s***y
发帖数: 357 | 1 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
观评棋的地步。
首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
差不多的话，那么人类理论上是必败的。
那么alpha go怎么的解决的呢－神经网络， 用人类自己下的棋去训练。说穿了就是一
个函数拟合的问题。这个好比就是计算机的图像识别，把输入输出拟合一下。这个过程
和人类智慧不是一回事。也就是说，对于棋盘上的招法，alpha go判断一下，“是棋”
“不是棋”然后就开始算了。
这样的算法不可能对围棋的战略有什么质的飞跃，因为这样的算法训练会训练到局部极
小。也就是说，人类不走的形状，alpha go 也不会选择计算. 顶多就是把人类喜欢走
的各种形状在一个局部都试一遍然后也许能走出一些新的变化。这次比赛比如很多电脑
的招法实际上都是似是而非的棋，其实很多棋并不好，明显损变化，但是就是因为是
alpha go下的，很多人甚至质疑自己对棋的理解。这都是因为人们不理解alpha go的理
解所致。
比如神经网络也不是１００％准确，比如人脸识别，语音识别，在围棋中，局势判断更
是非常模糊的概念。如果能够引导向特别极端的局面 如大模样，大转换，那么很有可
能让alpha go错误判断. 在有些情况下，局面的一个特征可能影响局面的判断，所以
，人类在下棋的时候，不能总是想着“电脑都算清了 不然怎么会下这” 这种想法。
相反，应该像这个局面有没有可能是似是而非的，可能引起电脑错误判断的局面（比如
李宇春是男还是女这样的问题）
人类能不能战胜alpha go我觉得关键就是你能不能走出平常人类不太会走得形状但是优
于２０～３０种alpha go 算到的棋型，对于象棋来说这基本上是不可能的，因为选点
太少，但是对于围棋，其实是有空间的。我认为对付计算机最简单的方法就是模仿棋，
因为计算机很难去算模仿棋那一条分支，因为那条分支是最难剪枝的。（需要任意时刻
计算停止模仿的可能性）破模仿棋，不要说电脑，即便是职业棋手都要费一番工夫。
最后有人说模仿棋是耍赖，我觉得恰恰相反，如果人类能够通过简单的战略和逻辑战胜
耗费了大量时间训练的拥有几万倍计算能力的机器，那到底谁才是真正的“智能”呢？ |
M*******p
发帖数: 5626 | |
B**********r
发帖数: 812 | 3 模仿棋是个冲断少年都会破，藤泽库之助的本事已经不行了 |
q*****C
发帖数: 114 | 4 非常同意楼主，阿法狗确实只是一个优化的算法，本质上不能等同人类思维。
我也觉得有办法下赢阿法狗。没有什么耍不耍赖的说法，下棋本来就是斗志斗勇。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
o*****p
发帖数: 2977 | 5 "我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
观评棋的地步。"
是啊，昨天古力评棋的时候，一口一声“我们人类”怎么下，不敢说alphago臭棋。只
有柯洁胆气未丧。
另外和古力一起评棋的那个计算机教授，显然Nature文章都没有读过，根本不知道
Alphago的算法是什么，在那里信口开河吓唬古力他们，说什么Alphago是按照成功的几
率下棋，把古力他们唬得一楞一楞的，以为Alphago已经能算出每步棋的成功率了，这
是什么神一样的对手。我看着特心酸。真想上去抽那个教授一耳光。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
I******n
发帖数: 5952 | 6 人类能不能战胜alpha go我觉得关键就是你能不能走出平常人类不太会走得形状但是优
于２０～３０种alpha go 算到的棋型
你这个让我想起一个篮球界的著名笑话
“当活塞队得到100分以上同时把对手限制在100分以下时，他们几乎总是赢。”
- Doug Collins
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
h*h
发帖数: 27852 | 7 我猜阿狗对人类顶尖高手有让先水平，人类不是不可能偷一盘，但是找到系统性战胜狗
的可能基本没有。
狗有些问题手，可能交换吃亏，但是有些同时呼应了自己的外势，其实是全局部署，有
些是无关紧要的简化局势。狗保持先手的能力太强了 |
M*******p
