AlphaGo 明年復出,可望迎戰世界第一棋王柯潔!

AlphaGo 的棋力在已過半年有巨大的進步,將會在 2017 年年初復出下棋。AlphaGo 團隊將會在近期內公佈更多訊息。
評論
/Kim Hong-Ji - RTS9QRI
評論

原文刊登於合作媒體 愛範兒 ,INSIDE 獲授權轉載。

今年 3 月 AlphaGo 和李世乭的圍棋對決,就像科幻小說《三體》中的人類艦隊首次迎戰水滴。

本來自信滿滿的人類,被不可預料的強大戰鬥力打了個措手不及幾乎全軍覆沒。

《三體》中人類戰隊倖存了 4 艘戰艦,被 AlphaGo 狂虐了 4 局的李世乭,也在這場 5 局大戰的第 4 局為人類輓回了一點顏面。

本週末 DeepMind 團隊亮相暴雪嘉年華,宣佈 AlphaGo 接下來將要挑戰《星海爭霸 2》後,今早 AlphaGo 團隊成員樊麾在微博宣佈:

AlphaGo 的棋力在已過半年有巨大的進步,將會在 2017 年年初復出下棋。 AlphaGo 團隊將會在近期內公佈更多訊息。

AlphaGo 再度出手,目標可能直指世界第一

Photo Credit: Chad Miller on Flickr
Photo Credit: Chad Miller on Flickr

目前在棋手積分排名上,擋在 AlphaGo 面前的,只剩下中國棋手柯潔了。其實在 AlphaGo 還在於李世乭對戰期間,柯潔在微博上的自信言論就已經讓他紅了一波。

▲現今圍棋世界排名,Photo Credit: goratings.org
▲現今圍棋世界排名,Photo Credit: goratings.org

「就算阿法狗戰勝了李世乭,但它贏不了我」、「管你是阿法狗還是阿法貓!我柯潔在棋上什麼大風大浪沒見過?讓風暴再來的猛烈點吧!」 這些 人機大戰期間的 「出格」 言論,直接讓柯潔走上了輿論的風口浪尖。

儘管在今年 7 月份由於連續輸給兩名較低排位棋手讓柯潔暫時將佔據兩年之久的世界第一寶座讓給了 AlphaGo,但在目前的積分排行上,由於 AlphaGo 之後再無公開對戰,柯潔的積分又回到了第一的位置上。

明年年初的對戰,很有可能就是一次世界第一的真正對決:柯潔對戰 AlphaGo 。

其實大概在今年 6 月份的時候,中國國家體育總局棋牌運動管理中心黨委書記楊俊安就在第 37 屆無錫世界圍棋業餘錦標賽的比賽說明會和抽籤儀式上透露:

前一段,中國圍棋協會和 Google 公司有過幾次接觸,雙方都同意在不久的將來,安排一次排名第一的圍棋選手柯潔和 AlphaGo 進行 「人機終極對決」。

當然,將會在 2017 年與 AlphaGo 對戰的究竟是不是柯潔,還要等過段時間 AlphaGo 團隊的官方宣佈才能確定。

看看現在談談未來, AlphaGo 之類的人工智慧在未來生活可能扮演什麼角色?

歸根究底,支持 AlphaGo 獲得勝利的是深度神經網絡。除了圍棋和《星際爭霸 2》這種競技遊戲類的應用,當 Google 把深度神經網絡用在翻譯中,可以讓翻譯變得更加通順流暢,表意清晰。

Google  表示 ,新的翻譯系統簡稱為 Google 類神經機器翻譯( Google Neural Machine Translation-GNMT),就某些語言而言,GNMT 錯誤率可以減少 60%。)

▲人類翻譯、神經機器翻譯系統和短語單詞翻譯系統的完整度(分成 0~6 的程度)在不同語言應用中的對比

該專案的負責人之一,同時也是 Google 智庫成員的工程師 Mike Schuster 談到:

我們將按照 「點對點」 的模式對整個系統進行統一訓練,這可以使公司更專注於減少翻譯的錯誤率。雖然現在還並不完美,但的的確確是完善了很多。

▲新的神經機器翻譯系統如何檢測一個句子,並對它之間的關聯性和重要性進行考量
▲新的神經機器翻譯系統如何檢測一個句子,並對它之間的關聯性和重要性進行考量

在機器翻譯方面, Google 使用的深度神經網絡叫做 LSTM(long short-term memory – 長期短期記憶)。 LSTM 可以保留長期和短期的記憶,有點像人類的大腦,這使得它可以用更複雜的方式進行學習。

