這家員工齊出走,靠人工智慧找潛力飆股

DeepMind員工總辭!!透過靠人工智慧找潛力飆股,打造AI操盤手.

目錄

• DeepMind 前員工打造專為投資的人工智慧
• 人工智慧不打牌改操盤

隨著科技的進步，人工智慧能做到的事情也變得越來越多。只要擁有足夠的數據，透過機器學習和演算法，AI 就能夠在短時間內做到許多事情。近年來，許多投資公司也藉由 AI 來建議投資人最適合的投資組合或是直接作為「AI 操盤手」。

DeepMind 前員工打造專為投資的人工智慧

根據外媒《CNBC》報導指出，三名 DeepMind 的前員工正在訓練一台機器，希望能透過 AI 在股票以及加密貨幣上漲之前，就能搶先發現這些潛力股。

這三名員工 Martin Schmid、Rudolf Kadlec 和 Matej Moravcik 都曾在 IBM 工作，並於 2017 年開發了一款名為 DeepStack 的人工智慧 ，成為第一個能夠在無限注德州撲克中擊敗職業玩家的人工智慧。

而他們想將其中的部分概念應用於金融市場，於是他們離開了Alphabet 旗下的人工智慧實驗室 DeepMind，隨後成立了 EquiLibre Technologies。

人工智慧不打牌改操盤

雖然他們不是第一個嘗試用 AI 人工智慧 找到股市必勝法則的人，但他們採取的方法與競爭對手略有不同。傳統的選股人工智慧會根據歷史趨勢「猜測」市場接下來會發生什麼；但 Equilibre 團隊以極其複雜的演算法而聞名，因此無需大量資訊也可成功解決問題。

他們將博弈理論與人工直覺相結合，以獲得優於其他基於電腦或人工交易的操作優勢。Schmid 表示，與其讓人工智慧玩撲克，不如讓它玩算法交易（algorithmic trading）。他也補充說明，公司也正在對於加密貨幣進行研究和開發。

他們使用一種稱為強化學習（Reinforcement learning）的技術來訓練人工智慧系統來買賣股票並獲利。Schmid 表示，他並不擔心監管機構會限制這項技術，因為其他公司也早已經在做類似的事情。「我們只想做比現有演算法更好的演算法。」

EquiLibre Technologies 目前已經獲得了許多投資者的資助，Schmid 表示，公司目前已經籌集了捷克有史以來規模最大的種子輪融資，但拒絕透露確切數字。

---

本文轉載自科技報橘（原標題：DeepMind 員工為打造「AI 操盤手」齊出走！目標讓 AI 能找出潛力飆股、加密貨幣），僅反映專家作者意見，不代表本站立場。首圖為示意圖，與本文無關，來源：Unsplash

 

 

相關文章:

【機器學習懶人包】 10種演算法圖解-從監督式到非監督式學習

AI 人工智慧、ML 機器學習、深度學習、Python 是什麼？ 看這一篇就對了！

元宇宙也吃得到大麥克！麥當勞申請「McMetaverse」等10項虛擬餐廳商標

「超能力」具現化？臉書推手腕 AR 感測器　讓你隔空操縱介面

必勝客人工智慧把關,兩分鐘內美味披薩出爐!

麥當勞就是狂!讓你未來吃得到人工智慧漢堡包!

以色列新創推人工智慧電影多國語言配音,自然無違和

 

利用人工智慧控制核融合反應,能源危機有解!

利用人工智慧控制核融合反應,可望解決能源危機!

目錄

• 人工智慧公司DeepMind：找到控制「核融合」關鍵
• 核能研究大躍進，DeepMind 新AI演算法功不可沒
• 應用「隨處可見」氫離子獲取核融合 有望發展成未來可再生能源主力

人工智慧公司DeepMind：找到控制「核融合」關鍵

Google 旗下的人工智慧公司 DeepMind 日前在國際知名科學期刊《Nature》上發表論文，其中重點說明了 DeepMind 的研究人員應用了強化學習和模擬環境學習架構，和瑞士洛桑聯邦理工學院電漿中心合作，在電漿中心的核融合設備：環磁機（Tokamak）中成功找到控制核融合的關鍵。