发帖数: 5626 | 8 但昨天那盘狗狗自己判断很多时候胜率在50%以下，现在这只狗应该还不完美。
【在 h*h 的大作中提到】
: 我猜阿狗对人类顶尖高手有让先水平，人类不是不可能偷一盘，但是找到系统性战胜狗
: 的可能基本没有。
: 狗有些问题手，可能交换吃亏，但是有些同时呼应了自己的外势，其实是全局部署，有
: 些是无关紧要的简化局势。狗保持先手的能力太强了
|
q*c
发帖数: 9453 | 9 有贴目，估计开始就是 50% 下。
也说明这个贴膜可能在阿狗看来不公平， 应该少贴。
【在 M*******p 的大作中提到】
: 但昨天那盘狗狗自己判断很多时候胜率在50%以下，现在这只狗应该还不完美。
|
B**********r
发帖数: 812 | 10 也有可能是alphaGO学习了很多贴5目半时代的棋谱
【在 q*c 的大作中提到】
: 有贴目，估计开始就是 50% 下。
: 也说明这个贴膜可能在阿狗看来不公平， 应该少贴。
|
|
|
s***y
发帖数: 357 | 11 这个是一种思路。然后就是寻找实战出现这样情况的可能性。
【在 I******n 的大作中提到】
: 人类能不能战胜alpha go我觉得关键就是你能不能走出平常人类不太会走得形状但是优
: 于２０～３０种alpha go 算到的棋型
: 你这个让我想起一个篮球界的著名笑话
: “当活塞队得到100分以上同时把对手限制在100分以下时，他们几乎总是赢。”
: - Doug Collins
|
D*******r
发帖数: 2323 | 12 阿法狗不需要把所有变化都算清，它只要保证比人算得清楚得多就行。而且人类的招数
都在它的计算范围内，而它的招数不在你的计算范围内，你怎么跟它比？
不是棋手，是体会不到自己的每一步都被对手料到，而对手经常有自己完全料不到的招
数时，心里的恐惧是无以言表的。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
M*******p
发帖数: 5626 | 13 这要看它的50%以下到底是怎么波动的。
【在 q*c 的大作中提到】
: 有贴目，估计开始就是 50% 下。
: 也说明这个贴膜可能在阿狗看来不公平， 应该少贴。
|
h*h
发帖数: 27852 | 14 肯定不完美。左下的交换黑亏了，但是李在中腹没有走好，黑的亏棋成了好棋
【在 M*******p 的大作中提到】
: 但昨天那盘狗狗自己判断很多时候胜率在50%以下，现在这只狗应该还不完美。
|
y**c
发帖数: 6307 | 15 不一定要模仿棋吧，的确不需要神话。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
q*c
发帖数: 9453 | 16 也许这个交换本来目的就是为后面的中间铺路也难说。
【在 h*h 的大作中提到】
: 肯定不完美。左下的交换黑亏了，但是李在中腹没有走好，黑的亏棋成了好棋
|
s***y
发帖数: 357 | 17 问题就是我满棋手真的以为alpha go都算清了，但事实并不是这样。如果你跟他们说
alpha go只是算了很多你经常走的棋，也没有算到底，形式判断也是靠估的，就没那么
恐惧了，不过就是算得多，准，快。但是不是神，也不是说走的都是对的，不出错。
【在 D*******r 的大作中提到】
: 阿法狗不需要把所有变化都算清，它只要保证比人算得清楚得多就行。而且人类的招数
: 都在它的计算范围内，而它的招数不在你的计算范围内，你怎么跟它比？
: 不是棋手，是体会不到自己的每一步都被对手料到，而对手经常有自己完全料不到的招
: 数时，心里的恐惧是无以言表的。
|
s***y
发帖数: 357 | 18 这就是一个被吓怕的example，如若不说是alphago 下的 你肯定说这个明显亏损。你的
成见影响了你的判断。要我看就是典型的alphago形式判断失误
【在 q*c 的大作中提到】
: 也许这个交换本来目的就是为后面的中间铺路也难说。
|
n*******s
发帖数: 17267 | 19 赢机器不容易， 前面不能过多思考， 时间要留给后面， 狗的选择一般， 平常心下，
该走什么就走什么， 像昨天角部被掏，上面又被拆到， 自己委屈拆二没有下一手的
情况我到现在都没想明白是怎么发生的， 角部立下在拆逼不好吗？ 总觉得白棋的选择
不连贯，处处受制。
或者就尖顶起来夹击吗， 石头到底怎么回事？ |
B****n
发帖数: 11290 | 20 真的是沒有邏輯阿!!
