输赢没看的太重要了,而对与 google 本身,他们最希望的是什么?
是对阿尔法狗的测试,难道是一定要 5 盘棋都能够取胜这样一个结果吗?
显然不是,何不安排好李世石这样一位可以控场的高手,对阿尔法狗来一次充分的测试。
给阿尔法狗一些意外的招数,给它一些面临失败的压迫,也送它一些主动失误等等
让阿尔法狗面对这些情况去做出一些尝试。
所以 仅仅看结果也许太浅了
彩蛋:
这一场测试同时也是在测试,人类对与人工智能发展的希望和恐慌,目前位于一个什么样的水平,这个各国 boss 集团和普通群众中会有什么样的反应?
1
laoyuan 2016-03-10 08:31:14 +08:00 1
我怎么觉得你发这个帖子才是个测试,你觉得我回的这个帖子像是测试么
|
2
shyling 2016-03-10 08:38:09 +08:00 via Android
个人觉得没必要'人力操作比赛结果'
|
3
wq2016 2016-03-10 08:39:34 +08:00
秀结果呗~
|
4
wangzhangup 2016-03-10 08:41:52 +08:00 1
个人观点:
其实过去很多年,人工智能总是被大众不认可的,感觉 AI 还很笨。现在确实也是不够通用智能,但是随着这几年深度学习( deep learning )的高速、爆炸地发展。 AI 在特定领域(计算机视觉、 Speech 等方面)已经有超过人类的趋势,只是大众还没认可。典型的例子就是 Google driveless car ,其实它的安全性已经高于人类驾驶员了。但是,种种心理、道德、法律等原因,大众很难接受,或者没有机会了解它的能力。还有其他例子,如果你了解一点 Deep learning ,那一定知道 MNIST (识别手写数字),其的精度早已超过人类。 97 年的深蓝挑战人类,就曾造成很很远的影响。可能也是这样的原因, Google 选择相似的方式,以改变人们对现今 AI 的认识。 第一天比赛,我看了几个中文的直播,感觉专业选手们的前后反应,已经让他们有了对 AI 新的看法。柯洁今天还在微博上,立 Flag ! |
5
laoyuan 2016-03-10 08:45:58 +08:00
@wangzhangup 已给柯洁跪
|
6
asdwfwqd 2016-03-10 08:51:54 +08:00
国内专家院士们又可以立课题骗经费了,倪光南又有钱赚了
|
7
simapple OP @wangzhangup 我反而觉得人工智能太聪明太智能,是未来最有可能不被接受的原因。至于所谓的各种学习,在封闭领域达到或者超越人类很正常,学习和训练的量在那里,毕竟是个人都要吃饭睡觉,而不是插上电就 piapia 的练习。
这也许衍生出另一个假设,将一个人脑利用生物技术,进行独立操作,去掉社会因素情绪因素等等,经过训练后,和人工智能再 pk 一次,也许才能真正检验出人工智能所能实现的算法和仿真程度。。 |
9
wangzhangup 2016-03-10 08:59:57 +08:00
@simapple 你说的是人身体的比较!
现在的 AI 是要走向代替人脑的路,只是现在还算是初期,只能在特定领域! |
10
paulagent 2016-03-10 09:13:12 +08:00
阴谋论看多了吧
|
11
walkingway 2016-03-10 09:31:41 +08:00 3
|
12
haython 2016-03-10 09:45:18 +08:00
李世石赢了会有 100 万美金吧?
|
13
twor2 2016-03-10 10:55:13 +08:00
彩蛋是什么鬼?哪里彩了?
