深度思考:從深藍到AlphaGo,了解人工智慧的未來、探索人類創造力的本質,大腦最後防線與機器鬥智的終極故事
- 作者:加里.卡斯帕洛夫(Garry Kasparov)
- 出版社:臉譜
- 出版日期:2018-05-31
- 定價:480元
分類排行
-
職場不是自助餐,哪能只挑你要的?「葳老闆」周品均的30道職場辣雞湯(限量菁英透明資料夾版)
-
遠距成交女王銷售勝經:打破框架、不停成交的線上線下實戰攻略
-
洛克菲勒寫給兒子的38封信(全新完整譯本)【暢銷紀念版】
-
持續買進:資料科學家的投資終極解答,存錢及致富的實證方法
-
記憶力,最強的商業技能!:教你做好「記憶管理」,精進學習力、理解力,讓工作和學習更高效
-
賺錢,也賺幸福(修訂版):讓你累積財富、享受人生的理財魔法書
-
稻盛和夫 愈挫愈勇(暢銷紀念版):親筆自傳
-
致富邏輯:變有錢的32個富練習
-
超前部署賺好股:報酬是靠耐心等待出來的,用16年獲利58倍
-
大缺工:從技能失傳、倒店危機到產業崩潰,我們如何因應數十萬人才缺口?
內容簡介
◆從人類智慧到人工智慧,在一個機器會思考的世界,我們如何以人類存活?
◆人機對戰vs.人機合作,重返「人類智慧vs.機器智慧」的分水嶺
◆「大腦最後的防線」卡斯帕洛夫世紀告白,首度回顧人工智慧史上最重要的一場比賽
【《賈伯斯傳》作者華特.艾薩克森、AlphaGo之父德米斯.哈薩比斯共同推薦】
▍人工智慧的終點,人類創造力的起點
機器能力與人類思考能力有什麼不同?
機器如何讓我們更專注於我們之所以為人類的事:我們的頭腦?
二十年來第一次,深入全面地第一手揭露史上最優秀西洋棋棋王與深藍的歷史性對弈內幕!
卡斯帕洛夫於1997年對戰IBM超級電腦「深藍」,是科技史上的分水嶺。人工智慧的新世代降臨了:現在有一台機器,能在這項代表人類智慧結晶的遊戲上,擊敗當時的人類世界冠軍。
這個時刻花了超過一百年的時間醞釀,而卡斯帕洛夫在這本突破性的書中,首次從他的角度敘述這個讓人意想不到的故事。他描述了在全世界的目光下,面對一個永不放棄、永不倦怠的對手是什麼感受;另外,一代又一代的科學先鋒將西洋棋視為解開人類與機器認知的關鍵,卡斯帕洛夫也從西洋棋的觀點敘述了機器智慧的歷史。他以無人匹敵的切身經驗,窺探智慧機器的未來,認為這個未來處處有潛力。
許多批評者認為人工智慧是危害,而且特別會對人類的工作造成傷害,但卡斯帕洛夫說明了人類不必恐懼自己所創造的機器,反而可以藉用這些非凡的創造物,達到前所未有的高峰。本書以周密的論述支持科技進步,作者更曾經被科技逼上懸崖,賭上自己的職業生涯。
這是一部人機對抗的鬥智故事,也是一趟神聖的科學旅程。在人類智慧與機器認知的交會點,我們站在巨人的肩膀上,做著最宏大的夢想,思考人類與機器攜手將打造的無限可能。
深藍是一個結尾;AlphaGo只是個開端————
「不論機器能做到多少人類能做的事,我們都不是和機器競爭,而是在跟自己競爭……我們不該煩惱機器能做什麼,應該要煩惱它們還有什麼做不到。……沒有人是旁觀者。賽局已經開始,我們全部都在棋盤上。如果要贏,只能讓夢想更大、讓想法更深入。」
【國際讚譽】
華特.艾薩克森 Walter Isaacson∣《賈伯斯傳》作者
德米斯.哈薩比斯 Demis Hassabis∣AlphaGo之父
馬克斯.列夫琴 Max Levchin∣PayPal共同創辦人
泰勒.柯文 Tyler Cowen∣《再見,平庸世代》作者
安德魯.麥克費 Andrew McAfee∣《第二次機器時代》作者
羽生善治∣日本將棋第一人
▍對本書的讚譽