如果都算清了 過些時候有更強點的軟體 在同樣局面下走出不同走法
且和alphago對戰勝率更高 (這是將來一定會發生的事情) 請問是誰算清 呵呵
【在 s***y 的大作中提到】
: 问题就是我满棋手真的以为alpha go都算清了，但事实并不是这样。如果你跟他们说
: alpha go只是算了很多你经常走的棋，也没有算到底，形式判断也是靠估的，就没那么
: 恐惧了，不过就是算得多，准，快。但是不是神，也不是说走的都是对的，不出错。
|
|
|
p********e
发帖数: 6030 | 21 你所谓的客观评棋在阿狗的碾压下都变成了主观评棋。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
p********e
发帖数: 6030 | 22 世界最难的电脑游戏诞生了。。。
【在 h*h 的大作中提到】
: 我猜阿狗对人类顶尖高手有让先水平，人类不是不可能偷一盘，但是找到系统性战胜狗
: 的可能基本没有。
: 狗有些问题手，可能交换吃亏，但是有些同时呼应了自己的外势，其实是全局部署，有
: 些是无关紧要的简化局势。狗保持先手的能力太强了
|
p********e
发帖数: 6030 | 23 这个当然是这样了，同一步棋高手走就是妙手弱人走就是烂招，就看能不能赢啊。你下
了那一步之后输得裤子都没了，那当然叫失误。
【在 s***y 的大作中提到】
: 这就是一个被吓怕的example，如若不说是alphago 下的 你肯定说这个明显亏损。你的
: 成见影响了你的判断。要我看就是典型的alphago形式判断失误
|
M*******p
发帖数: 5626 | 24 国象和跳棋电脑早就理论上和实际上都利于不败之地了，比电脑围棋难多了。
【在 p********e 的大作中提到】
: 世界最难的电脑游戏诞生了。。。
|
k*******r
发帖数: 355 | 25 和古力一起评棋的那个计算机教授，说阿狗按成功率下也没错阿，总不能从boltzmann
machine开始讲起吧 |
n*******s
发帖数: 17267 | 26 回头又看了下棋谱， 狗局部计算太强， 第一局打入后那个单飞感觉有13段的实力，
狗还有短板， 但真的很难赢。 |
k*******r
发帖数: 355 | 27 都说什么
"昨天那盘狗狗自己判断很多时候胜率在50%以下"
这个消息源头到底从哪里来的，能不能post一下reference link |
n*******s
发帖数: 17267 | 28 不过第一盘狗也N多漏招臭招， 应该有的下啊， 石头休息一下调整一下状态再搞一把
。 |
j**********r
发帖数: 3798 | 29 官方发布会说前半盘相当，后半盘越来越有信心。我怀疑是前半盘有贴目机器觉得自己
不优势罢了。 |
f*****r
发帖数: 754 | 30 你这根本不明白这个“深度学习”的意义所在。
深度学习（主要指深度神经网络）是近年来机器学习/人工智能的很大飞跃。过去的神
经网络通常只用三层，因为太深会引起严重的overfitting。现在可以做到十几层，而
几乎没有overfitting的情况。
这个算法从一开始就在nature/science上发paper，意义/影响深远。
AlphaGo战胜人类顶尖高手的意义在于：在变化过多甚至无法使用任何搜索达到最优解
的情况下，通过学习人类的传统方法以及思路，从而达到比人类更强的高度。不管是大
多数人还是少数人掌握的知识方法，甚至类似棋感这样模糊的概念，机器都可以进行学
习并达到精通，最后再辅以电脑所擅长的搜索，从而在各方面超出人类。
现在人类要做的就是把各种工作/活动归纳抽象成机器可以学习的方式，机器在将来即
可替代人类做绝大多数的工作。而事实上这也是现在已经在进行的活动。
AlphaGo正是通过深度学习告诉了大家，不管是有多难活着多抽象/模糊的方法，机器都
可以学会并且超越人类。 |
|
|
m*****n
发帖数: 3644 | 31 大赞！
