有「不敗少年」之稱的南韓棋士李世乭，在2016年與Google開發的人工智慧AlphaGo對弈，除了是人工智慧（AI）系統擊敗人類的經典一役，也讓一般大眾逐漸正視AI的潛在發展性；此外，2017年特斯拉執行長馬斯克（Elon Musk），共同創辦的非營利人工智慧組織OpenAI，透過AI成功在電競遊戲《DOTA 2》中擊敗人類選手。
不過無論是下棋或是電競，至少都還有規則可循，辯論可就不同，除了輸贏的判定非常主觀，辯手還必須具有理解對手論點的能力，且從對手的論述中抓出弱點，才能透過更有說服力的論述擊敗對方。
就在IBM Think大會開幕前夕，耗時六年研發的AI辯論系統Project Debater，與歐洲辯論大賽冠軍Harish Natarajan，在舊金山展開一場辯論，有17%的觀眾在辯論結束後，認為人類辯手的論點還是比較有道理，雖然AI最終沒能贏過人類，卻向全世界驗證，AI具備越來越優秀的思辨能力。
Watch #ProjectDebater take on a debating champion in front of a live audience at #Think2019: https://t.co/lMm8Y5Q6GY
— IBM @ Think (@IBM) 2019年2月12日
賽前15分鐘才公布辯論題目
這次對上Project Debater的人類辯手，是贏得2012、2016年歐洲辯論大賽冠軍的Harish Natarajan，以「政府是否應該補助幼稚園教育」為題進行辯論。
雙方都是在比賽前15分鐘才被告知題目，由Project Debater擔任正方（支持補助）、人類擔任反方（不支持補助），比賽共有三個環節，雙方有 8 分鐘時間自由辯論，最後還有 2 分鐘進行總結。
在辯論比賽的舞台上，一大塊黑色版子，搭配橢圓形藍色螢幕的機器，就是Project Debater，他用冷靜又理性的女聲說到：「提供機會給那些比較沒有那麼幸運的人，是任何人類的道德義務。」他認為教育補貼，可以讓家境貧困的孩子表現得更好，甚至還引用美國國家早期教育研究所、疾病控制中心等數據做為論點，認為人類如果在道德上做了正確的事，還能因此降低犯罪率。
作為反方的人類辯手Harish Natarajan則認為，補貼教育的錢可以花在更迫切需要幫助的地方，因為政府的資源是有限的，如果補貼幼稚園教育，那勢必有其他更弱勢的團體必須被犧牲，並指出，教育補貼只不過是中產階級的政治動機，還不如把這些錢花在其他地方還更有意義。
AI以道德、人文關懷作為出發點；人類則以現實面的資源分配反駁，一來一往之間充滿有趣的反差感。
人類比起機器更加有說服力
在比賽開始之前，台下的觀眾會先投一次票，選出自己支持的一方，辯論結束後會再投一次票，最後觀點支持人數增加的一方獲勝，反之則落敗。
在比賽開始之前，有高達79％的觀眾同意正方Project Debater的教育補貼觀點，在第二輪辯論結束後，Project Debater的支持率下降到62%，跌幅達17%；支持人類辯手的比例，則上升17%來到38%，也就是說有17%支持教育補貼的觀眾改變立場，意味人類比起機器更加有說服力。
沒有標準答案，辯論比下棋更難
事實上，去年（2018）IBM曾在位於舊金山的辦公室，舉辦兩場Project Debater與人類的辯論比賽，當時Project Debater甚至還贏了其中一場比賽。
辯論跟下棋或是電競非常不同，除了沒有既定規則脈絡可循，辯手首先必須具備理解對手論點的能力，對AI來說，困難點在於必須從人類的理性與感性中，找到可以突破的弱點，並將這些觀察組織成更強大的論述，才能夠擊敗對方。IBM人工智慧研究副總裁Dario Gil認為，最困難的地方在於AI不只是要「回答問題」，因為回答問題只是根據事實提供資訊，辯論則是要理解人類複雜語言背後的邏輯，這並沒有所謂的標準答案。
為了建立強大的辯論資料庫，過去六年IBM的研究員透過報紙雜誌、維基百科等資料來源訓練機器，最後再透過IBM 的人工智慧系統Watson，將文字資料轉換成語言。IBM研究員Noam Slonim認為，辯論必須要跟觀眾產生共鳴，以此來說服對方支持自己的觀點，尤其辯論非常強調個人的演說風格，這點是機器無法做到的。
在這個到處都充滿Siri、Alexa語音助理的時代，機器已經懂得聆聽人類的問題，來給予相對應的答案，而機器同時也在聽著我們的對談成長。這次的人類辯手Harish Natarajan認為，在這次比賽中印象最深刻的，是Project Debater列舉了非常多的數據佐證，「如果AI引用數據跟資訊的能力，可以跟人類的智慧相互結合的話，未來一定能發揮無窮的潛力。」