「偉大的卡斯帕洛夫探討當下最關鍵的經濟議題:在一個機器會思考的世界,我們如何以人類存活。這本重要又樂觀的著作說明了我們身為人類之獨特性,有哪些事情只有我們能做。與其擔憂機器人,我們更應該閱讀這本書,並擁抱未來。」
——華特.艾薩克森(Walter Isaacson),《賈伯斯傳》(Steve Jobs)和《創新者們》(The Innovators)作者
「卡斯帕洛夫在書中放進的細節可以滿足西洋棋愛好者,精采的敘述亦能滿足一般讀者。本書難得之處在於兼顧分析與敘述,除了從當事者角度觀看史上極為重要的一場西洋棋比賽,同時帶入對科技進步的評論。」
——德米斯.哈薩比斯(Demis Hassabis),《自然》期刊(Nature),AlphaGo之父、DeepMind創辦人
「以極為人性的觀點探究人工智慧,以及人工智慧精采的潛能與天生的侷限。」
——馬克斯.列夫琴(Max Levchin),PayPal共同創辦人、Affirm執行長、矽谷天使投資人
「在人類與機器智慧的理論和實踐方面,卡斯帕洛夫確實是一位先驅人物。本書以非常有趣又知性的方式,囊括了他在這些領域的想法。我讀了這本書愛不釋手,相信你也會不捨釋卷。」
——泰勒.柯文(Tyler Cowen),《再見,平庸世代》(Average Is Over)作者
「卡斯帕洛夫對人工智慧的觀點出自他的個人經驗,即使如此卻依然樂觀、有智慧、引人入勝。讓矽谷巨頭告訴我們前景一片光明是一回事,讓這位在全世界的目光下賭上自己的身分、對戰全世界最強電腦的人來說又是另一回事。」
——查爾斯.杜希格(Charles Duhigg),《為什麼這樣工作會快、準、好》(Smarter Faster Better)作者
「本書就像卡斯帕洛夫本人:讓人著迷、思考敏銳,又引發議論。在那場自約翰.亨利的傳說以降最著名的人機對戰之後二十年,他總算在書中說明他從中學到的事情:那場對戰讓他學習甚多,閱讀本書亦會學習甚多。」
——安德魯.麥克費 (Andrew McAfee),麻省理工學院首席研究科學家、《第二次機器時代》(The Second Machine Age)共同作者
「很少有人的觀點比卡斯帕洛夫的更有趣、更富啟發。本書內容精采,必能引起討論,並且挑戰一般人對於人類未來的看法。」
——孟鼎銘(Bill McDermott),歐洲第一大電腦軟體公司思愛普(SAP)執行長
「作者是二十世紀十大關鍵時刻其一的核心人物,這本書以精采、富有啟發的方式綜觀電腦如何在西洋棋上超越人類,以及這對人類的意義。本書的研究深入淺出,更是約翰.亨利對抗機器的傳說之真實體現。」
——肯尼.羅格夫(Kenneth Rogoff),《這次不一樣》(This Time is Different)作者
「〔敗給深藍的〕原始情緒從卡斯帕洛夫的頁面裡躍出,本書是他首次完整討論那一次比賽……讓人既訝異又心安的是,卡斯帕洛夫並沒有對機器憤怒,反而讚嘆電腦的能力,並對未來人機合作的潛力感到高興……讀起來有時像是步調快速的心理驚悚小說。」
——約翰.桑希爾(John Thornhill),《金融時報》(The Financial Times)創新編輯
「本書讓人沉浸其中,處處精采,任何西洋棋愛好者都不應錯過。」
——愛德華.溫特(Edward Winter),chesshistory.com
「卡斯帕洛夫詳述與機器對戰時的認知經驗,並將此經驗演繹為樂觀的看法,認為電腦化的智能可以增進人類的腦力,而不是勝過人類的腦力,並且不會只讓工作和機會滅絕,而會創造出工作和機會。」
——《書單》雜誌(Booklist)
「以精采絕倫的敘事說明了無與倫比的智能對戰……對西洋棋迷而言,本書有如納爾遜中將在特拉法加戰役之後的分析……本書既教導讀者不必過早恐慌,同時也是警語,讓讀者知道真正的對手是誰。」