【在 f*****r 的大作中提到】
: 你这根本不明白这个“深度学习”的意义所在。
: 深度学习（主要指深度神经网络）是近年来机器学习/人工智能的很大飞跃。过去的神
: 经网络通常只用三层，因为太深会引起严重的overfitting。现在可以做到十几层，而
: 几乎没有overfitting的情况。
: 这个算法从一开始就在nature/science上发paper，意义/影响深远。
: AlphaGo战胜人类顶尖高手的意义在于：在变化过多甚至无法使用任何搜索达到最优解
: 的情况下，通过学习人类的传统方法以及思路，从而达到比人类更强的高度。不管是大
: 多数人还是少数人掌握的知识方法，甚至类似棋感这样模糊的概念，机器都可以进行学
: 习并达到精通，最后再辅以电脑所擅长的搜索，从而在各方面超出人类。
: 现在人类要做的就是把各种工作/活动归纳抽象成机器可以学习的方式，机器在将来即
|
n**n
发帖数: 626 | 32 you underestimate my power, human beings.
--- alpha go 19 dan
【在 n*******s 的大作中提到】
: 回头又看了下棋谱， 狗局部计算太强， 第一局打入后那个单飞感觉有13段的实力，
: 狗还有短板， 但真的很难赢。
|
f******i
发帖数: 485 | 33 说来说去还是fitting 啊 如果不用搜索 只用神经网能下赢 那还可以勉强说有智慧 现
在这个 主要能赢还是靠搜索
【在 f*****r 的大作中提到】
: 你这根本不明白这个“深度学习”的意义所在。
: 深度学习（主要指深度神经网络）是近年来机器学习/人工智能的很大飞跃。过去的神
: 经网络通常只用三层，因为太深会引起严重的overfitting。现在可以做到十几层，而
: 几乎没有overfitting的情况。
: 这个算法从一开始就在nature/science上发paper，意义/影响深远。
: AlphaGo战胜人类顶尖高手的意义在于：在变化过多甚至无法使用任何搜索达到最优解
: 的情况下，通过学习人类的传统方法以及思路，从而达到比人类更强的高度。不管是大
: 多数人还是少数人掌握的知识方法，甚至类似棋感这样模糊的概念，机器都可以进行学
: 习并达到精通，最后再辅以电脑所擅长的搜索，从而在各方面超出人类。
: 现在人类要做的就是把各种工作/活动归纳抽象成机器可以学习的方式，机器在将来即
|
f*****r
发帖数: 754 | 34 你说的有一定道理。但策略网络和价值网络这两部分形成了围棋最重要的部分 - 大局
，手筋，急所，以及对当前形势的评估（是否需要采取冒进的方法），搜索其实是这里
最弱的，也是其他围棋AI所采用的方法。初段偶尔也能赢九段的道理不外乎就是九段没
有仔细算棋，也即搜索不够深和全面。所以解决了前二者，才是解决了真问题。
目前跟小李对局的阿狗仍然是采用分布式版本。其监督学习的策略网络亦有两个版本，
一个复杂的用于做自增强训练，一个简单点但效果较差的用来搜索，因为搜索仍然消耗
巨大资源和时间，复杂网络会降低其速度。猜测分布式的版本可能也用了复杂网络来做
搜索。
纯用搜索做的围棋AI也相当厉害，大约能达到业余三段到五段之间的水平。深度网络把
这个彻底带到一个新的平台。
【在 f******i 的大作中提到】
: 说来说去还是fitting 啊 如果不用搜索 只用神经网能下赢 那还可以勉强说有智慧 现
: 在这个 主要能赢还是靠搜索
|
m******t
发帖数: 1171 | 35 人类思维又什么？
你觉得自己在思维，但是你大脑里面的神经元并不觉得自己在思维，只是些神经元之间
的电流。
这样，你有凭什么说AlphaGo不会思维？他只不过没有用生物神经元思维。
【在 q*****C 的大作中提到】
: 非常同意楼主，阿法狗确实只是一个优化的算法，本质上不能等同人类思维。
: 我也觉得有办法下赢阿法狗。没有什么耍不耍赖的说法，下棋本来就是斗志斗勇。
|
a*********y
发帖数: 63 | 36 严重同意!
