AlphaGo升級版Master，近日在網上跟人類圍棋高手對弈，連勝六十場，震動棋壇。有讀者想我寫寫這電腦棋靈王，但篇幅所限，實在有心無力，只能借題發揮地談談。AlphaGo和Master練的是兩大神功：一是深度學習，二是蒙地卡羅樹搜尋。它們提升棋力的方法是「左右互搏」，官方叫「強化學習」。今天只能淺談一下深度學習。
所謂深度學習，是機器以模擬人腦的方式（類神經網絡），根據訓練資料找出最佳函數──比如圍棋函數，是輸入當前的黑白子位置，經複雜運算，輸出下一步棋的位置。類神經網絡像人腦一樣，由神經元組成，其結構由人類決定，比如AlphaGo用的是跟辨識影像技術相同的「捲積式類神經網絡」。每個神經元是一個函數，你輸入一組數值，它們被相應的參數（權重和閾值）調整後，便會輸出一個數值──同樣的輸入，只要參數不同，輸出便有異──而這個輸出的數值，便成為下一個神經元的輸入數值，餘此類推。每排神經元稱為一層，最後一層稱為「輸出層」，它輸出的是整個網絡的數值，之前的叫「隱藏層」。深度學習的「深」，指有很多隱藏層。簡單而言，網絡越「深」，效能越大。
要找出最佳函數（即最佳的下一步），AlphaGo會用「梯度下降」，即隨機設定第一組參數，再把它微調為較佳的第二組，如是者不斷重複，直至找不到更佳的參數為止。由於過程涉及隨機，每次找到的函數很可能不同，所以機器輸出的未必是嚴格意義的「最佳」結果。這兒我聯想起人的性格與命運：輸入值就像人類所受的環境刺激，類神經網絡結構是人的性格或才能，隨機的初始參數是人的無明躁動，而輸出值就是行為。同樣處境，同樣性情，只要人心有不一樣的隨機衝動，反應便會大異其趣。所謂命運，是指由千萬個輸出反應交織出來的事件網絡，抑或指那些隨機參數呢？