AlphaGo打敗世界棋王李世乭，從此罕逢敵手。然而Google的AI實驗室DeepMind最新開發成果，已經可以擊敗曾站上圍棋高峰的AlphaGo。他是AlphaGo Zero，號稱是AlphaGo的弟弟，有著比哥哥更卓越的下棋功力，而且學習的過程也與眾不同。
AlphaGo是透過以人類經驗為基礎的學習，訓練出更強大的能力。弟弟AlphaGo Zero則是透過自主學習，不需要餵養資料給他，透過與自己對打，將勝場輸入系統，以此學習到弈棋能力。他在三天的時間用4個TPU，和自己對打490萬場棋，最後以100比0擊敗了他的哥哥AlphaGo；但AlphaGo用48個TPU，花了數個月時間學習3,000萬場棋局，才打敗人類。
局部與有限的樣本經驗
記載這個研究結果的論文是＜Mastering the game of Go without human knowledge＞，第一通訊作者David Silver認為，
「AlphaGo Zero更加強大，原因是他不再受到人類經驗的限制（no longer constrained by human knowledge），能自由的發展新知和策略。」
這告訴我們一個重要的思考面向：人類的經驗所發展出來的認知甚至策略，其實是有限的。
人類的經驗受制於有限的樣本，只有在「局部」的情況下某些判斷或定理才能被滿足。我們所能觀察的、記載的、施展出的以及歸納而來的方法或定理，其實都是極其有限的（進行推斷的樣本有限）；只在特定條件下，才能成立。局部是相對於「一般」或「整體」的概念，假如我們所說的真相或事實是一個整體，大家可能都會看到其中的一個面向，那就是局部。由於個體所能觸及的資訊是有限的，所以人也只能做出局部的理解與判斷。
為了方便理解，我們可以思考，有個人一生都沒看過黑天鵝，只看過白天鵝，他能夠做出世上沒有黑天鵝的判斷嗎？我們或許可以否決他，因為我們看過黑天鵝，世上有黑天鵝，只不過他所居住的地方沒有黑天鵝，所以他不知道。如果他看過的樣本數量夠多，例如他有特權看盡世上所有天鵝，他才能做出精確完整判斷。我們從這裡看出，人的認知、判斷甚至是衍伸出來的策略，都受到經驗（樣本）足夠與否的影響。
在我們視為是定理的理論也是，尤其是社會科學。有些人對於理論是「局部」的這個事實，並不是很清楚。有的人喜愛用單一經濟理論來解釋經濟現象。聽的人甚至還聽得津津有味。像是未來台北房價會跌，因為沒有人住，價格就會下跌。這個供需理論用的熟稔，房子確實也是商品，可是影響房價的變數不只是房子供需數量，像是利率也很重要。如果市場流通貨幣過多導致利率下降，像房子這類相對較能保值或相對高報酬的資產仍受青睞，價格會如何被需求影響還不好說。當然，如果仔細看一下教科書，就會發現經濟理論很多的「假定XXX條件不變的情況下」，這就是「局部」的概念（局部均衡）。
而我們對人類局部有限的認知，我們可以呼應到AlphaGo Zero技術評價上。杜克大學的陳怡然教授說：
「這證明了人類經驗由於樣本空間大小的限制，往往都收斂於局部最優而不自知（或無法發現），而機器學習可以突破這個限制……。實際更優或者最優的下法與人類的下法存在一些本質的不同，人類實際誤導了AlphaGo。」
框架、錨定與選擇困難
人類的認知不只有限，而且還相當容易受到操作。心理學的研究認為我們的認知受到「框架」的影響。因為我們的思考，深受相對參考點的影響，心理學家稱這效應為「定錨」。有次在山頭上被朋友亂帶路走不回去，我回憶到一個有趣的實驗，問居民走到目的地要多久，提示對方，是30分鐘嗎？對方會回答快25分鐘；再問另一個路人同樣問題，定錨為20分鐘，而他回答15分鐘就可以了。得到了兩組被亂引導的答案，那一次，我花約20分鐘就走到了。定的錨越高，所回答的基準也越高，反之亦然。
我們也認為人們能夠比較商品對他們的價值，進而做出選擇。但是心理學家在實驗上也發現，當選項只有3到5個時，人們還可以做出選擇；但當選擇超過7個和以上，人就無法做出選擇。因為對損失太過於敏感，選了一個，似乎就意味著放棄其他6個的價值總和。我們似乎不是靠著機會成本的觀念在做選擇。
傳統經濟學告訴我們，人能清楚知道自己的偏好，清楚地做出自己想要的選擇。然而我們從上面例子可以看到，人的認知是受到外在框架而變化的，且有時人們可能根本不清楚自己要什麼，以及他所要的東西到底多有價值。我們所透過有限經驗歸納出來的結論，某種程度上框限我們的創造力；定錨、框架和選擇的困難，也大大影響我們對現實的理性判斷和經驗累積。
說人類經驗是錯的那就太過武斷了，只是AI在自己摸索屬於自己的套路有更豐富的樣本支持，更理性了些，走出了不一樣的路。
兩位美國的棋手觀看AI兄弟檔對決時做出評論：AlphaGo Zero在開局和收官並沒有差異，但相對的，在中盤的時候下的比較怪異。
對於「事實」，永遠要保持謙虛敬畏
至此，AI的發展又邁進一步，有人充滿信心，但也有人換了另一個面向來看，認為他們雖然補足人類的不足，但會不會反過來取代或壓制人類。
專家對這項發展也有些回應，密西根大學AI實驗室主任Satinder Singh認為AI與人和動物相比，所知所能還非常有限（extremely limited）；北卡羅萊納大學的洪韜教授認為這股熱潮燃燒多久，還得看神經網絡能解決多少問題，新的工具未必能經得起長時間的考驗。
當然，工具也取決於人的價值觀和使用，事態如何發展無法定論，但有些命題已經慢慢顯現，大略整理了幾個方向：我們究竟怎麼在AI面前看待處處缺漏的人類認知？聽從AI在各方面給我們的裁決和建議，我們能過上更想要的生活嗎？我們道德觀念和法律規範要如何因應調整？智能和意識，誰比較重要？
而我想的是，環境變得讓我們某些特質不太有助於生存，因此找到並強化我們與群體適合生存的特質，也是不可忽視的。
另外，我們也可以得到重要的概念：我們對於「事實」，永遠要保持謙虛敬畏。基於僅有的工具和經驗，只掌握有限的變數，也不清楚是否會有隨機變數產生（隨機變數可否被預測此不討論），所以無法得出通用、普遍又能準確應用的原則，突破了局部，也可能只是通往更大的局部。
責任編輯：朱家儀
核稿編輯：翁世航
原文連結