到了中后盘,也许狗算得准.开局的时候怎么可能?!
关键是开局时别太把狗当真,如果觉得是臭棋就严厉反击,争取一举确定优势.
反过来说,如果狗总是对的,那还下啥,直接认输得了!
【在 s***y 的大作中提到】
: 这就是一个被吓怕的example，如若不说是alphago 下的 你肯定说这个明显亏损。你的
: 成见影响了你的判断。要我看就是典型的alphago形式判断失误
|
s***y
发帖数: 357 | 37 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
观评棋的地步。
首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
差不多的话，那么人类理论上是必败的。
那么alpha go怎么的解决的呢－神经网络， 用人类自己下的棋去训练。说穿了就是一
个函数拟合的问题。这个好比就是计算机的图像识别，把输入输出拟合一下。这个过程
和人类智慧不是一回事。也就是说，对于棋盘上的招法，alpha go判断一下，“是棋”
“不是棋”然后就开始算了。
这样的算法不可能对围棋的战略有什么质的飞跃，因为这样的算法训练会训练到局部极
小。也就是说，人类不走的形状，alpha go 也不会选择计算. 顶多就是把人类喜欢走
的各种形状在一个局部都试一遍然后也许能走出一些新的变化。这次比赛比如很多电脑
的招法实际上都是似是而非的棋，其实很多棋并不好，明显损变化，但是就是因为是
alpha go下的，很多人甚至质疑自己对棋的理解。这都是因为人们不理解alpha go的理
解所致。
比如神经网络也不是１００％准确，比如人脸识别，语音识别，在围棋中，局势判断更
是非常模糊的概念。如果能够引导向特别极端的局面 如大模样，大转换，那么很有可
能让alpha go错误判断. 在有些情况下，局面的一个特征可能影响局面的判断，所以
，人类在下棋的时候，不能总是想着“电脑都算清了 不然怎么会下这” 这种想法。
相反，应该像这个局面有没有可能是似是而非的，可能引起电脑错误判断的局面（比如
李宇春是男还是女这样的问题）
人类能不能战胜alpha go我觉得关键就是你能不能走出平常人类不太会走得形状但是优
于２０～３０种alpha go 算到的棋型，对于象棋来说这基本上是不可能的，因为选点
太少，但是对于围棋，其实是有空间的。我认为对付计算机最简单的方法就是模仿棋，
因为计算机很难去算模仿棋那一条分支，因为那条分支是最难剪枝的。（需要任意时刻
计算停止模仿的可能性）破模仿棋，不要说电脑，即便是职业棋手都要费一番工夫。
最后有人说模仿棋是耍赖，我觉得恰恰相反，如果人类能够通过简单的战略和逻辑战胜
耗费了大量时间训练的拥有几万倍计算能力的机器，那到底谁才是真正的“智能”呢？ |
M*******p
发帖数: 5626 | |
B**********r
发帖数: 812 | 39 模仿棋是个冲断少年都会破，藤泽库之助的本事已经不行了 |
q*****C
发帖数: 114 | 40 非常同意楼主，阿法狗确实只是一个优化的算法，本质上不能等同人类思维。
我也觉得有办法下赢阿法狗。没有什么耍不耍赖的说法，下棋本来就是斗志斗勇。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
|
|
o*****p
发帖数: 2977 | 41 "我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
观评棋的地步。"
是啊，昨天古力评棋的时候，一口一声“我们人类”怎么下，不敢说alphago臭棋。只
有柯洁胆气未丧。
另外和古力一起评棋的那个计算机教授，显然Nature文章都没有读过，根本不知道