核能研究大躍進，DeepMind 新AI演算法功不可沒

環磁機是瑞士電漿中心研發的小型核融合實驗場域，環磁機內部為真空環境，酷似甜甜圈的外殼則包覆著電磁線圈，用來將熱度高於太陽核心的氫電漿限制在環磁機之中。

電漿中心主任法索利（Ambrogio Fasoli）指出，控制系統正確數值的冗長運算才是控制核融合反應的關鍵，因此為了實驗各種核融合電漿類型，以達到在成功取得能源同時保持設備安全不受毀損的目的，電漿中心與在人工智慧領域頗有一席之地的 DeepMind 合作，開發了強化學習系統，讓機器學習演算法自動控制線圈，同時還能穩定環磁機內的電漿，達成成功的核融合反應。

“AI, and specifically reinforcement learning, is particularly well suited to the complex problems presented by controlling plasma in a tokamak.” https://t.co/p1NTPwbTz9 pic.twitter.com/l2OyRx9ror

— WIRED (@WIRED) February 17, 2022

目前的核融合實驗，無論在硬體、時間和軟體上都十分受限，因此 DeepMind 改由從模擬環境中找尋突破口。接續模擬環境的成功，強化學習系統不僅可以準確控制環磁機內的每個線圈，演算法更能操控形成不同形狀電漿，而科學家們正致力於在其中找到能源利用最大化的可能性。

應用「隨處可見」氫離子獲取核融合 有望發展成未來可再生能源主力

數十年來，科學家為了解決全球的能源問題，希望能找到符合人類所需且乾淨的可再生能源。而藉由融合隨處可見的氫離子，來獲取巨大能量的核融合反應，是目前的最佳選項。

 原文出處:https://www.tedu.tw/blog/deepmind-trained-an-ai-to-control-nuclear-fusion.html

相關文章:

元宇宙也有翻譯蒟蒻了！Meta推全球語言都可翻譯的人工智慧

Google提出Android隱私沙盒，標榜保護用戶資料安全

LINE在台推出2項人工智慧應用服務：聽聲音就能寫會議紀錄、自主訓練聊天AI

經典老動漫變高清！人工智慧拯救渣畫質，開發者還在 Github 貢獻程式碼

人工智慧與軍事武器結合時,人類是否會失控?

糖友救星!加拿大人工智慧新創免扎針血糖

遍布空中人工智慧殺人機器,我們真的需要這些發明嗎?

 

自動駕駛巨頭互嗆?Waymo說特斯拉根本不是對手(下)

 

是誰有好大膽子敢嗆AI自駕第一大廠特斯拉根本不是對手?(下)

本篇文章為自動駕駛巨頭相互 diss？Waymo 槓上特斯拉 嗆「根本不是對手」的下篇，想回顧 Waymo 對特斯拉嗆聲的精彩內容，請點以上連結了解事情始末！

馬斯克本人推文反擊　Waymo 和特斯拉隔空叫陣

 

▲ 馬斯克推文反擊 Waymo，說特斯拉的人工智慧硬體比 Waymo 優。截圖自推特（twitter）頁面。

 

 

而 Waymo 執行長採訪的新聞一刊出，特斯拉執行長馬斯克（Elon Musk）使用自己的推特帳號公開反擊：「讓我驚訝的是，特斯拉的 AI（人工智慧）硬體和軟體都比 Waymo 更好。」（To my surprise, Tesla has better AI hardware & software than Waymo (money)）

 

馬斯克對自家的技術一向不吝於展露自信，過去也在接受矽谷技術新聞網站「Recode」的採訪時發下豪語：「雖然聽起來有些過於自信，但我想不到哪家廠商能在自動駕駛超過特斯拉。」

 

▲ 特斯拉執行長馬斯克一向熱愛使用社群媒體發表看法。圖片來源：美聯社（ASSOCIATED PRESS）

 

 

除此之外，懷抱「讓大眾都能負擔得起一台特斯拉」的馬斯克也針對 Waymo 的高昂成本嗆聲。

 

Waymo 執行長曾說過，若將 Chrysler Pacifica Van 或 Jaguar I-Pace 配備上 Waymo 系統，價格約落在 18 萬美元（約新台幣 500 萬元）左右，約等於一台賓士 S 級轎車；而近期正式開賣的 Tesla Model Y 一台起價為 49990 美元（約新台幣 130 萬元）起，相較之下的確是更親近消費者。

特斯拉 VS Waymo 誰才是自動駕駛行業的第一把交椅？

說了這麼多，那特斯拉與 Waymo 到底誰更勝一籌呢？

 