和 Google 以前的短語翻譯系統( Phrase-Based Machine Translation-PBMT)不同,LSTM 可以從頭到尾記住一句話再進行翻譯,使長句翻譯不再是單詞的拼湊,而是流暢通順的語言。

▲一句中文在短語單詞翻譯系統、神經機器翻譯系統和人類翻譯的區別
▲一句中文在短語單詞翻譯系統、神經機器翻譯系統和人類翻譯的區別

其實多年以來, Google 一直想讓 LSTM 應用於翻譯工作,然而一直無法攻克翻譯速度這個難題。直到做了大量的工程和演算法作業,才得以完善這個模型,讓新神經機器翻譯系統能夠在跨越大型的 Internet 服務時保持工作速度。

除了翻譯,隨著類似於 AlphaGo 的人工智慧和機器學習越來越智慧,我們將會面對這樣的現實:機器會逐步取代人類的工作。

正如特斯拉的 Elon Musk 在接受 CNBC 採訪時說的那樣:裝備有人工智慧的機器正在進入勞動市場,對於人類來說,這很可能意味著工作流失和 「基本收入的普及」。因為自動化成為常態,未來我們的就業選擇可能會受到限制,但這會讓人有更多時間享受他們的生活。

除了上面說到的人工翻譯,可能最快被替代掉的職業是汽車司機。雖然現在絕大多數廠商只是提供了達到 SAE 和 NHTSA Level 2 的駕駛輔助功能。但從現今自動駕駛的發展趨勢來看,全自動駕駛汽車正式民用可能也距離我們僅有五六年的時間,而這其中的關鍵就是無人駕駛演算法。

總的來說,目前以 AlphaGo 為代表的機器學習與人工智慧,在未來的前景不可估量。當然,正如愛範兒的投稿作者曾慶偉所說:

最好的時代,也是最壞的時代。有了機器學習的助攻,人類有了研究傳統科學難以研究的複雜問題的能力;人們甚至可以將機理尚不清晰的模型直接部署到產品中,去幫助人類解決問題。但是隨著人工智慧的迅速崛起,社會的就業結構也遇到了巨大的考驗,簡單人力工作的市場勢必受到機器人與人工智慧的擠壓而縮水或者轉移。對於機器學習領域的研究者和公司而言,這是最好的時代;而對於另一部分人而言,也許一場就業危機正埋伏在不遠的將來。

 


運動科技新革命: IoT 結合數據分析,奧運跆拳銅牌羅嘉翎國手養成之路揭秘

運動科技為近年運動產業顯學,現在賽場上,不僅較勁各選手的體力及技術,更考驗各國科學技術導入,輔佐選手的程度。有效運用運動科技,不僅可避免傷害外,更能提升訓練品質,提升選手佳績。
評論
Photo Credit: INSIDE
評論

今年 8 月剛落幕的 2020 東京奧運,台灣選手獲得 2 金 4 銀 6 銅的 12 面獎牌,不僅寫下史上最佳參賽成績,且分別在 10 種不同項目奪牌,令各界大為驚艷。近年健康意識抬頭,下班後會自發去運動的人越來越多,種種現象顯示著台灣的運動風氣已逐漸成熟,而運動科技正是背後的隱形推手。

科技部致力推動產學界合作,結合運動科學、智慧科技與數據分析,輔助選手精準練習,用最有效率的方式提升表現,讓運動訓練不再是土法煉鋼。運動科技的應用也能幫助一般人,在日常生活中更聰明更健康的做運動。由於商機龐大,運動科技早已成為各國在運動競技賽事與產業發展積極佈局的新型態競爭場域,一起來看看它為台灣體育帶來了什麼樣的改變吧!

透過科技幫助運動選手了解自身狀態,穩扎穩打求進步

年僅 19 歲的跆拳道選手羅嘉翎,首戰奧運便打敗多國好手,一舉拿下銅牌。從小在道館長大,幼稚園就跟著爸爸、哥哥練習跆拳道,小學開始在國內比賽嶄露頭角,國二首次參加青少年國際賽事後更不斷奪金。然而,初生之犢的她,卻是好不容易才站上奧運這個舞台。

「小時候的確身高有優勢,但剛轉去成人組時還滿挫折的」,帶著青少年時期的亮眼成績,羅嘉翎在高一下加入跆拳道國家隊,被延攬至國家運動訓練中心(以下簡稱:國訓中心)接受國手培訓,「裡面都是大學的學長姐,訓練強度很高,剛進去時很不適應,那段時間比賽成績也不理想,晚上都會打電話給媽媽哭訴。」