Alphago的算法是什么，在那里信口开河吓唬古力他们，说什么Alphago是按照成功的几
率下棋，把古力他们唬得一楞一楞的，以为Alphago已经能算出每步棋的成功率了，这
是什么神一样的对手。我看着特心酸。真想上去抽那个教授一耳光。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
I******n
发帖数: 5952 | 42 人类能不能战胜alpha go我觉得关键就是你能不能走出平常人类不太会走得形状但是优
于２０～３０种alpha go 算到的棋型
你这个让我想起一个篮球界的著名笑话
“当活塞队得到100分以上同时把对手限制在100分以下时，他们几乎总是赢。”
- Doug Collins
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
h*h
发帖数: 27852 | 43 我猜阿狗对人类顶尖高手有让先水平，人类不是不可能偷一盘，但是找到系统性战胜狗
的可能基本没有。
狗有些问题手，可能交换吃亏，但是有些同时呼应了自己的外势，其实是全局部署，有
些是无关紧要的简化局势。狗保持先手的能力太强了 |
M*******p
发帖数: 5626 | 44 但昨天那盘狗狗自己判断很多时候胜率在50%以下，现在这只狗应该还不完美。
【在 h*h 的大作中提到】
: 我猜阿狗对人类顶尖高手有让先水平，人类不是不可能偷一盘，但是找到系统性战胜狗
: 的可能基本没有。
: 狗有些问题手，可能交换吃亏，但是有些同时呼应了自己的外势，其实是全局部署，有
: 些是无关紧要的简化局势。狗保持先手的能力太强了
|
q*c
发帖数: 9453 | 45 有贴目，估计开始就是 50% 下。
也说明这个贴膜可能在阿狗看来不公平， 应该少贴。
【在 M*******p 的大作中提到】
: 但昨天那盘狗狗自己判断很多时候胜率在50%以下，现在这只狗应该还不完美。
|
B**********r
发帖数: 812 | 46 也有可能是alphaGO学习了很多贴5目半时代的棋谱
【在 q*c 的大作中提到】
: 有贴目，估计开始就是 50% 下。
: 也说明这个贴膜可能在阿狗看来不公平， 应该少贴。
|
s***y
发帖数: 357 | 47 这个是一种思路。然后就是寻找实战出现这样情况的可能性。
【在 I******n 的大作中提到】
: 人类能不能战胜alpha go我觉得关键就是你能不能走出平常人类不太会走得形状但是优
: 于２０～３０种alpha go 算到的棋型
: 你这个让我想起一个篮球界的著名笑话
: “当活塞队得到100分以上同时把对手限制在100分以下时，他们几乎总是赢。”
: - Doug Collins
|
D*******r
发帖数: 2323 | 48 阿法狗不需要把所有变化都算清，它只要保证比人算得清楚得多就行。而且人类的招数
都在它的计算范围内，而它的招数不在你的计算范围内，你怎么跟它比？
不是棋手，是体会不到自己的每一步都被对手料到，而对手经常有自己完全料不到的招
数时，心里的恐惧是无以言表的。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
M*******p
发帖数: 5626 | 49 这要看它的50%以下到底是怎么波动的。
【在 q*c 的大作中提到】
: 有贴目，估计开始就是 50% 下。
: 也说明这个贴膜可能在阿狗看来不公平， 应该少贴。
|
h*h
发帖数: 27852 | 50 肯定不完美。左下的交换黑亏了，但是李在中腹没有走好，黑的亏棋成了好棋
【在 M*******p 的大作中提到】
: 但昨天那盘狗狗自己判断很多时候胜率在50%以下，现在这只狗应该还不完美。
|
|
|
y**c