▲ Waymo One 與 Waymo Via 是 Waymo 的主要業務之一。圖片來源：Waymo 官網。

 

 

Waymo 在自動駕駛領域起步較早，誕生於 2009 年，至今已深耕 10 多個年頭。從2018 年開始 Waymo 自駕計程車服務也正式在美國鳳凰城上線，並成為加州 60 多家拿下自動駕駛測試牌照的公司中、第一個可以撤除安全駕駛員的公司。

 

除此之外，Waymo 還有強大的模擬器，能在虛擬世界訓練自動駕駛系統，挑戰各種複雜的情況。據了解，Waymo 的模擬器每天就能累積 1,000 萬英里的測試里程，測試總里程超過 70 億英里。

迄今為止，Waymo 車隊的自動駕駛里程已超過 1,000 萬英里，測試總里程超過 70 億英里。其光學雷達的 360 度感知技術可檢測多達 300 碼外的行人，生成周圍環境精確的 3D 地圖，辨識人類、分類物體並預測下一步動作。

▲ 乘坐 Waymo 自駕車示範影片

當然，Waymo 也並非十全十美。其自駕系統曾被指出有「優柔寡斷」的「個性」，尤其是在車輛換道時不夠果斷，容易造成事故發生。

目前，Waymo 提供的兩項服務：全自動駕駛叫車服務（Waymo One）與貨物運送（Waymo Via），在市場上還未有強而有力的競爭對手。

 

▲ 特斯拉自駕示意圖。Photo by David von Diemar on Unsplash

 

 

特斯拉最初版的駕駛輔助系統 Autopilot 誕生於 2014 年，當時還是與以色列自駕技術公司 Mobileye 合作、採用其提供的系統，2 年後才換用自行研發的產品。透過不斷的加強、升級，進入「Hardware 2.0」版本後，馬斯克當時宣稱已支援全自動駕駛。

 

與其他廠商相比，特斯拉有一大優勢，就是販售的車型都是聯網車型，因此特斯拉能用這幾十萬台車採集的數據來訓練 Autopilot 系統，並找出自動駕駛的「門道」，隨後再透過推送提升龐大車隊的自動駕駛能力，單論這部分而言，可能是靠購置他牌車輛再改裝的 Waymo 無法匹敵的。

不過，其實在 2018 年時特斯拉官網就悄悄撤下「全自動駕駛」（full self-driving）選項，只剩下「增強自動駕駛輔助」選擇；馬斯克也在 Twitter 上澄清：「全自動駕駛」引起太多困擾，因此才下架。全自動駕駛功能準備好之前，不會再出現選單中。這也表示，即使 Autopilot 的功能確實很強大，但距離全自動駕駛的願景依然十分遙遠。

所以要論誰輸誰贏呢？如果是以真正的「全自動駕駛」而言，兩家都離實現目標有段距離，美國國家公路交通安全管理局也表示：「至今為止市面上還沒有出現車輛是能夠完全自動駕駛的」；若是以市場占有率而言，現階段的市場尚未成熟，誰能拿下這塊大餅？或許一時半刻還無法見真章！

 

 

相關連結:

Google 推出搜尋結果新功能！SEO可能會變更複雜⋯⋯

進可攻·退可守的一技之長-Python課程結業後成功轉職工程師

大一生把Python程式碼可視化: Ryven讓debug變簡單！

人工智慧讓已故親人「復活」與你聊天互動

科幻迷們!可知電影中的程式語言是Python,Java?(上)

人工智慧文筆太好,記者憂心飯碗不保(上)

地表最強人工智慧面試官誕生了!(下)

自動駕駛巨頭互嗆?Waymo說特斯拉根本不是對手(上)

 

是誰有好大膽子敢嗆AI自駕第一大廠特斯拉根本不是對手?(上)

目錄

• Waymo 開出第一槍　直言「特斯拉稱不上對手」
• 馬斯克本人推文反擊　Waymo 和特斯拉隔空叫陣
• 特斯拉 VS Waymo 誰才是自動駕駛行業的第一把交椅？

 

只是沒想到，這些矽谷巨頭之間的傾軋會浮上檯面，在社群媒體上你來我往、唇槍舌劍，白熱化程度堪比 Roast Battle！

自駕（self-driving cars）是近十年來人工智慧發展的重要應用之一，不但內含巨大商機，也顛覆了產業生態及競爭型態。這也讓許多走在自駕最前端的科技巨頭們也明爭暗鬥、針鋒相對。其中，深耕自駕領域多年的 Waymo 和勢頭強勁的特斯拉更是其中佼佼者。

