頂尖棋手在關鍵時刻會切換的兩種模式
在我下棋已超過三十年的經歷裡，聽過最中肯，最有幫助的一段話，就是「比賽的時候，不要總想著找出當前最好的一手，而是要找出確保能贏的下法。」
「什麼確保能贏就好？笑死，對自己要求也太低了吧，我才沒這麼low呢！」
聽到這句建議的當下，我感到有點嗤之以鼻，當時的我深受圍棋動漫「棋靈王」的影響，覺得下棋不就是應該要找出那所謂的“神之一手”才是王道嗎？
直到看了AlphaGo與韓國圍棋大師李世石的人機大戰後，才知道當時的我錯得離譜！
還記得人機大戰的第一盤後半段，AlphaGo在局面領先的情況下，接連走出了幾步弱著。
當時幾乎觀看這盤棋的所有人，都認為AlphaGo失誤了。
直到局面進行到終盤收官階段，大家才驚覺到，原來AlphaGo之前所下的幾步弱著並不是失誤，而是“確保能微幅領先的著手”。
換句話說，當AlphaGo勝率高於某一閾值，它就不再尋求最佳手，而是採用降低波動、壓縮變數的策略穩中求勝。
以數字來表示的話，如果50︰50代表的是平手，那麼只要你能持續保持至少51︰49的局面，就能在確保在不輸棋的前提下，尋求贏棋的契機。
「風險控制」與「穩定輸出」這兩種思考模式，就是人機大戰帶給我最大的啟發。
後來我才理解，這種思維其實正呼應了諾貝爾獎得主Herbert Simon的理論。
他提出了「有限理性（bounded rationality）」與「滿意原則（satisficing）」的概念。
Simon 認為，人們難以在實作中取得全部資訊，也不可能擁有無限的計算能力，因此往往不一定能找到理論上的「最佳解」。
於是，在現實中人們會設定一個「夠好」的標準，也就是所謂的「期望門檻」，當遇到第一個能滿足這個門檻的選項時，就採取行動。
這並不是懶惰，而是在有限時間與資源下的理性抉擇。
特別是在像下棋這樣「分支極多、時間受限」的高不確定決策環境裡，「滿意化」往往比「最大化」更符合現實，也更能持續取勝。
用這個角度重新看AlphaGo的下法，我才恍然大悟。
所謂的「找出最好的一手」，其實就是一種「最大化策略」，也就是不惜代價地追求理論上最優解。
而「確保能贏的下法」，則屬於「滿意化策略」，也就是只要能穩定維持優勢、守住勝率門檻，就不再冒不必要的風險。
雖然「大幅領先」和「微幅領先」到最後的結果都是贏棋，但如果伴隨「大幅領先」而來的是高風險的局面，還不如追求「微幅領先」來得穩健。
在進行賽外研究的時候，我們可以追求那所謂的「神之一手」；但在正式比賽的當下，請改為追求能一直保持微幅領先的平凡著手。
這不僅是行棋上的策略轉變，更是一種「有限理性」下的成熟抉擇。
前面提及的內容，指的是在你局面佔有優勢的時候，「有限理性」會成為一個很好的策略。
而當局勢對你不利的時候，你的目標將不再是維持現狀，因為維持現狀只會導致穩定地輸掉比賽。
你要思索的是該怎麼下，才能將盤面導向雙方都陌生的高複雜度的戰場。
這個時候，你將不再採用「足夠滿意」的解，而是尋求一個能打破對手滿意狀態的解。
這個解必須讓對手感到不舒服、不安穩，迫使他們從滿意的穩健策略，切換回高壓計算的最大化策略。
當你採取高風險策略時，你是主動創造問題的一方，對手是被動解決問題的一方。
即使仍處於劣勢，但在心理上你已從「守勢」變為「攻勢」。
雖然很冒險，但並非盲目亂下。成熟的棋手會快速評估在所有高風險選項中，哪個選項給對手製造的計算難度最大？
總結來說，「滿意化」是領先者的策略，「最大化」是落後者的武器。
一個頂尖的棋手，其能力不在於固守任一策略，而在於能像前面內容所說的，根據勝率與風險的動態變化，在兩種截然不同的決策模式之間進行靈活、果斷的切換。
一般留言