|
14
easing 2016-03-10 10:57:34 +08:00
@walkingway 哈哈哈,这张图太搞了
|
15
yellowV2ex 2016-03-10 10:58:32 +08:00
高中阅读理解满分的 po 主不是吹的
|
16
KevinChan 2016-03-10 11:28:04 +08:00 via iPhone
@haython 赢了 100 万,这比他一直赢一年各种比赛拿的总奖金可能还要多,每场 15 万出场费, 2 万赢棋奖金,农心杯冠军才 40 万,还是团体赛。李世石输了谷歌会捐出全部奖金,现在 uber 上也可以押注😂
|
17
zonghua 2016-03-10 11:35:37 +08:00 via iPhone
我只想知道阿尔法狗什么时候开源
|
19
hnnxn 2016-03-10 13:28:13 +08:00
@walkingway 哈哈哈哈哈
|
20
Mac 2016-03-10 14:10:35 +08:00
其实只不过是大部分人对于围棋的认知太低而已,本来这就是个纯二维靠计算力来竞技的游戏。每一步所引发出的后果都是可以计算出来的,再通过已知的学习内容进行抽离,就类似彩票软件把所有连号往期过往的结果全部拿走一个原理。围棋程序的所需要的计算力远比象棋来的少。
|
21
TakanashiAzusa 2016-03-10 14:36:48 +08:00
@Mac “每一步所引发出的后果都是可以计算出来的”—— 100 步也是每一步, 10W 步也是每一步,你觉得这两个所需的计算力一样吗?
“围棋程序的所需要的计算力远比象棋来的少。”——那样的话当年深蓝就不会先挑战象棋了。象棋现在人类早被计算机干的不知道成什么样子了,都不知道您这个结论是怎么得出来的。。 |
22
yuriko 2016-03-10 14:53:13 +08:00
@TakanashiAzusa 我刚想跳,不过懒得找资料了,结果被你抢先了……
围棋的变化多了去了 深蓝当初的主要算法是基于枚举剪枝来操作的,然后还认为的做了很多针对性的逻辑…… 这次 AlphaGo 核心在于深度学习算法,训练了局势判断和决策两套网络,来进行判断。 AlphaGo 这次更进一步的排除了编码人员对对局的判断需求,同时也拥有了更宽的运用场景和可能。 论计算能力, AlphaGo 显然更吃资源,如果不是得益于硬件技术的飞速发展是不可能的。而深蓝的效率更高,但对于围棋的复杂度而言,人类本身无法支撑这么复杂的逻辑编码。而随着硬件性能的提升,虽然吃性能,但能自行构建逻辑的神经网络算法才抬头,所以才有了 AlphaGo 。 谷歌这一次作秀,告诉了全世界,现在人工智能的发展到达了一个新的高度,对于推动将来机器学习算法被接纳和使用,有着深远的价值。 |
23
yuriko 2016-03-10 14:53:43 +08:00
|
24
Mac 2016-03-10 15:00:18 +08:00
@TakanashiAzusa 很简单的道理,一共是 361 个交叉点,规则就是抢下最多交叉点并且不被对方围,每一步最多也就是测算 360 种后果的验算,去掉已经有的点,和你根本不可能会去下的点,几百步后面也只是单纯的计算力。要知道围棋下出 500 手只会出现在启蒙班里。我说的是中国象棋,是点到点直线甚至是面的游戏,每一种棋子还有不同的运行规则,你完全可以把象棋理解为是需要多维的计算力。至于深蓝为什么不先挑战围棋,在此之前西方人有人玩围棋么? AlphaGo 现在仅仅是一个计算力优势的程序而已,什么时候丫能下出割自己一片围对面一条龙前无古人后无来者的时候才能说是智能。
|
25
mufeng 2016-03-10 15:19:38 +08:00
|
26
superleexpert 2016-03-10 17:04:48 +08:00
秀~秀, 1 亿的观看数量,天朝占 6000 万,秀给墙内的。。。
|
27
westlinkin 2016-03-10 17:54:37 +08:00
@Mac