Photo Credit: 行政院科技會報辦公室
Photo Credit: INSIDE

羅嘉翎分享,國訓中心的訓練方式很有系統,除了完備的訓練器材,還會透過科學儀器評估選手的運動表現,也定期使用生化檢測儀器,每月至少1次檢測疲勞度與血氧量,維護選手的身體健康。

「運動科技可以幫助我了解自己現在的狀態,還有需要加強哪些地方」,羅嘉翎表示,選手的日常就是不斷練習、調整好狀態,透過數據分析可以清楚知道自己的強弱項,「像我需要加強肌力,這樣訓練有方向,進步也會比較穩。」

沒有因挫折放棄跆拳道,羅嘉翎持續在國訓中心自我精進,再加上慢慢調整心態,她逐漸適應了高強度的訓練,也找回了享受比賽的初衷。

事實上,台灣自 2012 倫敦奧運以來,就沒有在跆拳道項目拿過獎牌,羅嘉翎也坦承因此感受到不小的壓力,「拿到奧運資格時我爆哭,但我不是被看好奪牌的選手,就想說放鬆去打。」沒想到放下得失心,反而幫助自己贏得了銅牌的好成績。

國立體育大學技擊運動技術學系副教授王翔星分享,針對跆拳道選手的檢測主要有3方面,包括以「線性位移偵測器」檢測選手連續 3 次跳躍的爆發力與穩定度,評估賽場上攻擊動作的力量輸出率;以及透過「測力板」檢測 50 毫秒發力率( RFD,Rate  of Force Development ),以觀察選手腳蹬地出發與踢擊到對手瞬間的力量表現;還有「慣性感應器」則是用來檢測選手的反應能力與速度。

Photo Credit: 王翔星

「現在的訓練方式跟以前差很多,得分的方式不同,教練的觀念也需要調整。」過去也曾是跆拳道選手的王翔星說,以往求勝心切的選手容易練到渾身是傷,現在藉由運動科技的輔助,能精準掌握練習進度,避免過度訓練、減少運動傷害,是更有效率的訓練方式。

Photo Credit: INSIDE

王翔星也表示,培育一名優秀的選手相當不容易,這幾年開始將運動科技帶進國、高中,就是希望能讓年輕選手儘早接觸到運動科技的專業訓練觀念,避免選手在早期生涯就受到嚴重的運動傷害而留下遺憾,未來能夠更上一層樓。

產業跨界結合,讓運動科技深入全民健康生活

目前 5G 正式邁入商業化,宅經濟當道,運動科技的應用也有了更多可能性。「台灣科技業的研發能量強大,運動產業也很有國際競爭力,我認為應該能結合兩者的強項來解決許多問題,例如居家健身沒人指導,該怎樣才不會受傷。」國立臺灣師範大學運動競技學系研究講座教授相子元表示。

相子元主修生物力學出身,被譽為台灣運動科技教父,同時擔任國訓中心運動科學小組總召集人。他很早就投入運動科技與產業結合的研究,作為科技部「精準運動科學研究專案計畫」的執行團隊之一,目前團隊已開發出將壓力感測科技應用於智慧鞋、科技運動襪、機能衣、自行車功率表等產品。

Photo Credit: INSIDE

相子元認為,運動科技商品在亞洲市場很有潛力,目前台灣主要發展在 3 大面向:競技運動,如跆拳道、舉重、射箭;職業運動,如棒球、籃球;全民運動,如自行車、慢跑等。舉例來說, LPS(Local Positioning System ,局部定位系統)運用在團隊運動的訓練上,能讓教練、選手清楚知道跑位陣式,取代傳統手寫戰術,目前 NBA 美國職籃、國際足總FIFA的隊伍也都採用此技術。

Photo Credit: 相子元

台灣選手在東奧打出亮眼成績值得喝采,相子元期待未來運動科技能協助更多選手精準運動、達到更好的表現,放眼 2024 巴黎奧運,並幫助更多人養成規律運動的習慣。接下來行政院主辦的「台灣運動x科技產業策略( SRB )會議」也即將登場,希望加深運動與科技產業的對話交流,讓運動科技越來越深入全民的生活。

SRB策略會議暫擬4大議題:

  1. 運動×科技產業升級創造新價值
  2. 智慧育樂創新服務建立營運新模式
  3. 融合科研成果與創新科技發展智慧新應用
  4. 台灣智慧育樂跨域環境整備

行政院科技會報辦公室 廣告