人工智慧非萬能，人類可以反敗為勝。（圖片來源：Adobestock）
如今谷歌的人工智慧下棋軟體 AlphaZero 取得重大突破，也許連最強的半人馬隊都得在自由搭配棋賽裡甘拜下風。先前的西洋棋軟體是採硬幹法，大量計算可能的棋步，依程式人員設定的標準評分排序，但 AlphaZero 則會教自己如何下棋，只需要知道規則，然後下無數盤棋，追蹤行得通與行不通的棋步，藉此提升棋力。這軟體很快就勝過最好的西洋棋軟體，連可能棋步遠遠更多的圍棋也順利攻克。不過半人馬隊的啟示依然成立：涉及的宏觀戰略愈多，人類能著墨的愈多。
AlphaZero 的程式人員取得耀眼成功後，宣稱這軟體已經從一塊「白板」變成獨當一面的大師。
然而從棋局起步絕非白板一塊，這軟體仍是在受規則限制下的世界裡發揮。事實上，連在戰術模式限制較少的電玩遊戲上，電腦都面臨巨大的難題。
人工智慧遇到的最新難題是《星海爭霸》。這是一款即時戰略遊戲，許多虛構外星物種在銀河系的遠方廝殺爭雄，遊戲涉及的複雜決策遠多過下棋，有戰場要顧，有刺探要做，有建設要規畫，有地景要探勘，有資源要蒐集，全部環環相扣。
紐約大學教授朱利安．托格留斯研究遊戲人工智慧，在2017年跟我說，電腦很難在《星海爭霸》獲勝，就算一時半刻贏過人類玩家，但人類玩家具備「長期調整策略」的能力，後來會開始反敗為勝：「思考有很多層面。人類算是在每個個別層面很糟，但對各層面大致有概念，有辦法加以整合，協調適應，這下子就厲害了。」
2019年，人工智慧在簡化版《星海爭霸》首次贏過專業玩家（後來這位玩家調整修正，在連輸多局後擊敗電腦）。《星海爭霸》的複雜戰局反映出一件事：愈考驗宏觀戰略的遊戲，人類能發揮的空間愈大。我們最大的優勢跟狹隘專業背道而馳，反而在於廣泛整合的能力。
人類碰到真實世界的開放式問題仍能勝過機器。（圖片來源：Adobestock）
蓋瑞．馬庫斯是心理學暨神經科學教授，先前把自己的機器學習公司賣給私人叫車服務公司 Uber，他說：「在很局限的領域裡，人類也許再過不久就難以做出多少貢獻；在更開放式的領域裡，我想人類絕對還能做出長足貢獻。不光是遊戲而已，我們碰到真實世界的開放式問題仍能勝過機器。」
在西洋棋等有序的封閉式領域，回饋即時，數據龐大，人工智慧迅速取得長足進展。駕駛方面，雖有交通規則，卻帶混亂模糊，人工智慧即便有長足進展，仍面臨不少難題。至於真實世界裡沒有硬性規則的開放式領域，歷史數據無從完備，人工智慧步履蹣跚。
IBM的人工智慧系統「華生」在益智問答節目《危險邊緣》打敗人類冠軍，接著號稱能替癌症治療掀起革命，但人工智慧專家告訴我，他們很擔心華生會破壞人工智慧研究在健康相關領域的名聲。誠如某位癌症醫師所說：「稱霸《危險邊緣》和治療所有癌症的差別在於，我們知道《危險邊緣》裡面那些問題的答案。」
至於癌症，我們連提出對的問題都尚難辦到。
2009年，地位崇隆的科學期刊《自然》宣稱，谷歌的流感趨勢系統能靠搜尋序列模式迅速預測流感的散播，跟美國疾病管制與預防中心的準度不相上下。然而谷歌流感趨勢系統很快便開始跌跌撞撞，在2018年冬季的預測值比實際情況高出兩倍。
如今谷歌流感趨勢系統不再發布預測，只在頁面打上「技術尚未成熟」等字樣。馬庫斯以一個類比向我點出人工智慧目前的限制：「人工智慧系統就像學者症候群患者。」人工智慧只能在封閉的穩定架構勝任有餘。
本文整理、節錄自大衛．艾波斯坦（David Epstein）《跨能致勝：顛覆一萬小時打造天才的迷思，最適用於AI世代的成功法》一書，文章僅代表作者個人立場和觀點。由采實文化授權轉載，欲閱讀完整作品，歡迎參考原書。