 

Waymo 開出第一槍　直言「特斯拉稱不上對手」

 

▲ Waymo 執行長 John Krafcik 日前接受採訪時的犀利言詞引發一陣討論。照片來源：路透社（Reuters）

 

 

自駕車公司 Waymo 與知名人工智慧公司 DeepMind 同為 Alphabet 的子公司，已研發自駕技術數年，2020 年推出的第五代「Waymo Driver」，讓一般車輛可以「變身」成自駕車，以自主行駛模式將乘客與貨物安全運送到目的地。

 

而面對預計於 2021 年推出「全自動駕駛」訂購方案的電動車大廠特斯拉（Tesla），Waymo 執行長 John Krafcik 接受德國商業雜誌《經理人雜誌》（manager magazin）採訪時表示：「特斯拉根本稱不上是個競爭對手。」（For us, Tesla is not a competitor at all），並表示 Waymo 與特斯拉的方向根本不一樣：「只有 Waymo 是開發全自動駕駛的系統，而特斯拉只是生產需要有照駕駛監控的『駕駛輔助系統』。」

John Krafcik 的這番發言或許早有準備。

在更早之前，Waymo 於官方部落格宣布，即日起將不再使用「自駕」（self-driving）一詞於旗下產品，將改以「全自動駕駛」（fully autonomous driving）形容自家開發技術。

Waymo 官方表示，這次更換用詞是為了「挽救生命」，也是為了精確區分 Waymo 開發的「全自動技術」與「駕駛輔助技術」兩者的不同。「駕駛輔助技術」常被誤認為「自駕」技術，讓社會大眾與消費者產生錯誤印象，甚至在使用時做出將雙手放開方向盤等高風險動作，危害個人與全體用路人的安全。

Waymo 此聲明一出，不少媒體都認為公告內特別提及「駕駛輔助技術」是衝著特斯拉而去──因特斯拉車款所配備的駕駛輔助系統「Tesla Autopilot」一直遭批評取名有誤導之嫌， 過去有多次交通事故都涉及駕駛怠忽職守，將輔助系統啟用後就開始分心，最後造成憾事。

那特斯拉的馬斯克如何回應 Waymo 的嗆聲呢？請見下篇！連結點此。

 

相關連結:

Google 推出搜尋結果新功能！SEO可能會變更複雜⋯⋯

進可攻·退可守的一技之長-Python課程結業後成功轉職工程師

大一生把Python程式碼可視化: Ryven讓debug變簡單！

人工智慧讓已故親人「復活」與你聊天互動

科幻迷們!可知電影中的程式語言是Python,Java?(上)

首位人工智慧機器人研發者-Nils Nilsson逝世

人工智慧電影''艾莉塔戰鬥天使",描述生化人的命運

 

 

生物學50年謎團"蛋白質折疊"終被人工智慧破解!(下)

 

 

生物學最大謎團"蛋白質折疊"被人工智慧破解!太強了啦(下)

本系列文章為【生物學最大謎團被人工智慧 破解！DeepMind 攻克「蛋白質折疊」奧秘 】的下篇，請點此看上篇閱讀了解。

人工智慧 AlphaFold 有望突破現有生物．醫學瓶頸

《MIT 科技評論》報導表示，DeepMind 未來希望能將 AlphaFold 投入疾病研究，如瘧疾、嗜睡病、利什曼病等，這些寄生蟲引發的疾病都牽涉到許多未知的蛋白質結構；亦有傳統方法難以辨別的蛋白質，用 AlphaFold 預測可能會特別有效，例如因不容易結晶而很難透過實驗來判斷的膜蛋白。

 

 

▲ DeepMind 的科學家與工程師的幕後故事，談論他們如何創建出 AlphaFold。

 

 

蛋白質可以成為催發化學反應的酵素、抗擊疾病的抗體或是胰島素等等，美國馬里蘭大學生物科學與生物技術研究所的約翰‧莫爾特博士（John Moult）表示：「蛋白質分子哪怕是微小的重新組合排列，都會對人們的健康產生災難性的影響。因此，要了解疾病和找到新治療手段就要研究蛋白質。」

