跳至主要内容

AI 轉型啟示

圍棋界經歷了完整的 AI 轉型歷程，其經驗對其他行業極具參考價值。

完整簡報下載

📥 從 KataGo 看圍棋 AI 的產業升級啟示（PDF）

圍棋界的 AI 轉型四階段​

第一階段：震驚與抗拒（2016-2017）​

事件：AlphaGo 4:1 擊敗李世乭

反應：

  • 「AI 不可能真的懂圍棋」
  • 「這只是暴力計算」
  • 「職業棋手會被取代嗎？」

教訓：低估 AI 能力是普遍現象

第二階段：觀望與實驗（2017-2018）​

發展：

  • 少數前沿棋手開始嘗試
  • 工具不成熟，使用門檻高
  • 大多數仍持觀望態度

轉折：AlphaGo Zero 證明 AI 可以從零超越人類

第三階段：接受與整合（2018-2020）​

特徵：

  • KataGo 等開源工具成熟
  • 使用門檻大幅降低
  • 職業棋手普遍開始使用
  • AI 分析成為覆盤標配

第四階段：共生與創新（2020-至今）​

現況：

  • 無法想像沒有 AI 的訓練
  • AI 發現的定式成為主流
  • 人機協作創造新價值
  • AI 能力成為基本素養

AI 轉型的五大實踐建議​

1. 擁抱而非抗拒​

抗拒心態擁抱心態
AI 會取代我AI 是我的工具
AI 不懂真正的藝術AI 能處理繁瑣部分
學習 AI 太難了從簡單的開始用起

圍棋案例：最早擁抱 AI 的棋手（如申真諝）獲得最大優勢

2. 找到人機協作的最佳分工​

讓 AI 做讓人做
大量計算目標設定
客觀分析價值判斷
模式識別創意發想
重複工作策略決定

圍棋案例：AI 計算變化，棋手選擇符合自己風格的下法

3. 投資學習，而非只是使用​

層次：

  1. 使用者：會用 AI 工具
  2. 理解者：知道 AI 的原理與限制
  3. 整合者：能將 AI 融入工作流程
  4. 創新者：能基於 AI 開發新方法

圍棋案例：頂尖棋手不只用 AI 分析，還理解 AI 的判斷邏輯

4. 建立數據驅動的思維​

傳統方式數據驅動
憑經驗判斷用數據驗證
主觀評價客觀指標
事後檢討即時監控

圍棋案例：從「我覺得這步好」到「AI 說這步勝率 +5%」

5. 持續迭代，不求一步到位​

小規模試驗 → 驗證效果 → 調整方法 → 擴大應用 → 持續改進

圍棋案例：從偶爾用 AI 覆盤 → 每盤必用 → 訓練中即時分析

跨行業案例​

創意教育：Nano Banana​

應用：將孩子的塗鴉轉化為 AI 生成的視覺作品

對應：

  • 圍棋：AI 分析 → 人類選擇
  • Nano Banana：人類創意 → AI 視覺化

啟示：AI 可以降低創作門檻，讓更多人參與

醫療診斷：AI 輔助影像分析​

應用：AI 初步篩檢，醫師做最終判斷

對應：

  • 圍棋：AI 計算候選手 → 棋手選擇下法
  • 醫療：AI 標記可疑區域 → 醫師診斷

啟示：AI 處理大量資料，人類處理複雜判斷

法律服務：合約審閱 AI​

應用：AI 掃描合約找出風險條款

對應：

  • 圍棋：AI 找出勝率下降的手 → 棋手檢討
  • 法律：AI 找出風險條款 → 律師審閱

啟示：AI 適合大海撈針，人類適合精細判斷

金融分析：量化交易​

應用：AI 模型預測市場，人類設定策略

對應：

  • 圍棋：AI 預測局面勝率 → 棋手決定風格
  • 金融：AI 預測價格走勢 → 人類設定風險

啟示：AI 擅長預測，人類擅長風險管理

製造業：智慧品管​

應用：AI 視覺檢測產品缺陷

對應：

  • 圍棋：AI 分析每步棋 → 找出失誤
  • 製造：AI 檢查每個產品 → 找出瑕疵

啟示：AI 適合高重複、高一致性的工作

AI 轉型的常見陷阱​

陷阱 1：期望 AI 完美​

錯誤：認為 AI 應該 100% 正確

現實：AI 有錯誤率，需要人類監督

圍棋案例：即使是最強的 AI 偶爾也會下出怪棋

陷阱 2：只看 AI，忽略人​

錯誤：過度依賴 AI，忽略人的判斷

現實：AI 是工具，人才是決策者

圍棋案例：完全照 AI 下棋的棋手，反而發展受限

陷阱 3：一步到位的幻想​

錯誤：希望一次部署就完成轉型

現實：需要持續調整與迭代

圍棋案例：整合 AI 到訓練流程花了數年時間

陷阱 4：忽略數據品質​

錯誤：認為有 AI 就夠了

現實：AI 的效果取決於數據品質

圍棋案例：AI 分析需要正確的棋譜輸入

給不同角色的建議​

給決策者​

  1. 設定清晰目標：AI 要解決什麼問題？
  2. 投資基礎建設：數據、算力、人才
  3. 容忍實驗失敗：轉型需要試錯空間

給執行者​

  1. 從小處開始：選一個具體場景先試
  2. 記錄與量化：追蹤 AI 帶來的改變
  3. 持續學習：AI 工具不斷進化

給開發者​

  1. 理解業務：技術要服務於業務需求
  2. 降低門檻：讓非技術人員也能使用
  3. 設計反饋機制：讓使用者能改進 AI

總結：AI 時代的核心能力​

傳統能力AI 時代能力
記憶大量資訊知道如何查詢 AI
手動執行任務設計 AI 工作流程
單一專業深度跨領域整合能力
獨立完成工作人機協作能力

最終啟示：AI 不會取代人，但會使用 AI 的人會取代不會的人。

延伸閱讀​