去年2月我在此寫過一篇〈高球機械人狂想曲〉*，有讀友說我天方夜譚（我的強項），我當然不會怪他們，因為科幻小說家Arthur Clarke曾說過一句名言：

「任何具足夠先進科技與魔術難以區分（Any sufficiently advanced technology is indistinguishable from magic.）」。

容我拾人牙慧說：「任何具足夠技術的職業球員，在發球準繩度及遠距離推球的命中率看來亦是和魔術難以區分！」

高球Big Data USGA頭都痕埋

上月《高球文摘》專題談到Big Data應用在高爾夫球上，集中在蒐集全球成千上萬職業球員揮桿數據作參考，然後找出一個適合某個別球員身裁、年齡和體力等最理想的揮桿動作來練習；和在實戰中，利用GPS定位，即時傳送給球員大量分析了球場local Knowledge，以及以往球手在同一地點用什麼球桿打出怎樣成績歸納出來的數據，協助他找出當刻最佳的approach（搞到USGA頭都痕埋！）。然而，在我看來，以上應用大數據只是冰山一角。

何謂大數據？

須知道，大數據離不開人工智能，而人工智能今天是灼手可熱的範疇，好像遇到什麼困難，包括在高爾夫球球場上的，也可以用人工智能解決！ 這篇文章先讓我淺談一下大數據和人工智能的關係。

首先，何謂大數據？其實我們不要被這新詞彙嚇怕。大數據就是字面上這樣簡單——好大的數據庫！大得用現在的儲存系統也沒法容得下，我們便簡稱之為大數據而已！

大數據自古至今也有，亦一直不停增長（例如我們自出娘胎每天吃下多少蛋白質、碳水化合物、化學物、脂肪、維他命和膽固醇等）。一人營養量已是大數據，更不用說要包括全球人。

以前儲存系統因為貴，容量亦不夠大，所以大數據存在不存在沒意義。直到最近十年，至今容量大至120 Petabyte (120x1024Terabyte)超大儲存系統已實現，再配合超級電腦運算速度增快得驚人，才誘發我們想想怎樣運用大數據來解決某些問題。

你不用是電腦專家也知道，解決問題的第一步就是要想出一個algorithm（運算方法，不一定是數字，可能只是一個流程表）。

傳統運算方法是創建或使用一些已知的數學模式去代入，找不到數學模式惟有繼續找，或束之高閣，但algorithm依然存在。今天，人工智能中的所謂Deep Learning，就是我們就算沒有解決方案，亦可先把一個所謂learning algorithm編程入超級電腦，再輸入大數據，不斷重複運算千萬億次，經過無數trial and error，汰弱留強，找出一個最接近的假設。

這種純粹Learning from Data學習方式，說出來也是這樣簡單，但如你要證明或證實這樣的learning algorithm的確實性及可行性，則非要有足夠數學和統計學理論不可** 。AlphaGo成為棋王，其實是證實learning algorithm的可行性高於榮譽。總括用一句話來說，現今所有的人工智能應用全就是Learning from Data，最新的iPhone面容鑑別是最簡單的一種！

人工智能=Learning from Data

話說回人工智能應用在高爾夫球上，我在〈高球機械人狂想曲〉寫過的也可能是冰山一角，高爾夫球發燒友夢寐以求只有一點：

在任何環境下打得爽。人工智能發展不是要淘汰高爾夫球工種，令我們打得開心便是一切啊！（完）

• http://mind-of-steven.blogspot.hk/

** 《Learning from Data - A short course by Yaser Abu-Mostafa》，一本非常深澀數學書，鑽研AI必讀。

#####

本文原於《Golf Digest/高球文摘》香港版刊出

[ #高球風雲 ]