「這是我第一次在媒體面前曝光，請大家高抬貴手！」DeepMind成員、AlphaGo主要設計者「Aja」黃士傑笑著說。今日，是他第一次在Google台灣辦公室公開亮相。
3月9日到15日，在Google人工智慧AlphaGo與南韓棋王李世乭的世紀對弈中，最受媒體矚目的，除了最終4：1的比賽結果外，還有這位負責落子的台灣資工博士黃士傑。
（圖說：AlphaGo主要設計者「Aja」黃士傑。照片來源：Google提供。）
在這五場對弈中，黃士傑總是面無表情、五場比賽中沒有中途離席過、總計只喝過幾口水。南韓棋王李世乭稱讚他十分貼心，面無表情是怕影響到自己的情緒。
身為業餘六段棋士的黃士傑，其實與圍棋結緣得早，他當過圍棋老師、在博士班時期還曾開發圍棋人工智慧 Erica，打敗了當時最強的圍棋人工智慧 Zen，這個系統可以算是AlphaGo的前身。
AlphaGo是人類千年研究結晶
黃士傑提到，在1997年深藍電腦打敗西洋棋王後，複雜程度更高的圍棋成為人工智慧的一大挑戰。因為圍棋除了計算，還牽涉到人類的直覺。
這次AlphaGo為什麼有所突破？關鍵在於與深度學習（Deep Learning）的結合。AlphaGo有兩個主要的網路，第一個是策略網絡（Policy Network），第二個是價值網絡（Value Network），這兩個網路，正是AlphaGo能打敗職業九段棋士的關鍵。
第一，策略網絡。策略網絡能夠減少搜尋的廣度，例如現在有360個棋步，AlphaGo只要分辨出前20個最好的，就能撇除掉剩下的340個可能。這部分與人類的直覺相近，藉由學習人類2、30萬張棋譜而來。第二，價值網絡。意即當AlphaGo搜索到一個點時，它能夠判斷盤面，告訴你現在誰佔優勢，它減少搜尋的深度，不用搜尋到底，只要搜尋幾步就能判斷優勢或劣勢。
黃士傑也特別提到，AlphaGo的網路是人類累積千年的心血結晶。
「他不是一個排除了人類的研究成果。研究是一直在進步的，正如同棋士也是一直在進步，AlphaGo吸取了所有人類學習的結晶。」
他說明，這次在賽前AlphaGo並沒有特別針對李世乭的棋譜做特別的訓練，AlphaGo對上任何人都是一樣的運算模式、也無法事先預估勝率，只能針對當下的局面做判斷。
不過，當雙方的對弈進行到第四局，AlphaGo跳出投降視窗時，自己其實也默默為李世乭開心，覺得是一次圓滿的結果。不過，現在DeepMind團隊工程師正在研究抓bug，試著釐清為什麼當李世乭下出「神之一手」時，讓AlphaGo判斷失準。
「我自己也下圍棋，我看過大部分的棋譜。比賽的時候我盡量不要影響他。若是處於優勢的時候，不要笑，所有我用的時間就是AlphaGo用的時間，我用的時間越少越少就好。」黃士傑說。
台灣人才不輸國際，我們要有信心走出去
1997年，擊敗西洋棋王的IBM深藍電腦，主要開發者是來自台灣的許峰雄。近20年後，光環則再度落到黃士傑身上。究竟台灣在人工智慧領域有什麼優勢？
Google台灣董事總經理簡立峰表示，台灣在人工智慧的基礎其實非常的強，但台灣網路服務的規模比較小，若沒有大量資料很難支撐人工智慧的發展，因此現階段的應用機會也比較少，但台灣的技術能力絕對無庸置疑。
黃士傑也說，過去在師大博士班的經歷對他來說非常重要，對博士班林順喜教授十分感謝，讓他有很多出國歷練的機會，打下非常深厚的基礎。「我覺得台灣的研究人才真的不輸國際，只是資源比較少。」
（圖說：黃士傑說，台灣人才其實不輸國際，重點是要有信心走出去。照片來源：Google提供。）
目前，DeepMind團隊約有200人，其中有4位台灣成員，其他還有來自世界各地的人才，有法國、印度、英國、中國，這些人都非常的有自信，他們不怕、他們想要出去闖蕩，這種精神跟台灣人比較不一樣。
「我們其實不弱，重點是要有信心能夠走出去，打出一片天！」——黃士傑說。
DeepMind下一步：不只是圍棋，要佈局醫療、機器人
眾所關注的，還有DeepMind的下一步。黃士傑提到，未來，DeepMind有興趣的也不只是圍棋，而是要進一步把人工智慧的技術應用在實際層面，包括醫療、機器人領域，終極目標是要「讓世界更好」。
另外，在專攻圍棋遊戲的AlphaGo之後，是否有可能進一步挑戰策略型遊戲星海爭霸、英雄聯盟，也是內部正在討論的選項之一。
至於未來AI的發展，會不會如同科幻電影中一般全面失序？黃士傑說，目前全球AI發展還在初期，還是機器學習的狀態。例如AlphaGo沒有感情、不會生氣，它沒有辦法主動性思考、自己解決問題，距離可以獨立思考的能力還有一大段。「AI是中性的，科技沒有好壞，就看未來怎麼使用它。」黃士傑說。