发帖数: 6307 | 51 不一定要模仿棋吧，的确不需要神话。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
q*c
发帖数: 9453 | 52 也许这个交换本来目的就是为后面的中间铺路也难说。
【在 h*h 的大作中提到】
: 肯定不完美。左下的交换黑亏了，但是李在中腹没有走好，黑的亏棋成了好棋
|
s***y
发帖数: 357 | 53 问题就是我满棋手真的以为alpha go都算清了，但事实并不是这样。如果你跟他们说
alpha go只是算了很多你经常走的棋，也没有算到底，形式判断也是靠估的，就没那么
恐惧了，不过就是算得多，准，快。但是不是神，也不是说走的都是对的，不出错。
【在 D*******r 的大作中提到】
: 阿法狗不需要把所有变化都算清，它只要保证比人算得清楚得多就行。而且人类的招数
: 都在它的计算范围内，而它的招数不在你的计算范围内，你怎么跟它比？
: 不是棋手，是体会不到自己的每一步都被对手料到，而对手经常有自己完全料不到的招
: 数时，心里的恐惧是无以言表的。
|
s***y
发帖数: 357 | 54 这就是一个被吓怕的example，如若不说是alphago 下的 你肯定说这个明显亏损。你的
成见影响了你的判断。要我看就是典型的alphago形式判断失误
【在 q*c 的大作中提到】
: 也许这个交换本来目的就是为后面的中间铺路也难说。
|
n*******s
发帖数: 17267 | 55 赢机器不容易， 前面不能过多思考， 时间要留给后面， 狗的选择一般， 平常心下，
该走什么就走什么， 像昨天角部被掏，上面又被拆到， 自己委屈拆二没有下一手的
情况我到现在都没想明白是怎么发生的， 角部立下在拆逼不好吗？ 总觉得白棋的选择
不连贯，处处受制。
或者就尖顶起来夹击吗， 石头到底怎么回事？ |
B****n
发帖数: 11290 | 56 真的是沒有邏輯阿!!
如果都算清了 過些時候有更強點的軟體 在同樣局面下走出不同走法
且和alphago對戰勝率更高 (這是將來一定會發生的事情) 請問是誰算清 呵呵
【在 s***y 的大作中提到】
: 问题就是我满棋手真的以为alpha go都算清了，但事实并不是这样。如果你跟他们说
: alpha go只是算了很多你经常走的棋，也没有算到底，形式判断也是靠估的，就没那么
: 恐惧了，不过就是算得多，准，快。但是不是神，也不是说走的都是对的，不出错。
|
p********e
发帖数: 6030 | 57 你所谓的客观评棋在阿狗的碾压下都变成了主观评棋。
【在 s***y 的大作中提到】
: 我觉得现在这些很多人包括职业棋手都已经被alpha go 吓傻了，甚至到了已经不敢客
: 观评棋的地步。
: 首先 对任何棋类来说，最后都是比拼的是计算，围棋的状态数太多，所以不论是计算
: 机还是人类都是算不清的， 不存在alphago 都算清的这种说法，实际上将来真有什么
: 量子计算机吧围棋都算清了，那可能还可以说是颠覆性的 –现在的alpha go说穿了就
: 是一个解决围棋的较优解的 程序， 和人类的智能/逻辑没有什么关系。而人类和计算
: 机计算的关键就是 剪枝的过程， 人类是通过逻辑和经验 把选点减少到2~3种，而
: alpha go可能能够剪枝到10 ~20种，然后凭借计算的优势来找到最优解。既然计算机计
: 算肯定是比人类强的，那么，最有“智能”的部分就是怎么样找这样的选点，以及如何
: 判断局势的问题。 如果它的１０～２０总能包括人类想到的２～３种，并且局势判断
|
p********e
发帖数: 6030 | 58 世界最难的电脑游戏诞生了。。。
【在 h*h 的大作中提到】
: 我猜阿狗对人类顶尖高手有让先水平，人类不是不可能偷一盘，但是找到系统性战胜狗
: 的可能基本没有。