『每一种棋子还有不同的运行规则』——国际象棋难道不是? 『围棋程序的所需要的计算力远比象棋来的少。』—— 简直笑话,你这个结论怎么得出来的? 『 There are 1,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000 possible positions — that ’ s more than the number of atoms in the universe, and more than a googol times larger than chess.』 https://googleblog.blogspot.nl/2016/01/alphago-machine-learning-game-go.html |
28
Mac 2016-03-10 18:23:51 +08:00
@westlinkin 国际象棋有蹩脚马?有非要架子的炮?点中间就不能飞的象?其他不说,劫争算法加上去计算力会翻多少,中国象棋里类似劫争这样的规则陷阱多的是,一套规则的算法和几套规则算法的积哪个大? AlphaGo 的算法还不如深蓝复杂呢,唯一比深蓝强的优势是云网络的自学习。
|
29
jakiepaper 2016-03-10 18:39:41 +08:00 via iPhone
@Mac 我觉得你很厉害
|
30
hyuwang 2016-03-10 18:42:10 +08:00
|
31
linzy 2016-03-10 18:42:24 +08:00
不可否认, AlphaGo 是一个能从大数据当中自我学习的一个程序。
|
32
feikaras 2016-03-10 18:46:36 +08:00
@Mac 。。完全不想说。每一步是 360 个后果,两步是多少个后果? 1000 步是多少后果?你说的象棋复杂的地方在哪?相比围棋可能性明显更少。
|
39
fetich 2016-03-10 20:18:18 +08:00
AlphaGo 赢了五盘,却判李世石胜。 AlphaGo 终于体会到了比赛被内定的恐惧。
|
40
lhbc 2016-03-10 20:31:35 +08:00 via Android
这么多顶尖的科学家做了这么多年,你说他们在做秀?
|
41
limbo0 2016-03-10 20:45:02 +08:00
个人理解,
深蓝的算法是给定目标函数然后求解最优, 而阿法狗牛逼的是通过学习来获得这个目标函数,因为围棋的规则这个目标函数认为定义很难 |
42
manfay 2016-03-10 20:47:57 +08:00
@Mac 你明显错了。你的想法是,象棋规则多,马走日象走田,如果马走田就错了,而围棋规则简单,几乎随找个空点放下去都不犯规,所以电脑在下象棋进要考虑的规则更多。这是错的。
对于电脑来说,不管象棋还是围棋,它们的规则都太太太简单,就理解规则所耗费的计算量少到可以忽略不计! 难点在于变化量,你想想,正是由于马只能走日,马在棋盘上的变化量反而被限制到很小了。 另外,你对变化量的理解也是错误的,你说围棋一步棋是 360 种变化,这只是当围棋只走一步就结束的前提下才成立。你再想,两个子,一黑一白同时出现在棋盘上,一共有多少种变化? |
45
rashawn 2016-03-11 00:55:00 +08:00
这你得问提出活动的人和签字通过的人。这俩人不一定懂人工智能。
|
46
gqfBzoLVY3Wl4Tng 2016-03-11 01:03:27 +08:00
每天看撕逼比看韩剧过瘾 晚安喇 各位
|
49
ibugeek 2016-03-11 08:35:26 +08:00
不是柯洁躲阿尔法狗机箱里嘛?
|
50
typcn 2016-03-11 10:43:41 +08:00
@manfay 对,象棋的各种规则限制,使得可能性大大降低,计算机在开局之前,直接就可以计算好走每一步,对方的任意一种回应,直到最后一步的结果。各种规则限制只是一个 if else 的问题,不存在什么难度,跟写业务代码差不多。
@Mac 围棋可就太远了,每一步有 361 种可能性,如果要计算对方的下一步回应,又是 360 种可能性,对方回应之后, 你下一步怎么应对有 359 种可能性,而且还有被提掉的可能性,如果要算到最后一步,按 Google 的文章里面说总共有 1,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000 种可能性,这使得使用传统的方法计算是不可能的,如果只计算几步,那根本就没有什么智能性可言,人摆个圈套很容易就胜了。要知道每一步棋子对最后结果的影响,这样才能战胜。 Google 这次的 AI 很可能是计算局部的,当前战局周围的棋子落子之后的可能性,然后再结合大局计算(当然纯属猜测) |