——《每日電訊報》(The Daily Telegraph)
「富有智慧、相當吸引人……對任何關注人類與機器認知的人,這本書都是熟經思索的讀物,對西洋棋迷更是必讀。」
——《科克斯書評》(Kirkus Reviews)星級評價
「一部讓人沉浸其中、停不下來的驚險故事,交織個人的鬥智敘事,與另一個更全面的故事:對抗一個用盡各種手段擊倒對手的強大企業,會是什麼樣子。這不只是人機對抗的故事,也是一個人對抗強權的故事。」
——《觀察家報》(The Observer)
「絕佳……沒有任何一位科學家或科技業老闆能像卡斯帕洛夫那樣,以殷切的信念替數位革命說話。悲劇英雄很少可以活下來說明他們的經歷,但這一位做到了。」
——《泰晤士報》(The Times)
「在世人對電腦智慧的恐懼已經達到威脅『存在』的層次時,卡斯帕洛夫在這本深思熟慮、適時上市的回憶錄中重訪了他的經驗。本書有一部分是讓人放不下來的驚險故事,一部分是深思『會思考的機器』,吸引人的同時亦相當慎重。」
——英國《週刊報》(The Week)本週選書
目錄
前言
第 1 章 用腦的遊戲
第 2 章 西洋棋機器的興起
第 3 章 人類對抗機器
第 4 章 什麼事對機器重要?
第 5 章 造就頭腦之物
第 6 章 走進競技場
第 7 章 深淵
第 8 章 更深的深藍
第 9 章 棋盤燒起來了!
第10章 聖杯
第11章 人類加上機器
結語 向前進、向上推
謝辭
附錄 西洋棋基礎
注釋
內文試閱
我落敗後會忿恨不平。
我想要一開始就澄清這件事。我痛恨被打敗。我痛恨下一手爛棋後被打敗,也痛恨下一手好棋後被打敗。我痛恨敗給弱手,也痛恨敗給世界冠軍。
我曾經在被打敗後輾轉難眠。我曾經在被大敗後,在頒獎典禮上口出怨言。寫這本書時,我分析二十年前被打敗的比賽,發現我錯失了一記妙著,心裡還會因此不滿。
我痛恨輸掉東西,而且不只是在西洋棋上輸掉而已。我痛恨輸掉益智比賽。我痛恨輸掉撲克牌比賽。(我完全沒有撲克臉,所以很少打牌。)
敗而後餒並不是我最自豪的特徵,但我也不會因此覺得羞愧。若要在任何競爭中脫穎而出,對落敗的憎恨必須大過你對落敗的恐懼。獲勝的刺激感很好,不過我認為所有菁英體育選手一定年紀輕輕就熟悉這種感覺了。每個人都有自己的方式來找到動力,特別是當你的職業生涯很漫長時。然而,無論你多麼熱愛某種競賽項目,若要領先群雄,你必須痛恨落敗才行。你必須把它當作一回事,而且要深刻當作一回事。
✽ ✽ ✽
深藍讓我失望了:它再次不肯像機器一樣下棋。它沒有吃掉我的兵,而是移動主教,這一步宛如我棺蓋上的最後一根釘子。將近四小時裡,我處於我痛恨的被動盤面,不斷受苦,而此時不知怎麼搞的,竟然還變得更糟糕。我陷入一種宿命般的憂鬱,接下來幾步幾乎無法下出來,讓白棋的王后和城堡從a列入侵。我唯一的希望,只剩下用某個方式建立起防線,但是我看不到任何方式可以做到這一點。我幾乎像是發脾氣一般,用我的王后做了最後一次將軍;深藍將國王移向中央,而不是用比較自然的方式退到角落,我連這個幾乎都沒注意到。
第四十五步時,它用城堡攻擊了我的王后,這時一切都完了:我的王后假如逃走,我的主教就會被吃掉。白棋的國王此時沒有防備,我也許可以犧牲主教,用我的王后絕望地將軍幾次,這看起來也希望渺茫。電腦擅長看到一長串的將軍,而將軍是西洋棋中最逼迫對手非得回應的棋步。深藍在這一盤的表現這麼強大,不可能放棄用簡單的方式防衛國王,放著讓它的國王被我追殺成和棋。
