p*********w 发帖数: 606 | 1 有人说阿法狗已经基本算打败人类了,即使这次胜不了李世石,也算是同一个level,
我看还早。
我们都知道9X9的棋盘AI已经可以打败人类了,但是我们不认为这个是真正打败人类。
同样19x19 AI赢了也不能叫打败人类。人类对围棋的独有思考方式使得如果棋盘再扩大
,或者变成球形棋盘什么的,依然可以玩的很好,但是目前阿法狗的设计思路,没有可
扩展性。如果棋盘扩大成29x29,首先MCTS的搜索空间又要扩大,AI没法handle。其次
阿法狗的两个神经网络都是用19x19的棋谱train的,一上29x29就又抓瞎了。围棋和象
棋或者国际象棋的区别就在这,棋盘是可以改变的。
另外从功耗的角度考虑,阿法狗要达到职业棋手的水平,要用几千个cpu,功耗比人类
棋手大得多得多。所以人脑还是有无可比拟的优势。 |
i***h 发帖数: 12655 | 2 就是
就算围棋打败了人类
它会做蛋炒饭吗?弱爆了 |
o*****p 发帖数: 2977 | 3
我认为恰恰相反。如果棋盘改变了,阿法狗必胜。因为他自己可以和自己下几千万盘
,迅速的积累经验。人要一点点学习。别忘了人类玩围棋已经玩了两千年。现在是用
2000年的积累和计算机下。你认为这经验归0,是对计算机影响大还是对人影响大?
现在是比智力又不是比功耗。
【在 p*********w 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 有人说阿法狗已经基本算打败人类了,即使这次胜不了李世石,也算是同一个level, : 我看还早。 : 我们都知道9X9的棋盘AI已经可以打败人类了,但是我们不认为这个是真正打败人类。 : 同样19x19 AI赢了也不能叫打败人类。人类对围棋的独有思考方式使得如果棋盘再扩大 : ,或者变成球形棋盘什么的,依然可以玩的很好,但是目前阿法狗的设计思路,没有可 : 扩展性。如果棋盘扩大成29x29,首先MCTS的搜索空间又要扩大,AI没法handle。其次 : 阿法狗的两个神经网络都是用19x19的棋谱train的,一上29x29就又抓瞎了。围棋和象 : 棋或者国际象棋的区别就在这,棋盘是可以改变的。 : 另外从功耗的角度考虑,阿法狗要达到职业棋手的水平,要用几千个cpu,功耗比人类 : 棋手大得多得多。所以人脑还是有无可比拟的优势。
|
D*******r 发帖数: 2323 | 4 你这么说说明你根本没有理解神经网络算法。
拿围棋来讲,一个棋手下棋时要具备两个能力,一个是感觉,一个是计算。
感觉解决的是那些应手完全不用考虑,因为棋手不可能对所有的合法着棋点去进行计算
。而计算解决的是剩下的可能应手中哪个最有可能取胜。
在计算方面,人类早就不是机器的对手,而人类一直引以为骄傲的“感觉”也将在新算
法下被攻克。
机器有了“感觉“后,增加多少路棋盘对它没有影响,因为它的”思考“方法其实是和
人类一样的,还是根据同样的经验去确定哪些应手在考虑范围内,哪些不用考虑。反而
是,因为增加棋路而增加的更难以准确的形势判断,会给人带来更多的困难。比如说2
1路棋盘,应该下在四路,五路,还是六路?计算机则对形势判断有比人类快得多,准
确得多的判断。
再说说你所谓的能量消耗,计算机cpu可以很容易往上无限制叠加,cpu之间可以
完全和谐地分工合作。而人类不行,一盘棋你没法说让一个人算123点,另一个人算
456点。还有就是,人类达到成年人的智力,这成长过程中吃的饭也不少,所以,虽
然人在使用智力的时候能量消耗较少,但是train成这样的智力,能量消耗也很大。
【在 p*********w 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 有人说阿法狗已经基本算打败人类了,即使这次胜不了李世石,也算是同一个level, : 我看还早。 : 我们都知道9X9的棋盘AI已经可以打败人类了,但是我们不认为这个是真正打败人类。 : 同样19x19 AI赢了也不能叫打败人类。人类对围棋的独有思考方式使得如果棋盘再扩大 : ,或者变成球形棋盘什么的,依然可以玩的很好,但是目前阿法狗的设计思路,没有可 : 扩展性。如果棋盘扩大成29x29,首先MCTS的搜索空间又要扩大,AI没法handle。其次 : 阿法狗的两个神经网络都是用19x19的棋谱train的,一上29x29就又抓瞎了。围棋和象 : 棋或者国际象棋的区别就在这,棋盘是可以改变的。 : 另外从功耗的角度考虑,阿法狗要达到职业棋手的水平,要用几千个cpu,功耗比人类 : 棋手大得多得多。所以人脑还是有无可比拟的优势。
|
l*w 发帖数: 567 | 5 逻辑有硬伤。比能耗干吗?干脆说电脑没人跑得快。。。
【在 p*********w 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 有人说阿法狗已经基本算打败人类了,即使这次胜不了李世石,也算是同一个level, : 我看还早。 : 我们都知道9X9的棋盘AI已经可以打败人类了,但是我们不认为这个是真正打败人类。 : 同样19x19 AI赢了也不能叫打败人类。人类对围棋的独有思考方式使得如果棋盘再扩大 : ,或者变成球形棋盘什么的,依然可以玩的很好,但是目前阿法狗的设计思路,没有可 : 扩展性。如果棋盘扩大成29x29,首先MCTS的搜索空间又要扩大,AI没法handle。其次 : 阿法狗的两个神经网络都是用19x19的棋谱train的,一上29x29就又抓瞎了。围棋和象 : 棋或者国际象棋的区别就在这,棋盘是可以改变的。 : 另外从功耗的角度考虑,阿法狗要达到职业棋手的水平,要用几千个cpu,功耗比人类 : 棋手大得多得多。所以人脑还是有无可比拟的优势。
