AlphaGo和機器直覺的局限

隨著Google的人工智慧程式AlphaGo以4比1大敗南韓圍棋棋聖李世乭（Lee Sedol），簡單的結論是：人工智慧（AI）在對抗人類上已達到另一個里程碑，提高了人類的恐懼，擔心機器最終可能取代員工，甚至經理人。但是，AlphaGo雖然以令人信服的方式獲勝，它已透露，人工智慧仍然有一些缺失，特別是在涉及機器的直覺時。

Google在2014年以五億美元收購了AlphaGo的開發者DeepMind，以擴大其蓬勃發展的人工智慧投資組合。AlphaGo的深度學習演算法，藉助「走棋網路」（ “policy network” ）和「估值網路」（“value network”），不僅儲存了名人賽過往數百萬個棋局，也儲存了它和自己對奕的妙招。這兩個網路的命名，聽起來有管理的意味，而且是以提高效率為目的，不單是為了提升電腦的原始計算能力。「走棋」（”policy’’）有助於縮小最有可能獲勝的每一手的廣度；而「估值」（“value”）藉著評估棋局尚未結束時每個位置的獲勝者，從而降低了搜索的深度。在定義良好的棋賽中的規則設定，限制搜索是很有道理的。

但是，在管理者所處的環境下，對競爭規則的管制較少，更重要...