若 AlphaFold 的預測精準度未來可以再升級，除了可以突破現階段的醫療瓶頸，也能讓人類更能應對新病毒、新疾病，亦能加快新藥開發時程。

AlphaFold 的不足與未來展望

AlphaFold 的確可以協助預測蛋白質折疊的結構，但想準確預測，仍然有諸多限制。

中央研究院生物醫學科學研究所研究員黃明經表示，人工智慧預測的是最終蛋白質摺疊的結果，和自然界蛋白質折疊的軌跡有差異。換句話說，AlphaFold 並不是因為理解過程而解碼這個問題，是靠電腦分析大量資料的技術；AlphaFold 雖然可以預測單一蛋白質結構，但仍無法精準預測較複雜的蛋白質複合體。

故即使 AlphaFold 在 CASP14 中表現驚人，但競賽中仍有約 1/3 的蛋白質是 AlphaFold 尚無法精準預測的。

得知蛋白質的結構只是第一步，目前人工智慧還未能準確地預測蛋白質摺疊後的功能，亦無法完全取代傳統的實驗方法，但可以協助科學家在複雜的實驗數據中縮小找尋結構的範圍，幫助解出困難的結構；AI 也可以學習到更多的結構、得到更準確的預測，所以 AI 和傳統方法是相輔相成的。

未來，有更多重要的問題等著人工智慧與人類一起攜手突破。

 

 

 

相關文章:

人工智慧協助設計新食譜！Sony 將研發超越廚師的美食 AI

人工智慧幫你挑結婚對象？日本政府推「AI 婚仲」對抗少子化

外貌影響面試?放心!新世代人工智慧Tengai面試不再以貌取人

【轉職前端工程師】測試工程師的微痛學習歷程，現在切版、網站開發一把罩！

谷歌結合人工智慧技術,望幫助視障人士獨立參加路跑

愛熊工程師開發人工智慧熊臉辨識,保育棕熊

人工智慧寫哈利波特續集,結局超暗黑!

生物學50年謎團"蛋白質折疊"終被人工智慧破解!(上)

生物學最大謎團"蛋白質折疊"被人工智慧破解!太強了啦(上)

因開發出橫掃棋壇的圍棋 AI「AlphaGo」而廣為世人所知的人工智慧實驗室 DeepMind 又傳出捷報──這次他們開發出名叫「AlphaFold」的 AI，解決了困擾生物學界超過 50 年的「蛋白質折疊」難題，以往要精確得知一個蛋白質的完整結構，需要數月、數年甚至數十年的實驗研究，而人工智慧只要花費幾小時就能完成。

推薦閱讀：

• 人工智慧 Suphx 打敗人類雀聖！微軟：研發麻將 AI 比圍棋 AI 複雜

且由於蛋白質的結構影響它的 功能，許多疾病又和蛋白質的功能有關，若能解決這個難題，就表示醫療領域可以再進一大步，未來人類將能更了解包括新型冠狀肺炎等疾病，亦能加速新藥物的開發。

蛋白質折疊：生物學最大謎團之一

胺基酸是構成蛋白質的基本單位，蛋白質是由一條氨基酸鏈摺疊成特定三維結構所構成，而蛋白質的功能就取決於這個三維結構，甚至被稱為「理解生命的密碼」。這半個世紀以來，科學家一直試圖掌握不同蛋白質的形狀，以期深入理解它們的作用及引起疾病的方式。然而因為氨基酸鏈摺疊的可能性太多，「蛋白質摺疊」（Protein folding）難題便成為生物學最重大的挑戰之一。

 

 

▲ DeepMind 上傳說明影片，解釋何謂「蛋白質折疊」。

 

 

自 1972 年，諾貝爾化學獎得主克里斯蒂安．安芬森（Christian Anfinsen）就表示：若要從胺基酸序列預測蛋白質架構，折疊的可能方式會多到無法估計；生物學家塞瑞斯．列文塔爾（Cyrus Levinthal）具體指出，蛋白質折疊有「10 的 300 次方」種可能方式，想靠人工計算來暴力破解，花費時間可能比宇宙存在的時間都長。

