在AlphaGo 已能打敗專業圍棋選手之後,你如何看待電子鼻、電子舌?

黃怡菁 執行顧問
  在 DeepMind 的主頁裡,AlphaGo 是這樣被介紹的:它是一種電腦玩圍棋的新方法,這種方法運用了基於深度神經網路的蒙地卡羅樹狀搜尋,而這個深度神經網路一方面是透過運用人類專家級圍棋棋局進行監督學習來訓練,另一方面還透過程式、電腦自己與自己博弈的增強學習來進行訓練,可見 AlphaGo 的成果也與從人類專家級棋譜資料庫學習有關。
  在蒙地卡羅樹狀搜尋之前,雖然電腦憑藉強大的計算力可以積累大量「常識」,但由於「棋感」的缺失,人工智慧無法對計算方向進行有效的篩選,最終就不免淪於蠻力搜索。
  而蠻力搜索雖然可以在一定程度上實現高水準的「計算」,甚至很多其他棋類都在這一環節上被人工智慧打敗,而由於圍棋的過度複雜和摩爾定律結束對電腦發展前景的限制,走到這一步仍然無法讓人工智慧戰勝人類。 而蒙地卡羅樹狀搜尋出現後,憑藉大量儲備的棋局,透過勝負概率來判斷下一步著點以做為計算方向,極大的提高的計算效率,所以 AI 的水準才完成革命性的進步。
  從前述人工智慧的成果,回到看智能感官的問題,目前電腦仍為工具,其成果來自於被人所使用的資料庫與設定的演算法從原來的常識的蠻力搜尋進到突破了具備「棋感」,而智能感官工具,目前資料庫仍需感官科學的不斷導入以及如何建立屬於感官的「X感」,就是電子鼻電子舌能否廣泛應用的關鍵。
更多文章分析,歡迎參考 如何用儀器來取代感官分析--感官分析與儀器分析於食品感官品質量測的探討