人类如何向AlphaGo学习出人头地?　

作者 高焕堂 台湾VR产业联盟主席、厦门VR/AR荣誉会长兼总顾问

　　在当今AI潮流下，企业和年轻人，如何出人头地呢? AI机器人AlphaGo打败天下无敌手，已经出人头地了。人们何不向AlphaGo(及AlphaGo Zero)学习呢?

　　因为AlphaGo懂得如何征服自己面对的巨大不确定性棋局，因而超越了人类顶尖高手。学习AlphaGo如何探索机会之后，创客就懂得了如何面对AI的不确定市场。企业就像AlphaGo一样，可以超越顶尖的人类竞争对手，出人头地了。

　　传统上，人类的学习偏重于“利用”所学的知识，去发挥所长，解决问题。如果人类(如创客)能从AI强化学习得到启示，强化探索能力，则人人能探索更多可能，得到更多机会，如图1所示。

　　在高度不确定性的环境里，唯有懂得降低风险，才敢大胆探索、提高胜率。一旦你选择了创客/创业之路，若能向它学会探索机会的方法，将会协助你在创业路途上心想事成，鸿图大展。

1 强化学习：探索和利用之间找到平衡

　　强化学习(Reinforcement Learning)的算法又称为近似动态规划(approximate dynamic programming，简称ADP)。它在探索(在未知的领域)和利用(现有知识)之间找到平衡。探索就是尝试以前从未想过或做过的事情，以求获得更高的报酬。利用就是做当前条件下能产生最大回报的事情。

　　例如，假设在你家的附近有十个餐馆，到目前为止，你只在其中的八家餐馆吃过饭，了解了这八家餐馆中哪家是最好吃的。如果有一天，你的女朋友来看你，你想请她去最棒的餐馆晚餐。请问您会如何选择餐馆呢?在这个例子里，利用就意味着你带她去所知道的八家中最好吃餐馆;而探索则是带她去你从没吃过的第九家或第十家餐馆晚餐。

　　如果你选择八家中最好吃的餐馆，那么，也许第九家或第十家比这八家都好吃呢?反之，如果你选择第九家或第十家，也许这两家也可能比那八家都难吃。

　　那么，你该如何选择呢?这就是“探索-利用”困境。强化学习更接近生物学习的本质，一个标准的强化学习算法必然要包括探索和利用，强化学习更接近生物学习的本质。

　　谷歌的专家们(即人类老师)已经把这种“探索和利用”平衡的技巧(算法)教给了AlphaGo(机器学生)，让AlphaGo(及AlphaGo Zero)超越了人类的围棋顶尖高手。

　　传统的人类学习是学以致用(利用所学)为依归，由于常常受限于现有知识，无论是人类或机器学生都只能得到区域最优，如图2所示。

　　因此，无论是机器学生或人类学生，一旦具有强化学习能力，都能大大提升其探索未知机会的能力，有信心去探索更大的状态空间，从而得到全局最优，让学生们成为AI时代的大赢家，人人能探索更多可能，也捕捉到更多好机会。

2 懂得避风险，才敢大胆探索、才有热情创新

　　大胆探索的同时，必须要有效降低风险。这是AI时代人类可以向机器学习的重要一课。AI强化学习已经把这种“探索-利用”最佳平衡的算法效益发挥出来，然而需要搭配一种降低风险的策略。AlphaGo的目标总是将获胜机率最大化放在第一位，它会透过寻找确定的搜索途径实现最低风险的获胜机会。例如，AlphaGo的行为会倾向为了取胜而放弃更多赢子数，只为了降低不能取胜的风险。

　　AlphaGo的蒙地卡罗算法给出的是搜索之后的胜率评估，然后AI会根据这个胜率来选择落子点。懂得避免风险，才敢大胆探索、热情创新。因而，AlphaGo能在高度不确定性的围棋棋局中超越人类高手。俗语说，商场如战场，它们都跟围棋竞赛一样具有高度的不确定性。因而人们(如企业家)可以从AlphaGo学会如何在商场上，善于面对如围棋棋局中高度不确定性的市场环境，超越其他竞争者!