這一盤讓我士氣渙散,我一心只想盡可能離棋盤越遠越好。我的頭腦早就在胡思亂想:明明第一盤時電腦在浪費時間,第二盤怎麼有辦法弄出這種盤面傑作?我這時已經不再把頭腦放在比賽上,這是常見的人性弱點,我們實在無法避免。我相信這個盤面已經無法挽回;看著這個盤面,讓我身體痛苦不堪。我想要在還能保有一點尊嚴時投降,保留一點力氣給下一盤棋,而不是繼續做沒有希望的事情。
我投降了,氣沖沖地離開棋盤,儘快將我的心情從厭憎轉變為憤怒。我沒有心情面對觀眾或講評者,或任何其他人。我和母親快速離開了大樓,讓深藍團隊獨享光榮的一刻。
我沒有在現場聽到,從逐字稿來看,深藍的表現獲得演講廳裡的人一致好評。平時經常批判深藍棋法的塞拉萬,對這場比賽的評語是:「如果我能有這一盤的勝利,我會很驕傲。」艾許利說這是「亮麗的一盤棋」;他和瓦勒渥一同稱讚深藍「蟒蛇般」的棋風,用極不像電腦的方式讓我的盤面窒息而死。一位觀眾問道,這一盤是不是史上電腦下過最出色的一盤棋;答案很難否定:這是史上電腦對戰卡斯帕洛夫最出色的一盤棋。
深藍團隊興高采烈,他們的說法反映了他們的感受:前面十四個月的努力總算沒有白費。許峰雄說:「今年它對西洋棋的了解更深,也更了解西洋棋一些細緻之處,從這一盤棋裡可以看到。」班傑明說:「讓人心滿意足的一點是,若執白棋的是任何一位人類特級大師,他們都會感到驕傲。」他們謝幕的最後一句話,也是所有報紙記者最愛的一句話。李維問,深藍怎麼有辦法從第一盤中「幾步讓人狐疑的棋」,變得「像一位天才一樣」。譚崇仁回道:「我們給它灌了幾杯調酒!」語畢,哄堂大笑。
我自己一直不太愛喝酒,當天晚上我們回顧那盤棋時,我倒是應該喝比當時那杯熱茶更強勁一點的東西。強迫自己回顧敗戰總是一件困難的事,更何況還得替自己打氣,下一盤還要再奮戰一次。在大賽裡,你不會執同一種顏色的棋子面對同一個對手兩次,所以不太需要迫切立刻驗屍。在一對一的系列賽,你每天都會碰到同一個對手,所以每下完一盤後進行檢視,看看是否能找到對下一盤有用的教訓,便是當務之急。對戰深藍時更是如此,因為我們的資料只有這些比賽。
有些比賽輸了,會比其他比賽難受,這一次落敗更是我經歷過格外慘痛的一次。這次落敗逼得我質疑所有的事情:深藍下棋的品質怎麼突然大躍進?我為什麼會決定下反制電腦的西洋棋,而不是我自己想下的棋?我為什麼會被騙,以為賽前可以拿到深藍下棋的棋譜?我們對這盤結尾的分析,並沒有讓我好受一些。電腦在第一盤下得那麼彆扭,那麼看重棋子數量,那麼像一台電腦,這一盤它有機會吃下我的棋子時,怎麼反倒回絕了?深藍那些出人意料、有耐性的棋步,我們的西洋棋引擎甚至連考慮都不考慮。
稍早我批評別人試圖對我做精神分析,我在此不會犯下同樣的錯誤,只會說明我當時真正的感覺。我熟知參與競賽的人落敗時,會運用哪些心理防衛機制,但我也知道這些機制有如粒子物理學:觀察得太仔細,它們就不會以同樣的方式運行。我必須重拾自信來面對第三盤,還有這一系列剩下的比賽,否則就沒有希望。我又困惑,心裡又煎熬,把這股怨氣發洩在所有人身上,特別是自己。
我當晚不知的是,假如我難以從這一場落敗中回復,接下來的事更是讓我無法回復。第二天中午,我的團隊(多克伊安、弗瑞德、科達洛夫斯基、威廉斯)和我走在第五大道上準備吃午餐,此時多克伊安靠近我,表情像是要告訴我有位親人剛剛過世了一樣。他用俄語跟我說:「昨天那盤最後的盤面是和棋。長將(perpetual check)。王后到e3。和棋。」
我在人行道上愣住了,雙手抱頭好一陣子。我看了一下每個人,因為他們顯然早就知道這件事,也討論過是否要告訴我、何時告訴我、如何告訴我。他們幾乎無法與我四目相對,因為他們知道我聽到這件事有多麼錯愕。我在全世界的目光之前,在一盤畢生最難受的棋中落敗,然後現在我又知道,我這一輩子第一次在和棋的盤面上投降。我完全無法置信,這一系列比賽中,這種感覺已經太常出現了。和棋?!