這也是為什麼 DeepMind 開發出可以預測蛋白質最終結構的 AlphaFold，會讓全世界震驚於 AI 的突破。

能預測蛋白質結構的 AI 系統「AlphaFold」

DeepMind 表示，AlphaFold 可以藉由胺基酸序列，快速且準確預測蛋白質的三維立體結構。

AlphaFold 的神經網路上添加了注意力機制（Attention Mechanism），並且用資料庫中 17 萬種已知蛋白質結構、6 千萬筆胺基酸序列來訓練，它分析目前已知蛋白質形狀後，就能預測其他蛋白質的形狀，前後只需要花費幾小時、甚至幾分鐘內的時間。

 

 

▲ AlphaFold 主要神經網絡模型架構。 圖片來源：DeepMind 官網。

 

 

DeepMind 團隊表示，可以將蛋白質折疊看作一個「空間圖」（spatial graph），節點表示殘基（residue），邊緣將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互至關重要。

團隊使用深度學習的端對端（End-to-End）進行訓練，以理解空間圖的結構，並使用進化相關序列、多重序列比對（MSA）和氨基酸殘基的表示等方法來細空間圖。

已於 CASP 大賽中二次奪冠的 AlphaFold

從 1994 年起，John Moult 教授和 Krzysztof Fidelis 教授創立了蛋白質結構預測關鍵評估實驗（Critical Assessment of Structure Prediction，CASP）。CASP 的競賽模式為：主辦單位會選擇近期才經過實驗確認的蛋白質結構，讓參賽團隊測試自己的蛋白質結構預測方法，最後將預測結果與實驗數據進行比對。

因為嚴苛的評比規則，CASP 一直被稱為預測技術評估的「黃金標準」，CASP 也是期望能透過兩年一次的競賽，來廣邀各方投入相關研究，但都沒有找到成效顯著的方法。

直到 AlphaFold 於 2018 的 CASP13 亮相，首次參加國際比賽就已達到有史以來最高精準度，而且第二名的準確率與 AlphaFold 相差甚遠；並且，在近日舉辦的 CASP14 中，AlphaFold 更上一層樓，中位分數為 92.4（滿分100分），而在 AlphaFold 之前的參賽者，中位分數從未超過50。

「這是該研究領域激動人心的一刻。」DeepMind 聯合創始人兼執行長傑米斯‧哈薩比斯（Demis Hassabis）表示。「人工智慧今天已經足夠成熟強大，足以被應用於真正具有挑戰性的科學問題上了。」

同時他也表示，DeepMind 可能要等到明年才能公開詳細實驗內容，團隊也正在準備相關論文，以適時提交給同行進行評審。

人工智慧 AlphaFold 如何突破現有生物、醫學瓶頸？請點此接續看下去！

 

相關文章:

人工智慧協助設計新食譜！Sony 將研發超越廚師的美食 AI

人工智慧幫你挑結婚對象？日本政府推「AI 婚仲」對抗少子化

外貌影響面試?放心!新世代人工智慧Tengai面試不再以貌取人

【轉職前端工程師】測試工程師的微痛學習歷程，現在切版、網站開發一把罩！

台灣人工智慧醫療技術成熟,商機不斷(上)

愛熊工程師開發人工智慧熊臉辨識,保育棕熊

谷歌測試人工智慧系統,望助視障人士獨立參加路跑

 

人工智慧翻玩西洋棋,是毀滅還是創造?(下)

 

 

 

人工智慧與前西洋棋冠軍聯手翻完西洋棋規則,讓遊戲更好玩(下)

前世界冠軍與人工智慧讓西洋棋起死回生

經過雙方的合作研究，最終於 2020 年 9 月發表一篇長達98頁的論文：《使用 AlphaZero 評估遊戲平衡：探索西洋棋中的替代規則》（Assessing Game Balance with AlphaZero: Exploring Alternative Rule Sets in Chess），由 Deepmind 的 Nenad Tomasev、Ulrich Paquet、Demis Hassabis 以及克拉姆尼克一同撰寫。

在此篇論文中，團隊發表了九種西洋棋變體型式，AlphaZero 則負責在幾個小時內模擬出數十年遊戲會怎麼發展、探索不同規則的西洋棋具有什麼樣的可能性。有 AlphaZero 的助力，使研究團隊能看到在不同規則下的人類玩家能開創出什麼別出心裁、出乎意料的玩法。

