式是 Zen ,大約業餘 5 段,而 Aja 學長所設計的程式 Erica 棋力也不俗,曾在榮獲 TAAI 2009 年電腦圍棋競賽 19 路銀牌及 9 路銅牌等佳績。Aja 學長的碩士跟博士論文都是在台灣師範大學資訊工程研究所林順喜教授的指導下完成,分別是 2003 年的碩士論文《電腦圍棋打劫的策略》(The Strategies for Ko Fight of Computer Go) 和 2011 年的博士論文《應用於電腦圍棋之蒙地卡羅樹搜尋法的新啓發式算法》(New Heuristics for Monte Carlo Tree Search Applied to the Game of Go) ,博士論文中 Rémi Coulom 為共同指導教授。

▲後排左一為 Aja 學長,照片為 2007 年台灣大專杯圍棋賽師大圍棋社合影

我在 2007 年時第一次聽 Aja 學長介紹蒙地卡羅樹搜尋法,我後來也上網查了一下,原理應該是:通過隨機抽樣的方法,以隨機事件出現的頻率估計其機率,或者以抽樣的數字特徵估算隨機變量的數字特徵,並將其作為問題的解。假設我們要計算一個不規則圖形的面積,那麼圖形的不規則程度和分析性計算的複 雜 程度是成正比的。

假想你有一袋豆子,把豆子均勻地朝這個圖形上撒,然後數這個圖形之中有多少顆豆子,這個豆子的數目就是圖形的面積。當你的豆子越小,撒的越多的時候,結果就越精確。藉助電腦程式可以生成大量均勻分布坐標點,然後統計出圖形內的點數,通過它們佔總點數的比例和坐標點生成範圍的面積就可以求出圖形面積。所以,Aja 學長說他們每天都餵程式吃很多職業棋士的棋譜,那時我隱約覺得,只要程式吃的棋譜夠多,一定能比人類還要強,沒想到,這天來的這麼快!

此外,這幾年他們可能還加入了 policy network 及 value network 等關鍵技術。這次 Nature 雜 誌上關於 AlphaGo 的論文 ,有心的人應該會發現,第一作者是 David Silver & Aja Huang(請見 Mastering the game of Go with deep neural networks and tree search)。

看到 Aja 學長也是 AlphaGo 的研發團隊之一,而且是並列第一作者,代表在團隊中的貢獻度不小,感到與有榮焉。我知道 Aja 學長博士畢業後到英國,2014 年曾托我買了整套 2013 年《圍棋天地》雜 誌合刊本,專門寄到英國給他。Aja 學長為人低調,去年他加入 DeepMind 我也是最近才知道,而且在最近的報導中,他仍保持低調作風,一切貢獻以團隊為主,我在 Facebook 上想跟他多瞭解一些 AlphaGo 的訊息,他說是整個團隊的貢獻,而且很多事情目前都需要保密,等到三月跟李世 乭 九段比賽後之後才能說。

關於最近有網友發現在弈城上有一個 deepmind 的帳號,揣測是否就是用來測試 AlphaGo 程式的帳號。1 月 29 日,在台灣的 書呆弈討論區 中,Aja 學長已正式回應,那個帳號是他個人在使用的。原文如下:

「奕城的 deepmind 是我本人 (Aja Huang) 在用的帳號,並不是 AlphaGo,而且 deepmind 應該是在 14 年底之前、在 AlphaGo 團隊出現之前就創建了。如果我記得沒錯,我是在 Google 收購 DeepMind 之前就在奕城用 deepmind 下棋了,那時候我打到奕城 8d。我本人喜歡下圍棋,棋力是台灣業餘六段,去年在德國的比賽我甚至贏過一位日本職業棋手。但 AlphaGo 肯定是比我強太多了。」

「職業水平的圍棋軟體,應該最慢在 1-2 年之內就會在市面上普及。我相信 Zen 的作者目前正在全力實作我們公佈在 Nature 雜 誌上的方法,或許 Zen 可以在不久的將來追上 AlphaGo,我個人十分樂見這樣的發展。我估評 7d 的 Ze n 目前距離 5 個月前的 AlphaGo 還有 3 子以上的差距。」

依照 Aja 學長這樣的回覆,AlphaGo 的真正實力應該有職業水平,不容小覷。加上 Google 肯定是有一定的把握,從去年開始經過縝密的籌備及醖釀,直到今年初公開消息,是有完整準備的。當亞洲圍棋強國在為夢百合世界大賽冠軍爭奪時,英國的 DeepMind 團隊已悄然走在超越人類世界冠軍的道路上。

三月對戰李世 乭 ,AlphaGo 研發團隊堅持不透漏各種保密協議的內容,這使我更看好 AlphaGo。我不是不支持人類,而是除了棋手個人的棋力強之外,我更相信人類集體智慧的結晶成果,即 Google DeepMind 團隊合作的智慧。

這裡我想說一個題外話,可能不是很重要,但是或許也可以從側面多瞭解一點線索。一般人會覺得電腦工程師一定是整天面對著電腦和大量的數據,思考必須非常理性。能夠開發出打敗人類的圍棋程式,研發者的思維一定非常嚴謹,做事一板一眼。但是接觸了 Aja 學長,發現並不是這麼回事。他們也是人,而且,Aja 學長還很喜歡音樂,甚至自己能夠用 MIDI 作曲並彈奏。我自己從小一直是學音樂的,聽到 Aja 學長的作品都覺得有專業水平,而且非常感性,我今天翻出來聽都還是耐人尋味。我在想,這樣一位理性感性兼備的電腦工程師所在的團隊,其開發出來的電腦程式,或許會想過把一些人性的元素放進去。

很高興,Google 團隊裡有這麼一位台灣人,Aja 學長說要低調,因為 AlphaGo 的團隊成員很多,不是他一個人做出來的。但是,為什麼我們不能說,AlphaGo 的團隊成員很多,但是其中有一位台灣人,而且擁有業餘6段的棋力也是團隊中棋力最高的,可謂「台灣之光」!身為師大校友、台灣人,甚至亞洲人,Aja Huang 能在英國的團隊中貢獻所學,都應該為之喝采。此時,是否我們可以用一種更寬大的胸懷,這群研發團隊代表人類突破了圍棋人工智慧,大家應該共同身為如此神奇的人類而讚嘆。就算 AlphaGo 至今尚未打敗人類世界冠軍,但我相信這一天並不會太久,我樂見其成。

《延伸閱讀》

AlphaGo 首敗後正式成為世界第四,工程師向柯潔下戰帖

AlphaGo 對李世乭「放水」?棋手說不可能!

人機圍棋第四戰,李世乭「神之一手」戰勝人工智慧 AlphaGo!

南韓專家:AlphaGo 非真人工智慧,Google 設局須向圍棋界道歉

人工智慧有多恐怖?聽聽「天才」Demis Hassabis 怎麼說!

李開復:人工智慧對人類真正的威脅是什麼?

【系列戰直播專文】人機大戰首盤 Google Alpha GO 勝出!李世乭投降

【系列戰直播專文】就在今天!Google AI「AlphaGo」大戰李世乭 Youtube 現場直播!

【系列戰直播專文】人機大戰第二戰中午登場,AlphaGo 將先攻

Google AlphaGo 對決李世乭前夕,9 位圍棋世界冠軍分析勝負

「捍衛人類智力」,Google 人工智慧對決人類棋王大戰在即!

圍棋:電腦要戰勝人類有多難?

歡迎加入「Inside」Line 官方帳號,關注最新創業、科技、網路、工作訊息

好友人數

Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。