從2016年AlphaGo打敗人類棋士後，「人工智慧」(AI)一詞彷彿成了企業對外行銷利器。企業推出產品或宣布未來布局策略，一定得跟AI掛勾，就連政府機構在審核補助計畫時，這個詞彙也彷彿成了通關密語。
其實，在AlphaGo吸引眾人目光前，台灣本土軟體業者趨勢科技內部也一直都有類似的圍棋程式計畫，而2017年4月，趨勢科技也與國研院合作打造機器學習交流平台T-Brain，期望打造台灣版的Google Kaggle。
張明正認為，AlphaGo Zero反映人類在經驗和知識領域上都存在盲點，未來企業必須更謙卑、不斷學習，並拋開既存的各種框架。
DIGITIMES專程赴花蓮，獨家專訪趨勢科技創辦人暨董事長張明正。這位早已從自己一手創立的公司中退位超過10年，現在隱居於花蓮海邊的台灣本土科技老將，在採訪過程中數次以「我的媽呀！」表達他對AlphaGo Zero技術進展的讚嘆之情。
欽佩之餘，他也不諱言目前有危機感，更直言若AlphaGo Zero發展到極致，諸如趨勢科技這類過去掌握大量數據的中大型企業，將不再具有優勢，企業必須居安思危。
他反覆講著，「人類知識有太多盲點了。」張明正彷彿也在努力跳脫自己的盲點和框架，包括過去習得的技術、市場競爭等經驗，嘗試從科技哲學角度，給予產業一個不同的思考路徑。
對於企業未來該怎麼應對AI的終極發展，他沒有給出一個明確的答案，但這個不明確的答案，恰好正呼應他不斷提及的人類知識盲點。因為，之所以會問出這樣的問題，大概就是因為人類世界的盲點吧。以下為DIGITIMES專訪趨勢科技創辦人暨董事長張明正的全文內容。
問：您認為AI在1.0、2.0、3.0和4.0時代，分別有何特色呢？對產業又有何意義？
答：早在Google推出AlphaGo之前，趨勢科技內部也有一個與旅日職業棋士王銘琬合作的電腦圍棋的AI計畫Go Trend，當時用的是AI 1.0時代的技術，諸如蒙地卡羅(Monte Carlo)等方法，也從2015年開始參與電腦圍棋競賽，首次參賽就拿下第六名。
2016年再度參賽時，原本希望拚進冠亞軍，但AlphaGo推出後，和當時的高手對弈連贏好幾盤，我們雖然覺得往後已經不需再參賽了，但並沒有失去興趣，反而更加關注AlphaGo。
AlphaGo屬於AI 2.0時代，是透過輸入約3,000萬盤圍棋棋譜，讓他一直玩、一直自我學習，但這些棋譜程度不一，同時包含二段到六段等級的棋譜，卻可以打敗九段的真人高手，甚至後來還贏了大陸職業棋手柯潔，以及南韓職業棋手李世石。
對我這個學習電腦科學的人來講，震撼點在於，一個機器竟然可以透過輸入二、三段或六段等較低階的棋譜後，自己不斷玩、不斷進行深度學習，最後打敗擁有高段實力的棋手。因為深度學習本來是需要龐大的資料，但AlphaGo卻能以那樣的方式進行深度學習，並擊敗真人棋手，這對我而言非常震撼。
因此，當進入AI 2.0時代後，我們不再外出比賽，而是找來一群圍棋高手，由王銘琬棋士帶頭，在公司內部討論切磋。
繼AlphaGo後，又推出升級版AlphaGo Master。舊有的版本其CPU需要176個GPU，但Master版本則用到Google自己的4個Tensor Processing Unit(TPU)，能以更少的棋譜去進行深度學習，讓AI進入3.0時
代。
而在2017年10月初，隨著AlphaGo Zero問世，我認為已經進入AI 4.0時代。在AlphaGo Zero出現前，談到AI，我們都認為是大數據(Big Data)加上深度學習；但AlphaGo Zero不需要任何棋譜，即可在圍棋比賽中擊敗前幾個版本，這不僅大大改變我的看法，也對趨勢科技有非常重要的意義。
趨勢科技長期以來核心業務即是找出電腦世界的壞蛋，但不要誤抓好人。這中間需要強大的預測能力和概率能力，其中也包含一些人類經驗的成分，這個過程就像是將規則做成棋譜，再丟給機器協助處理。