庫伯勒—羅絲模型(Kübler-Ross model,也就是世人熟知的「哀傷的五個階段」)是一系列的情緒感受,人在罹患絕症或聽到其他可怕消息時會接連出現這些情緒:否認、憤怒、討價還價、抑鬱、接受。剩下的午餐時間裡,我一直處於難以置信的否認狀態,乾瞪著牆壁幾分鐘、頭腦裡跑過各種變著之後,開始用一連串的問題轟炸我可憐的團隊:「深藍怎麼可能錯過那麼簡單的東西?它下得那麼好,它下了Be4,它下得像神一樣,怎麼會錯過這麼簡單的重複盤面和棋?」
我只打算做這麼一次精神分析:我有整整二十年的時間經歷五個階段的循環,這也等於我問我自己:「我的天啊,『我』怎麼可能錯過這麼簡單的東西?」當你是傲視全世界的世界冠軍,所有的失敗都能被看成是自找的。這樣對我的對手可能不太公平,畢竟很多人會認為他們打敗我是他們事業的顛峰,不過聽到這麼讓我啞口無言的事情之後,我可沒那個心情想對大家都公平。
他們能發現這件事,是因為網際網路將世界各地的人連結起來。我在第二盤投降之前,幾百萬名追蹤比賽的西洋棋手已經著手進行分析,並且分享他們分析的結果。到了早上,這些同樣配備強大西洋棋引擎的鍵盤分析專家證實,假如我沒有投降,而是下出最佳的棋步,深藍無法從最後的盤面中獲勝。我的團隊當天早上驗證了這件事之後,才把這件難以置信的事情告訴我。我原本以為我用王后進攻是出於絕望,最終不會有任何意義,事實上這是救命的一招。面對我的王后不斷將軍,白棋的國王不可能逃掉,最後會因為「三次局面重複」的規定變成和棋收場。事實上,深藍最後的幾步,有好幾個是失誤,如果我當時知道自己有機會,就能阻斷它通往勝利的道路。
這無疑是一項大打擊,彷彿這盤棋我輸了兩次。在和棋的盤面上投降,這是無法想像的事啊!我可以確定,如果面對的是人類,我絕對不可能用那麼悲慘的方式在同樣的盤面下投降。深藍的棋法讓我太驚訝了,這盤棋發生的事情讓我太灰心;我氣自己讓這一切發生,也一直堅信機器不可能犯這麼簡單的錯誤。
面對另一位特級大師時,我可以猜測我們兩人所見大略相同,若有什麼我不確定的事情,他應該也不能確定。然而,現在面對的是一台每秒可以檢查兩億種盤面的電腦,而且這台電腦前一天才和世界冠軍下了一盤強棋,所以我的猜測會不同。我不能用正常的方式下棋,在某些盤面下,我必須多一些猜疑。舉例來說,我以為我看到一個妙著,犧牲一顆棋子就能逼它將死,我可以幾乎完全確定我的計算有問題,因為實力強大的電腦絕對不可能允許這種事發生。人類對戰機器時,必須有這種思維:假如它讓你下出某個可以獲勝的戰術,那麼這個戰術很可能根本沒辦法獲勝。這樣可以讓你節省一些能量,但以此例而言,這讓我犯下職業生涯中最嚴重的錯誤。
在一對一的系列比賽裡,最糟糕的事情就是你在一盤吃了敗仗後,損失的比賽積分超過一分。若頭腦無法回復平衡狀態,你會喪失專注能力,接下來可能一敗再敗。常見的解法是,慘敗後儘快下成和棋,藉此讓局勢平穩。然而,這一次系列賽的盤數不多,我下一盤執白棋時不能浪費機會。另外,在實力均等的盤面下,深藍團隊不太可能接受和棋的提議,畢竟他們的機器不會疲倦,而且就算它知道它在第二盤犯錯、弄出會變成和棋的盤面,也不會覺得丟臉。
