文/郭家宏
台灣時間 2 月 12 ，史上第一場 AI 與人類的公開辯論賽在 IBM 的 Think 2019 年會中激烈展開。上場的 AI 名為 Project Debater，是 IBM 多年研發的辯論 AI ；而人類辯手則是世界級的辯論冠軍 Harish Natarajan。
這場人機大戰，人類取得了勝利，Harish Natarajan 再次摘下冠軍頭銜；至於 AI ，在取得圍棋、德州撲克、星海爭霸等多次勝利之後，AI 這次則敗給了人類。
然而， 能夠和世界冠軍打對台， AI 已經突破了不少技術挑戰。
辯論中， Debater 展現強大的背景知識與尋找關鍵資訊能力
這場比賽的辯論主題是：我們應該資助托兒所嗎？為了準備這場比賽， Debater 閱讀了 3 億篇文章 ，將近 100 億個句子；比賽當中， Debater 不能連網 ，只能從自身的資料庫和對手的論述當中，找到自己的論述。
雖然這次 Debater 輸給人類，但這場比賽也展現了 AI 的強項。 AI 的 背景知識 比人類多，可以信手拈來一段論述，並可以 精確的點出論點 ；然而， Debater 的修辭能力不如人類對手 Harish ，而且人類具有實際體驗的優勢。
Natarajan 在賽後表示，對 Debater 最驚訝的就是它的知識量，並且從大量資訊中迅速找到關鍵訊息，組織論述的能力。
需要同時整合多個系統，是 Debater 最大的技術挑戰
至於背後的推手 IBM ，則將辯論 AI 視為近年的發展目標。2011 年， IBM 的華生系統在《危險邊緣（Jeopardy）》節目中擊敗人類對手。然而華生系統在危險邊緣裡面對的問題，都是定義清楚，有標準答案的問題，但 IBM 希望發展辯論型的 AI ，讓它可以 處理定義模糊，更貼近現實世界的問題 ，因此從 2012 年開始， IBM 就往辯論 AI 發展。
辯論對 AI 最大的挑戰，就是沒有標準答案，只能去權衡各種不同的選項。 此外， AI 最擅長的是聚焦在一件事情上，把它做到最好，例如 AlphaGo 專注於下圍棋，Alphastar 專注於打星海爭霸，或者是導航、安排會議等等。這些任務相對單純，它們在執行任務的時候，只要專注於眼前任務即可。
然而，辯論卻是一連串複雜的過程，辯論者需要聽對手的論述、理解內容、尋找論點、表達論述等等，牽涉到聆聽、語意理解與分析、尋找論點、組織論述與表達等工作， 對 AI 來說，它需要同時整合不同的系統，並且要讓它們順暢的運作。
此外，要讓 Debater 順利運作， 硬體要求也相當驚人 。 Debator 具有 28 核心的 CPU ，記憶體容量高達 768 GB ，是一般電腦的 50 倍大。辯論對人類來說已經相當耗腦力，對 AI 的硬體要求，更是一般的電腦無法企及。
跳脫對標準答案的要求，AI 可以面對模稜兩可的情況
早在 1990 年代中期， IBM 的 Deep Blue 就已經打敗世界西洋棋冠軍，然而 20 年過後，IBM 才成功研發辯論 AI，並讓它參與辯論賽。
而這場辯論賽，是 IBM 的 AI 所面對的最艱困挑戰，雖然最後輸了，但這是 AI 技術的一大進步。
「對 AI 來說，辯論是超越『舒適圈』的一項任務；當 AI 具有辯論的能力，代表它完全進入了人類的領域。」領導 Debater 專案的 AI 科學家 Noam Slonim 如此表示。
然而，這也是 Debater 最後一場大型辯論賽，Debater 的專案管理 Ranit Aharonov 表示， 未來要試著將這項技術用於商用 ，例如協助企業了解員工和消費者的觀點，或是幫助媒體或政府單位了解輿情。
因為 Debater 對 AI 技術意義在於， AI 跳脫對標準答案的要求，可以進入灰色地帶，面對模稜兩可的情況，而這才是真實世界的運作方式。 Aharonov 表示，期望這項技術，能夠讓未來的溝通與決策模式更加豐富。