AlphaZero 測試出的九種西洋棋變體規則：

1. 禁止「國王入堡」（No-castling）：整個棋局都禁止使用「國王入堡」走法。這種走法讓棋國王躲進由其他棋子組成的防護後面，減少國王被威脅的機會，但也會令比賽變得沉悶。
2. 10 步內禁止「國王入堡」（No-castling (10)）：在前10步以內禁止使用「國王入堡」下法。
3. 兵走一格（Pawn one square）：兵棋（Pawn）只能前進一格。目標為增加彈性，減緩遊戲速度。
4. 無子可動時即勝（Stalemate=win）：其中一方無子可動時，即為另一方勝利（原先為平局）。
5. 水雷（Torpedo）：兵可以選擇在棋盤的任何地點走 1 或 2 格。這意味著隨時都可以使用吃過路兵（En passant）走法。
6. 半水雷（Semi-torpedo）：兵只有在第 2 或 3 線時才能移動 2 格。
7. 兵可以後退（Pawn-back）棋子可以向後移動到一個正方形內的格上，只能返回到 2nd/7th 橫線上（此時的移動不計入「50步規則」內）。
8. 兵可以橫走（Pawn-sideways）：棋子也可以橫向移動一格。（此時的移動不計入「50步規則」內）
9. 自己吃棋（Self-capture）：可以吃自己的棋子，用自己的棋子開路。

 

 

 

▲ 在 AlphaZero 的幫助下，研究團隊設計出引人入勝西洋棋變體規則。（Photo by chess.com）

 

 

克拉姆尼克說，如果大家願意對既定規則做出一些小小的改動的話，一幅令人著迷的西洋棋新圖景就有可能展現。「人類已經玩了1500年的西洋棋了，調整規則不是什麼新鮮事，抱怨電腦讓這個遊戲變的無聊也不算新鮮。」

論文共同作者之一的 Nenad Tomasev 表示：「開發西洋棋 AI 目的一開始是想看看人工智慧能不能打敗人類。現在，像 AlphaZero 這樣的人工智慧將會跟人類一起探索西洋棋的創造性，而不是讓人類成為AI的手下敗將。」

這是 AI「獻給西洋棋界的禮物」

AlphaZero 早已展示了它無師自通、自我學習的能力，而研究團隊便物盡其用、借助它來更快地探索西洋棋的新玩法，而不是像過去人類折騰了幾十年、甚至幾個世紀，才摸清楚這個複雜遊戲的美麗與缺陷。Nenad Tomasev 對此表示：「你當然不希望自己花了幾個月、甚至幾年才摸清楚這個遊戲，卻意識到『噢，不，這遊戲一點都不美。』」

同時，AlphaZero 不會受到傳統的棋藝理論束縛，而會發展自己的直覺與策略，帶來全新的想法，顛覆了長久以來人類對這些棋藝遊戲的思考。

克拉姆尼克從他們與AI一起建立的新規則中看到了令人振奮展望，例如「可以吃自己的棋子」（self-capture）是極端的新規則，克拉姆尼克說，這條規則實際上會讓棋手有更多可能，例如選擇犧牲一顆棋子來取得優勢。「總而言之，這只會讓遊戲變得更加美麗。」

AI會毀滅西洋棋嗎？克拉姆尼克與DeepMind告訴我們不會，並且人類可以與AI並肩作戰、開拓出嶄新的可能。若沒有人工智慧的助力，或許就難以達成這個願景了。

相關文章:

【AI在瘟疫蔓延時】台灣 AI「雅婷」化身音樂家 發表首張專輯「武漢肺炎」

【AI在瘟疫蔓延時】AI 大神吳恩達公司最新技術　用AI自動檢測社交距離

【人工智慧預防糖尿病患失明】台大打造人工智慧醫療，診斷視網膜病變準確度達95％

人工智慧釀酒「人生釀造 craft」20、30、40、50 世代都有不同的專屬啤酒

首位人工智慧法官即將上任,它真能公正判決嗎(上)

人工智慧文筆太好,記者憂心飯碗不保(上)

人工智慧自駕試車基地,日本首家駕訓班

人工智慧翻玩西洋棋,是毀滅還是創造?(上)

 

人工智慧與前西洋棋冠軍聯手翻完西洋棋規則,讓遊戲更好玩(上)

以西洋棋賽為主題的 Netflix 影集《后翼棄兵》近來大受好評，其中刺激精彩的棋局對弈，不但讓這齣劇高佔台灣熱門排行榜第一名，也讓原本對西洋棋不了解的觀眾產生興趣、紛紛探查起這個歷史悠久的二人對弈遊戲。而西洋棋——這個世界上最流行的遊戲之一，現在正遭受人工智慧的破壞與威脅？而前西洋棋世界冠軍又正和 AI 聯手拯救西洋棋？