我為此感到憤怒一事很快在媒體上傳開來,變成頭條報導。我害怕有人問我為什麼要那麼早投降。我能說什麼?假如大家仍然持續關注第二盤,只會讓我無法忘記這回事,接下來的幾盤就無法專注。還有四盤棋要下,但這時我已經沒有心情下西洋棋了。我根本不知道我的對手是誰:是第一盤那台不善於用兵的電腦?還是第二盤那台下棋像蟒蛇一樣的策略大師?還是,它有一大堆臭蟲,容易犯錯,連簡單的重複局面和棋都看不出來?我的頭腦非常混亂,開始游移到一些黑暗的想法。IBM已經明白表示,他們要不計代價取得勝利。深藍的性格突然大變,是不是因為有外力介入?
我對自己也感到不安。我怎麼會下出那麼糟的開局?是因為我收到的建議太差,還是純粹是我做出不好的決定?我應該改變什麼?我怎麼會那麼早就投降?到底是怎麼一回事?
✽ ✽ ✽
談論人工智慧,很難不在科技、生物學、心理學和哲學領域切來換去。這當中也許還可以加上神學和物理學,而既然現在自動化智慧在商業模型中非常重要,其後果又對有投票權的公民一樣重要,那麼可以再加上經濟學和政治學。
在我的經驗裡,相關討論會迅速拓展到各種多元的專業領域,最感挫折的通常是科技專家。科技專家在做什麼、怎麼做這些事,以及這些事情到底代表什麼意義?幾乎每個人都有自己的見解。電腦專家被問到「大腦」等形而上的概念時往往已經覺得厭煩,遑論「人類靈魂」這個主題了。另外,程式設計師和電子工程師很少會去逼問哲學家,或跑去敲教堂的大門,來討論人類意識的性質;他們也不會打電話給政治人物,討論超智慧機器人在全球安全方面有什麼影響。好消息是,當哲學家和政治人物上門時,有一些人的確會開門應答。
許多人工智慧研究員經常與神經科學家聚在一起,偶爾還會放下身段和心理學家聊天,但大多數時間只想要不受打擾,專注研究他們的機器和演算法。如費魯奇、諾米格和其他人所說,他們想要解決可以解決的問題,不想花上可能長達幾十年的時間去研究或許沒有什麼實際效果的事情,就算他們取得進展也一樣。人生太短了,他們想要帶來改變。「什麼東西讓我們是人類?」「什麼是智慧?」這一類與人工智慧相關的哲學問題,可以引來大眾和媒體的關注,可是就真正做事情來說,這些只是不切實際的紛擾。
無論論證有多麼好,我們到底有沒有必要關心某個東西是否在某種定義下「有智慧」?我必須承認,我在這方面知道的越多,越不想管。西洋棋是泰斯勒所謂「人工智慧效應」的最佳範例,「人工智慧效應」係指「智慧就是機器還沒有達成的事情」。我們一旦找到方法讓電腦做出某種有智慧的事情(像是下出世界冠軍水準的西洋棋),就會認為這件事並不是真正的智慧。另有人指出,一旦某個東西變得實用、通用,這個東西就不再被稱為「人工智慧」。這種情況又印證了一件事:這些論述只會在短時間內有意義。
我多年對戰電腦下來,哪件事情比較重要?如果我準備得更好,也許可以讓無可避免的事情拖個幾年?還是,經過數十年的研究和科技進步,機器達到了顛峰?我想,你應該知道我自己的答案一定帶有一些偏見,可是我不可能阻擋機器太久。一九九六年至二〇〇六年間,人機對戰西洋棋是真正的競賽,我覺得這段期間很久,是因為我處在前線上。隔一段距離來看,這是一個好例子:與加速進步的科技相比,人類的時間和能力根本不算什麼。