3 与不确定性共舞(Living with uncertainty)

　　向AlphaGo学习，有助于提升人们(如学生)的避风险能力和信心，以便更具备创新精神。就如同，下述这句名言：

　　“When you focus on problems，you’ll have more problems. When you focus on possibilities，you’ll have more opportunities.”(当你专注于问题时，您就会有更多的问题;当您专注于可能性时，您就会有更多的机会。)

　　当人们一直专注于问题时，是基于过去经验，评估具有现实条件支撑，力求化解问题或避免问题发生的或然性(probability)，在心中逐渐萌生具有高度的明确感。这种通过或然性思维而得到地明确感称为或然性明确感。

　　大家都知道，当面对不确定情况时，人们总是需要明确感才会安心。大多数人习惯于或然性思维，一直专注于问题，力求化解问题或避免问题发生的或然性。于是，在心中逐渐萌生具有高度安心的明确感

　　这种或然性思维得到的明确感称为或然性明确感，但是，常常会基于经验和现实而过滤掉机率小的可能方案，而失去许多机会。

　　可能性明确感试图涵盖未来各种可能的机会，避免基于经验和现实而过滤掉或机率小的可能方案。然后，逐步探索经验和现实进行否证而去芜存菁，逐渐提升心中的明确感。即面对复杂和新的未知世界，培养先容纳内心的不确定性，规划方案并采取行动试验(试错)，逐渐提升明确性和信心。

　　可能性意味着或然性很小的事件，有人称之为“黑天鹅”。它的出现，初期并不起眼，经过一段时间，逐渐产生乘数效果的巨大效应。为什么会是“当你专注于可能性时，你就会有更多的机会”呢? 因为上述的一段时间是一项宝贵的资产，例如，张荣发先生也是洞悉到物流集装箱(黑天鹅)而获得宝贵时间，并且预做准备，因而获得更多机会。而后来才进入的竞争者，就因缺乏时间资源而失去竞争力。

　　大多数人习惯于或然性思维者，他们常常成为失去宝贵时间的后知后觉者，因为他们会觉得黑天鹅，还没普及流行，尚未成气候。这种面对不确定，逐步提升心中的明确感，通称为与不确定性共舞。人们总是需要明确感才会安心。或然性明确感与可能性明确感，其目的是一致的：满足内心所需的明确感。只是手段不同而已。

　　例如，一只小狮子肚子饿了，依据成功经验奋力去追兔子，只是捕获的兔子日渐减少(可能兔子变敏感了)，有些困惑(明确感降低)。这只小狮子的妈妈就教他：肚子饿了，就闭上眼睛睡大觉，不要乱跑。小狮子满脑困惑，不确定感急速上升，非常不安。但母命难违，只好勉强为之，果然耳朵变灵敏了，清晰地听见兔子声音越来越近，然后猛然奔出一抓，轻易捕获，饱餐一顿，继续睡大觉。

　　君不见，身为野兽之王的雄狮、母狮，常常看似想睡觉的表情，真是“总裁狮子心”呀! 小狮子专注于问题(如肚子饿了)，却引来更多的问题(如追累了，走不动，引来生命危险)。妈妈教小狮子不要围绕问题，而专注于可能性(如原来以为兔子不可能自动送上门)，反而发现更多的机会(如更容易填饱肚子的新途径)。

4 结论

　　从AlphaGo下围棋可以发现，在面对高度不确定性的环境时，它懂得专注于可能性，探索更多机会，获得全局最优而出人头地。人类可以从AlphaGo学习到与不确定性共舞的能力，就会如同小狮子一般，探索到更多赢家之道。

　　参考文献：

　　[1] 高焕堂. VR内容、素材及其行业应用[J].电子产品世界, 2016(11):88.

　　[2]王莹.人工智能的进展及发展建议[J].电子产品世界, 2017(2-3):23-26.

　　[3]王莹,王金旺.异构计算带来AI视觉新突破[J].电子产品世界, 2017(7):28-29.

　　本文来源于《电子产品世界》2018年第5期第76页，欢迎您写论文时引用，并注明出处。