輸給AlphaGo的韓國棋王宣布退役，李世乭：「拿下第一名，我也不是冠軍。」|數位時代 BusinessNext

永無可能戰勝AI，李世乭萌生退意

然而，即使雖敗猶榮，依舊無法消弭他面對AI的挫敗感。11月19日，李世乭向韓國棋院遞交了退役申請，結束他24年的職業棋士生涯。根據《韓聯社》的訪談，他決定退役的原因，便是3年前與AlphaGo的一役中，感受到了AI在圍棋領域人類無法抗衡的強大。

「隨著AI進入圍棋世界，我理解到無論我再怎麼拚命拿下第一名，我也不是真正的冠軍。」李世乭說。

最初李世乭認為自己能大勝AlphaGo，然而一切並未如他所料，他壓倒性地輸給了AI，賽後他向對自己寄予厚望的民眾道歉，「我輸了，我很抱歉最後比賽以這樣的形式結束。」

當他被AlphaGo連下三城時，他感到非常低落，「坦白來說，比賽開始前我就嗅到了一絲落敗的可能性。Google的科學家們從一開始就表現得非常自信。」

雖然在比賽中落敗，世人對李世乭沒有一絲苛責，「當我連續輸給AlphaGo三場時，我很好奇人們在網路上的評價，但超乎預料地很少人批評我。」

「神之一手」奪全球讚賀，卻認為贏在系統錯誤

與AlphaGo的第四局比賽中，執白子的李世乭下出的第78手棋──這被譽為「神之一手」的一步棋，讓AlphaGo表現失常，進而逆轉局勢拿下比賽。這局棋為世人所稱頌。韓國棋手安永吉（An Younggil）聲稱，這場比賽是李世乭的最傑出的一局棋，一場足以流芳後世的經典對弈。

外界相信，這一局向全球揭示了人類勝過電腦的可能性，但李世乭認為，他能從AlphaGo手中拿下一勝，是因為AI在面對出乎預料棋步時的「缺陷」。

李世乭向《韓聯社》解釋，「我的白78手不是一個該直接對付的棋路。在絕藝（中國圍棋AI）中也有一樣的錯誤。即使讓人類兩子，絕藝也是位非常難以拿下的對手。但因為錯誤的原因，當它輸時會以非常奇怪的形式落敗。」

與AI對弈為棋士生涯畫下句點，李世乭：「我這次很可能也會輸。」

雖然與AlphaGo的對弈，是李世乭萌生退意的原因，作為棋士生涯的收尾，他計畫將與韓國IT公司NHN Entertainment的圍棋AI「HanDol」進行對弈。HanDol於2018年研發，出道短短1年已有擊敗韓國排名前五圍棋選手的出色戰績。

與HanDol的比賽中，第一場李世乭將被禮讓兩子，後續比賽是否會讓子則依據第一局的成績而定，「即使被讓兩子，我也不覺得自己能贏過HanDol。」

儘管對於能否獲勝沒有把握，屆臨退休的他對於勝負顯得相當坦然，「這陣子我甚至沒有關注圍棋界的新聞，我希望就像已經退休般，與HanDol輕鬆地下一局棋，當然我仍會全力以赴。」

對於李世乭退役的消息，DeepMind執行長德米斯．哈薩比斯（Demis Hassabis）聲稱，他在與AlphaGo的比賽中，展現出了真正的戰士精神，「我謹代表DeepMind AlphaGo團隊為李世乭的傳奇歲月致上敬意，並祝福他未來一切順利，我知道他將成為這一代最偉大的棋手之一。」

責任編輯：蕭閔云

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。