假如把這個轉變畫成圖表來更清楚理解,就能輕易看到人工智慧與自動化技術的興盛為什麼會讓人驚恐。幾百年來,人類在西洋棋和所有需要認知能力的行為上,都遠勝機器。我們在所有需要智能的領域主宰了幾千年,從未受到挑戰。到了十九世紀,機械計算機的影響稍微可見,但真正的競賽是到數位時代(姑且說是一九五〇年以後)才開始的。自此之後,機器又花了四十年,深思才真正威脅到頂尖的人類棋手。八年後,我輸給一台特製、造價極昂貴的深藍。再過六年,即使我準備更充分,比賽規則也更公平,面對最頂尖的Deep Junior和Deep Fritz兩個西洋棋引擎,只能在兩次系列賽中打成平手;這些西洋棋引擎至少和深藍一樣強,但用來運作的機器只是標準的伺服器,要價分別只有幾千美元而已。二〇〇六年,從我手中接下世界冠軍頭銜的克拉姆尼克與最新一代的Fritz對戰,比賽規則對他更有利,結果卻以四比二的成績落敗;以標準人類競賽規則進行的人機對戰於此告終。日後的對戰必須設法讓機器讓步才能進行。
把這一切畫成時間軸:幾千年來人類主宰是常態,再來是幾十年虛弱的競賽,接著是幾年互相爭奪王位,再來就一切結束。時間無限地延續下去,在人類接下來的歷史裡,機器下西洋棋的能力都會比人類好。在歷史時間軸上,競賽的期間只不過是蕞爾一點。無論是軋棉機、生產線機器人或智慧程式,所有事物的科技進展都是這樣單向、無可避免。
競賽的那一點期間會受到大家注意,因為當這一點發生在我們生命當中,我們會有強烈的感受。競爭的階段常常直接反映在我們的現實生活中,所以我們會誇大它在宏觀歷史中的重要性。當然,這不是說這一點完全不重要:假如我們認為,因為干擾性科技出現而受害的人都應該被略過才對,畢竟從長遠來看,他們受苦完全無關緊要,這種看法非常冷血。重點是,我們若要尋找方式來減輕受苦,沒有「往回走」的選項。這會帶出一個必然的結果:跟對抗改變、死命保住既有狀態相比,開始尋找替代方案、將改變帶往更好的方向幾乎一定比較好。
最重要的結論不在競賽的那一點附近,而是在那一點之後通往永恆的長線上。我們從來不會回到以前的狀況。不論有多少人擔憂工作機會、社會結構或殺人機器,我們絕對不可能回頭。回頭走有違人類的進展,也有違人類的天性。一旦機器可以把工作做得更好(更便宜、更快、更安全),人類只會為了消遣做同樣的工作,再不然就是停電時。一旦科技讓我們有辦法做到某些事情,我們絕對不會放棄它們。
我們的科技能讓我們更有人性,因為科技讓我們更有自由發揮創意的空間,可是人性不只有創意而已。我們還有其他的特質,是機器無法匹敵的:它們只有指令,但我們有目標。機器不會做夢,就算在休眠模式裡也不會。人類會做夢;我們需要我們的智慧機器,才能將最宏大的夢想變成事實。假如我們停止做大夢,假如我們不再尋求更宏大的目標,那麼我們也只不過是機器而已。
作者資料
加里.卡斯帕洛夫(Garry Kasparov)
前西洋棋世界冠軍,現為商業演講者、全球人權倡議者及作家。以策略性思考、展現頂尖表現能力及科技創新相關的演講和講座,在數十個國家備受好評。 經常在《華爾街日報》和許多報章雜誌發表文章,著有《走對下一步:向棋王學策略思考》(How Life Imitates Chess)和《寒冬將至》(Winter Is Coming),各已翻譯為十餘種語言。 責任機器人基金會(Foundation for Responsible Robotics)執行顧問,牛津大學馬丁學院(Oxford Martin School)資深訪問學者,聚焦在跨領域研究與人機決策過程。
注意事項
- 若有任何購書問題,請參考 FAQ