 

 

 

▲ 現在的西洋棋比賽，贏家幾乎都是人工智慧。（Photo by Felix Mittermeier on Unsplash）

 

 

人工智慧與西洋棋的愛恨情仇

西洋棋在世界各地有數以百萬計的粉絲，而編寫出一個能與人類對弈的軟體程式，曾是科學家追求的目標。

首個挑戰人類棋王的電腦系統為 1997 年 IBM 的「深藍」（Deep Blue），更成為首個在標準比賽時限內擊敗人類冠軍的電腦系統。其後依然有數次「人機大戰」，但人類始終難以在 64 格的天地裡戰勝電腦。

到人工智慧公司 DeepMind 的 AlphaZero 登場時，AI 只是憑藉自我對弈的不斷學習，在完全沒有輸入人類的棋譜、沒有特別設計的專用計算程式的情況下，就已經征服西洋棋、將棋、圍棋等最複雜的棋類遊戲，打敗這些領域中最頂尖的人類玩家了。

在科學家們將 AlphaZero 稱為「深度學習 AI 的終極解答」、欣喜於人工智慧技術的快速進步時，另一方面也有人開始擔憂 AI 正在毀滅這些棋類遊戲——因為棋手們開始死記硬背 AI 的下棋手法來擊敗對手，讓棋類遊戲失去了原先的美麗。

前西洋棋世界冠軍克拉姆尼克就是憂心忡忡的其中一人。不過，他現正與開發 AlphaZero 的DeepMind團隊合作，嘗試開發出西洋棋的若干變種形式，試圖找回棋類遊戲的迷人風采。

64 個方格構成無限可能的世界

 

 

 

▲ 西洋棋下棋示意圖（Photo by JESHOOTS.COM on Unsplash）

 

 

曾為世界冠軍多年的俄羅斯職業棋手弗拉基米爾．克拉姆尼克（Vladimir Kramnik）認為，西洋棋也是一門美麗的藝術。思維在棋盤上彼此碰撞，優雅而又複雜的挑釁、反擊、你來我往——「這是一種創造。」克拉姆尼克這樣表示。

克拉姆尼克熱愛西洋棋，他於 2000 年至 2007 年間坐擁世界西洋棋冠軍的寶座，在國際西洋棋奧林匹克上獲得了三枚團體金牌和三枚個人獎牌。儘管如此，克拉姆尼克依然還是決定退休。他於去年宣布退出西洋棋比賽，表示自己心愛的棋類遊戲變得越來越缺乏創造力了。

他認為部分原因需歸咎於科技，因為電腦欠缺靈魂的計算，打造出一個龐大的開局、進攻和防守的下法資料庫，人類選手便開始死記硬背這些下法。「即使是在最頂級的比賽當中，常有將近一半、甚至是整場比賽的下法都是靠記憶走完的。你甚至都沒有自己的下法，全都是電腦的下法。」

即使對現狀感到憂慮，但克拉姆尼克並未放棄希望。他設想了幾種讓西洋棋革新的方變體規則，並與「敵人」──也就是開發出 AlphaZero 的 DeepMind 團隊合作，讓研究人員向這個超人玩家 AlphaZero 發起挑戰，看後者能不能學習選擇出來的九種西洋棋的變體，進而讓棋手進入到富有創新、創造力的新模式。

人們學習 Python 的速度，語言能力的影響比例約有 20%，而數學能力的影響卻只有 2%？真相請見下一篇文章！請點此接續看下去！

 

 相關文章:

【AI在瘟疫蔓延時】台灣 AI「雅婷」化身音樂家 發表首張專輯「武漢肺炎」

【AI在瘟疫蔓延時】AI 大神吳恩達公司最新技術　用AI自動檢測社交距離

【人工智慧預防糖尿病患失明】台大打造人工智慧醫療，診斷視網膜病變準確度達95％

人工智慧釀酒「人生釀造 craft」20、30、40、50 世代都有不同的專屬啤酒

人工智慧心靈雞湯文奪冠!療癒無數學子(上)

人工智慧文筆太好,記者憂心飯碗不保(上)

日本人工智慧釀酒,人生各個時期的專屬啤酒(下)