|
p*********w 发帖数: 606 | 6 我不是深度学习专家,但是也搞过几年machine learning。据我所知阿法狗的训练数据
是把19x19的棋谱当图像数据来train。增加棋路后阿法狗用19路棋盘train出来的神经
网络没法直接用。你提到的感觉其实就是神经网络用大量棋谱train出来的黑箱model。
【在 D*******r 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 你这么说说明你根本没有理解神经网络算法。 : 拿围棋来讲,一个棋手下棋时要具备两个能力,一个是感觉,一个是计算。 : 感觉解决的是那些应手完全不用考虑,因为棋手不可能对所有的合法着棋点去进行计算 : 。而计算解决的是剩下的可能应手中哪个最有可能取胜。 : 在计算方面,人类早就不是机器的对手,而人类一直引以为骄傲的“感觉”也将在新算 : 法下被攻克。 : 机器有了“感觉“后,增加多少路棋盘对它没有影响,因为它的”思考“方法其实是和 : 人类一样的,还是根据同样的经验去确定哪些应手在考虑范围内,哪些不用考虑。反而 : 是,因为增加棋路而增加的更难以准确的形势判断,会给人带来更多的困难。比如说2 : 1路棋盘,应该下在四路,五路,还是六路?计算机则对形势判断有比人类快得多,准
|
b*******8 发帖数: 37364 | |
D*******r 发帖数: 2323 | 8 你说的这种用图像数据的棋谱train好像是facebook现在做的,所谓卷积神经系统结合
图像识别技术。谷歌的具体是怎么train的没有细节,但我从研究团队的paper说用人类
的三千万手棋来train,我推测不是图像数据一局局棋来输入的,而是一手手棋来train
的,然后他左右互博的train法也大概透露出这一点。
【在 p*********w 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 我不是深度学习专家,但是也搞过几年machine learning。据我所知阿法狗的训练数据 : 是把19x19的棋谱当图像数据来train。增加棋路后阿法狗用19路棋盘train出来的神经 : 网络没法直接用。你提到的感觉其实就是神经网络用大量棋谱train出来的黑箱model。
|
E*******1 发帖数: 3464 | 9 说白了machine learning就是个fitting的方法,和人的智慧还差的远。当然,在局部
可能比人强很多,如果有通过海量经验好fitting的pattern,这种非常适合现在的AI,
因为人类的优势不在于经验的深度而在经验的广度和魔法一样的优化。人类的智慧,那
种灵光一现,根本就不是所谓deep learning这么个结构,或者可能结构相似,人类几
亿个神经元vs千把个,是质变。你alpha狗不管拿多少数据来,能搞出相对论,量子力
学?但是任何一台计算机,算数肯定秒杀全人类,包括下棋,即使没有machine
learning,弄点recursion整个8皇后问题也是分分钟秒杀全人类
【在 p*********w 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 我不是深度学习专家,但是也搞过几年machine learning。据我所知阿法狗的训练数据 : 是把19x19的棋谱当图像数据来train。增加棋路后阿法狗用19路棋盘train出来的神经 : 网络没法直接用。你提到的感觉其实就是神经网络用大量棋谱train出来的黑箱model。
|
n******n 发帖数: 12088 | 10 焉知人类不是fit?
【在 E*******1 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 说白了machine learning就是个fitting的方法,和人的智慧还差的远。当然,在局部 : 可能比人强很多,如果有通过海量经验好fitting的pattern,这种非常适合现在的AI, : 因为人类的优势不在于经验的深度而在经验的广度和魔法一样的优化。人类的智慧,那 : 种灵光一现,根本就不是所谓deep learning这么个结构,或者可能结构相似,人类几 : 亿个神经元vs千把个,是质变。你alpha狗不管拿多少数据来,能搞出相对论,量子力 : 学?但是任何一台计算机,算数肯定秒杀全人类,包括下棋,即使没有machine : learning,弄点recursion整个8皇后问题也是分分钟秒杀全人类
|
E*******1 发帖数: 3464 | 11 请你看帖仔细点行不?我说即使是deep learning的fit,人类是几亿个神经元vs几千个
,肯定质变了,而且你要想想人支持他们只要一顿饭,电脑要多少能量。。。人的算法
即使是fitting,也是神一样的fitting,人类的劣势是收集数据的能力,所以谷歌狗这
是拿电脑的优势比人的劣势,然后偷换了智慧的概念,搞的像是人的智商不够了,其实
论真的智能学习,2岁小孩秒杀现存所有电脑的总和
【在 n******n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 焉知人类不是fit?
|