前陣子的勒索軟體肆虐事件，我們之所以能夠抓到壞蛋，是基於將近30年累積的資料庫，包括病毒碼、電腦侵入威脅的資料等，據此以演算法再加上AI輔助，協助抓出駭客。
然而，在我看到AlphaGo Zero出現後，我認真思索，若它的技術未來能夠成功應用到防毒軟體領域，那我們的優勢可能就會消失了。這種衝擊就像是以前照相需要底片，但出現數位相機後，未來不再需要底片，卻可以照更多的相片，這對相關產業的衝擊將會很大。
以前的工程師還可以宣稱，自己是大數據工程師，但如果未來不再需要大數據呢？此時大數據工程師的優勢何在？
AI發展至今，我認為有4個階段。最初的1.0時代是演算法，2.0時代是大數據，數據的多寡決定你的表現；3.0時代雖然仍然需要數據，但即使只有少量數據，只要再加上他人訓練過後的資料，仍然可以有
好表現。
而AlphaGo Zero讓AI在短短的1年半之間，從2.0時代快速跳到4.0時代，一個不需要任何數據的時代。它並不單純只是一個更厲害的新版本AI，我認為它將改變所有的事情，影響力更勝以往。
回到趨勢科技，我們許多產品還停留在2.0和3.0時代，但我們也警惕自己，倘若未來不再需要數據，我們的優勢何在？而哪些領域仍需要數據，哪些領域又不需要數據呢？
問：AlphaGo Zero的科技哲學意義為何呢？過去AI在人類世界中，因為需要大量數據，可能只有企業或工廠才能廣泛應用；相較之下，在個人用情境裡，或許因為缺乏數據，至今沒有較好的應用。AlphaGo Zero問世後，未來會有怎樣的想像世界呢？
答：AlphaGo Zero讓我開始從哲學性的脈絡，重新思考現在的世界。我們過去獲取知識的管道，例如上學、讀書、向前輩學習經驗等，這些其實都只是知識來源的極小部分而已。
過去我們認為的知識，是來自「我知道我所知道的」(I know what I know)，例如我創辦趨勢科技，是因為我知道如何抓病毒；我以前不知道怎麼種菜，是因為我沒當過農夫，但隨著我開始嘗試栽種，我就獲得了種菜的知識。
但現在發覺到，「我不知道我所不知道」的領域知識，竟然佔了我頭腦知識的絕大部分。人類下了超過2,000年的圍棋，人類棋手一步一步走到九段地位，獲得本因坊頭銜，屬於高手中的高手，但後來被透過學習兩段、三段棋譜的AlphaGo擊敗。
而AlphaGo Master雖然可以學習少量的棋譜進行深度學習，但仍然會下一個人類棋手經驗中被視為壞步的棋，代表人類經驗世界存在盲點，甚至可能有超過9成都是盲點。
相較之下，完全沒有棋譜的AlphaGo Zero，雖然剛開始都亂下棋，也不像AlphaGo Master一樣，可以很快就追上，但AlphaGo Zero在經過幾次隨意下棋後，最後迎頭趕上甚至超越。
棋譜代表人類的領域知識，是一種框架；而沒有輸入任何人類領域知識的AlphaGo Zero，跳脫了人類世界的許多假設和盲點，卻能表現得更好，這是一件非常有趣的議題。
於是我開始思考，AlphaGo Zero不需要人類的領域知識，代表人類的盲點會卡住它、讓它綁手綁腳，那人類的盲點有多大呢？是1%還是99%？
AlphaGo是輸入約3,000萬盤棋譜，跟自己玩了差不多2,000萬盤棋，而AlphaGo Zero用更低的消耗電、更少的CPU，只玩了約500萬盤棋，就打贏所有擁有人類數據的圍棋程式。先來計算一下，500萬約是10的9次方，而圍棋的所有可能性約是10的360次方，那麼，10的9次方對整個圍棋可能性10的360次方的佔比，大概是多少呢？
這代表一件事，AlphaGo Zero只用了圍棋所有可能性的極小部分，就擊敗舊版圍棋程式，大概就像是人類拿了大英百科辭典，只看第一頁的2個字，就理解整本書的意義，這也是為何我不斷提到人類的知識盲點。
