釋放AI的「創造力」，它能自學找出解方

競賽類的AI，和大多數公司用來進行預測AI，兩者有什麼區別？前者有創造能力。這種AI使用了「強化學習」，並不是靠餵歷史數據，來分析未來的變數；而是透過反覆試驗和錯誤來自我學習，擅長將某些會隨著時間流逝而改變優先執行順序的任務，來進行優化。那麼，領導人該怎麼去運用這種「更聰明」的AI，讓他們「發揮創造力」，幫你找出最佳解決方案？

圍棋的世界級棋王李世乭（Lee Sedol），在著名的2016年「人機大戰」第二局比賽中，很不理解Deepmind開發的AlphaGo軟體所下的第37步棋，結果花了將近15分鐘才落子。其他經驗豐富的棋手，也沒見過那一步棋的下法，有位評論員表示機器犯了錯誤。其實那是一個經典的例子，顯示人工智慧（artificial intelligence，AI）演算法似乎不只能在數據中辨識型態，還能學習具有策略、甚至具有創意的事物。確實，Deepmind的開發人員除了把圍棋棋王過去的下棋實例輸入演算法裡，還訓練AlphaGo自己和自己對弈數百萬場。這套系統在與自己的對弈中，有機會探索新的棋路和策略，然後評估這些表現是否有改善。透過所有這些反覆試驗和錯誤，AlphaGo發現了一種新棋路，連世界一流好手也感到意外。如果這種具備創意能力的AI，跟不同於大多數企業在應用機器學習時，最後會使用的聊天機器人和預測模型不一樣，那是因為，它們真的不同。AlphaGo之類的競賽系統，不是用歷史數據去產出預測的機器學習，而是使用「強化學習」（reinforcement learning），這是一種成熟的機器學習技術，擅長優化任務。為了做到這一點，行動者（agent）會隨著時間推進而採取一連串行動，而每一項行動所參考的資訊，都有關先前的行動產生了哪些結果。簡單來說，它的運作方式是嘗試不同的方法，並且鎖定（加強）那些看起來效果更好的方法。嘗試的次數夠多之後，你就可以強化你的做法，贏過當前的最佳方法，並且發現完成任務的最佳新方法。然而，強化學習雖然已經證明是有用的，但主要用於學術界，以及電玩遊戲和機器人技術等利基領域。網飛（Netflix）、Spotify和Google等公司，都已經開始使用強化學習，但大多數企業並未跟進。不過機會無處不在。其實，任何時候只要你必須依序做決定〔也就是AI專業人士所謂的「順序決策任務」（sequential decision task）〕，就有機會實施強化學習。以現實世界裡的許多問題為例；這類問題需要決定，如何隨著時間流逝而採取行動，在某個領域有某項事物需要極大化（或極小化），而且你從來沒有得到明確的正確解決方案。以下是一些例子：◼ 你應該如何將數據流量導引到不同的伺服器，或者決定要關閉資料中心的哪些伺服器？◼ 模擬建構一種分子，以開發突破性藥物時，如何決定接下來要添加哪種試劑？◼ 如果你想賣出大量持股，要如何在一整天內謹慎地慢慢賣出小單，以便盡量縮小股價跌幅？如果你是公司的領導人，可能會想把許多流程自動化或優化，但是有太多變動，或者有太多的例外情況和邊緣案例（edge case），無法設計成軟體。強化學習演算法甚至可以透過反覆嘗試和錯誤，以學習解決變動最多的優化問題，因而在快速變化的環境中，開啟自動化和個人化的新途徑。