在人類現有世界裡，存在許多待解決的議題，例如能源稀缺，而過去我們嘗試從太陽能、風力、海流等方式獲取能源，但至今仍舊無法真正解決能源問題；或許這些問題至今無法找到解答，就是因為我們受限於盲點和框架，僅以人類的方法去解決問題。
從終極角度思考，倘若AlphaGo Zero能解決這些問題，讓能源變成免費，海水變成淡水，因為土地都可以種植了，食物也就免費了；因為汽油免費了，所以運輸也免費了。
當一切物資都免費了，未來的人類世界可能就不需要金錢。或許現在聽來異想天開，但未來一切都說不準。15年前撥打電話，是按照時間、距離計算；但現在OTT興起，即使使用Facebook Messenger撥打網路語音給國外的友人，也不再需要額外收費，Facebook的市值也超越了傳統電信公司AT&T。
這樣的變化，就是因為Facebook Messenger讓撥打電話的時間或距離不再重要，過去用以衡量價值計算的單位因而轉變了；而同一時間，人和人之間的分享、互動、聯繫變得更重要，打造出現今的Facebook盛世。廣告、行銷也因此變得愈來愈重要，這也是為何今天的Google超越T-Mobile等跨國電信公司。
這些變化都在短短十幾年內發生，而這個不再需要數據的AI，也會為世界帶來重大影響。AlphaGo Zero傳達了一件事，原有的人類知識或科技解決方案，也可能都限制了人類的潛在能力，而這些限制可能來自於既有教育、社會以及家庭的制約。
這些是人類過去獲取知識的方法，但未來若人類覺醒，跳脫傳統獲取知識的管道，未來企業競爭型態也可能會有很大的轉變。
問：既有企業未來的競爭優勢為何呢？AlphaGoZero對趨勢科技有什麼樣的意義和啟示？
答：很多企業可能認為自己擁有很多數據，覺得自己很厲害，但其實我們的盲點太多，許多我們認為的假設可能都要一掃而空，才能應對未來的世界變化。就像前述提及的語音通話例子，過去以距離和時間算錢，現在不再需要這些單位後，有些企業崛起了，但也有些企業日薄西山了。
若在AlphaGo Zero問世前，我可能會覺得趨勢科技在發展AI應用上，需要大量數據，再加上人類的領域知識。以醫療領域為例，過去可能認為需要數據和醫生的知識，然後進行「模擬」，而模擬這兩個字，其實就顯現我們已經被制約了，是在一個既有知識架構下去模擬，而那些數據其實也是人類的數據、人造的數據。
而過去在判斷AI做得好不好，我們當時的定義可能也是數據量多不多？領域知識好不好？但未來，我希望員工開始可以進行反省，思考過去抓病毒的方式，在未來該如何進化；而隨著我們進化，駭客也一定會跟著進化，這將是免不了的一場戰爭。
我關心的是，未來會不會有一個成員僅有1~2人的新創團隊，用AlphaGo Zero的方式寫了一個防駭客病毒的產品，就超越我們？以前我不相信未來會出現這樣的產品，因為過去需要以數據做為基礎，但未來已經不一定了，這與競爭對手是否關注AlphaGo Zero無關，這攸關企業生存，未來的變化很迅速，一切都不確定，需要居安思危。
AI的演變，與產業市場的關係，可以大略分成3段式。第一階段是AI演算時代，不需要太多數據，只要有1個AI模型(model)再加上領域知識，就能與大企業齊名。
第二個階段是AI 2.0，出現深度學習後，當我擁有數據而你缺乏數據，我的效能就會大幅提升。在這個階段，包括Facebook、Google等掌握大量數據的企業，其優勢都很明顯。
第三個階段，則是不需要數據的AI 4.0，所有市場將重新洗牌，小公司就有機會了。
我們是屬於擁有數據的公司，但我們仍要居安思危，一旦進入第三階段，若有新創團隊不需要任何數據，就可以抓到所有的病毒和駭客，從使用者角度來講，這個新創團隊就可能贏了。不過，是否AI以後都會不需要數據？若真的不需要，那數據科學不就滅亡？人類的領域知識真的與未來發展沒關係嗎？因此，我們開始將問題進一步思考，為何圍棋會符合上述的定義。
圍棋勝負分明、規則簡單明瞭，但病毒並不是只有一種，有的來自電子郵件、有的來自網站，複雜性較高。若一個企業推出的解決方案所需要的知識，是由5~6個領域疊加起來，或中間有5~6個變因參與其中，而非像圍棋一樣輸贏結果簡單明瞭，AlphaGo Zero就較難準確預測，因此企業仍舊可以
保有既有優勢。
Google的DeepMind團隊曾經在未輸入任何規則的情況下，讓AlphaGo Zero玩以前的電玩遊戲，2天以後AlphaGo Zero同樣也打贏所有參與者，但那些電玩都屬於可輕易論斷輸贏的情境。
現在AlphaGo Zero則開始挑戰策略性電玩遊戲，這類遊戲含有各種變因，不同決策會帶來不同結果，整體較為複雜，因為AlphaGo Zero不擅長解決這類問題，因此目前還是落敗階段。雖然現階段對它而言依舊有門檻，但不代表未來它不會學好。
我希望趨勢科技公司的每個人，都能在「AI不需要數據」以及「AI已經進入4.0」等大前提下，思考我們的客戶有更好的保障，因為我們存在的目的，就是不讓客戶被更厲害的駭客打倒。
AlphaGo Zero對趨勢科技帶來2個意義，一個是對公司文化層面，另一個是商業競爭層面。
第一個意義，從公司文化來講，我們過去一直談改變，但現在改變將比想像中來得更快。趨勢科技的存在意義，就是讓客戶知道他們被保護，也可以提前預警他們下一次攻擊可能是什麼時候來，這件事情是我們的核心業務，維持不變；但其他事情，例如來自物聯網(IoT)、雲端等的科技變化，我們每個人都要更快速因應變化，也不要限制自己，不要認為病毒或駭客一定是從怎樣的模式進來，需要拿掉頭腦既存的各種假設。
我們不能自傲於以前的成功，必須以AlphaGo Zero的拋開盲點為師，特別對工程師而言。
另一個意義，從商業角度看，由於我們比競爭者更早思考這件事，我們也有將近1,000名AI高手，這是我們的優勢。目前我們的要求就是，若產品未來沒有AI，那就別談了，因此在技術角度方面，這將會帶領我們往愈來愈強的方向前進。
問：未來人類的角色是什麼？與AI之間的關係又會如何？
答：當AlphaGo Zero不再需要人類領域知識時，未來人類的角色是什麼呢？很多人都討論過類似議
題。
有些人認為，未來娛樂時間變多，因此人類將負責娛樂；但我覺得這樣的推測或討論，都還是限於人類擁有領域知識、且只有一小撮人可以賺大錢的前提之下，倘若連人類的領域知識都不需要的話，可能連這個都不用討論了。
2016年後，我們的圍棋團隊一度解散，但直到2017年8月，我們又重啟計畫，因為王銘琬棋士認為，應該要重思下圍棋的目的。
我們過去參加比賽，是為了爭輸贏，但王銘琬認為，下棋的目的是讓人類進行情感的溝通，因為在那一個時間點裡，「我」在那裡，而我下個棋雖然被機器打敗，但我仍有我的棋風，就像職業棋士內就分成各種流派。
如果人類下圍棋的目的僅是為了輸贏，那當AlphaGo打敗人類棋士後，難道就不會有人再下圍棋了嗎？事實上，下圍棋的人數並沒有什麼變化，因為人類和人類的互動是感性的結合，而非理性的結合。
我們後來認知到，AI並不會存在太多的「意義」，而人類生命有限，再加上若被滿足基本生存需求後，人類就會往上尋找其他心理層面的需求，這就是在尋找意義。或許當AI往上爬後，也開始發展意識，並尋找意義，但這又是另一個議題了。
因此，我們後來重啟圍棋計畫，嘗試以AI和別人對弈，協助人類學習圍棋。若你是初學者，那只要下個兩三步，機器就知道你屬於哪個等級，並自動調配成類似的程度，讓你覺得下棋有趣，對弈結束後也可以依據歷史棋步，向人類玩家解析各種可能的走法。
無論未來人類與AI的關係怎麼走，我們都要承認，人類都有盲點。我們不知道的事情太多了，應該要更謙卑，要不斷學習；當技術演變得愈來愈快，企業也要走得更快，把自己既有的那些理所當然的觀念都打破，不要被框架限制住人類的潛力。
原文出處：DIGITIMES電子時報 作者:翁佩嫆