: 狗有些问题手，可能交换吃亏，但是有些同时呼应了自己的外势，其实是全局部署，有
: 些是无关紧要的简化局势。狗保持先手的能力太强了
|
p********e
发帖数: 6030 | 59 这个当然是这样了，同一步棋高手走就是妙手弱人走就是烂招，就看能不能赢啊。你下
了那一步之后输得裤子都没了，那当然叫失误。
【在 s***y 的大作中提到】
: 这就是一个被吓怕的example，如若不说是alphago 下的 你肯定说这个明显亏损。你的
: 成见影响了你的判断。要我看就是典型的alphago形式判断失误
|
M*******p
发帖数: 5626 | 60 国象和跳棋电脑早就理论上和实际上都利于不败之地了，比电脑围棋难多了。
【在 p********e 的大作中提到】
: 世界最难的电脑游戏诞生了。。。
|
|
|
k*******r
发帖数: 355 | 61 和古力一起评棋的那个计算机教授，说阿狗按成功率下也没错阿，总不能从boltzmann
machine开始讲起吧 |
n*******s
发帖数: 17267 | 62 回头又看了下棋谱， 狗局部计算太强， 第一局打入后那个单飞感觉有13段的实力，
狗还有短板， 但真的很难赢。 |
k*******r
发帖数: 355 | 63 都说什么
"昨天那盘狗狗自己判断很多时候胜率在50%以下"
这个消息源头到底从哪里来的，能不能post一下reference link |
n*******s
发帖数: 17267 | 64 不过第一盘狗也N多漏招臭招， 应该有的下啊， 石头休息一下调整一下状态再搞一把
。 |
j**********r
发帖数: 3798 | 65 官方发布会说前半盘相当，后半盘越来越有信心。我怀疑是前半盘有贴目机器觉得自己
不优势罢了。 |
f*****r
发帖数: 754 | 66 你这根本不明白这个“深度学习”的意义所在。
深度学习（主要指深度神经网络）是近年来机器学习/人工智能的很大飞跃。过去的神
经网络通常只用三层，因为太深会引起严重的overfitting。现在可以做到十几层，而
几乎没有overfitting的情况。
这个算法从一开始就在nature/science上发paper，意义/影响深远。
AlphaGo战胜人类顶尖高手的意义在于：在变化过多甚至无法使用任何搜索达到最优解
的情况下，通过学习人类的传统方法以及思路，从而达到比人类更强的高度。不管是大
多数人还是少数人掌握的知识方法，甚至类似棋感这样模糊的概念，机器都可以进行学
习并达到精通，最后再辅以电脑所擅长的搜索，从而在各方面超出人类。
现在人类要做的就是把各种工作/活动归纳抽象成机器可以学习的方式，机器在将来即
可替代人类做绝大多数的工作。而事实上这也是现在已经在进行的活动。
AlphaGo正是通过深度学习告诉了大家，不管是有多难活着多抽象/模糊的方法，机器都
可以学会并且超越人类。 |
m*****n
发帖数: 3644 | 67 大赞！
【在 f*****r 的大作中提到】
: 你这根本不明白这个“深度学习”的意义所在。
: 深度学习（主要指深度神经网络）是近年来机器学习/人工智能的很大飞跃。过去的神
: 经网络通常只用三层，因为太深会引起严重的overfitting。现在可以做到十几层，而
: 几乎没有overfitting的情况。
: 这个算法从一开始就在nature/science上发paper，意义/影响深远。
: AlphaGo战胜人类顶尖高手的意义在于：在变化过多甚至无法使用任何搜索达到最优解
: 的情况下，通过学习人类的传统方法以及思路，从而达到比人类更强的高度。不管是大
: 多数人还是少数人掌握的知识方法，甚至类似棋感这样模糊的概念，机器都可以进行学
: 习并达到精通，最后再辅以电脑所擅长的搜索，从而在各方面超出人类。
: 现在人类要做的就是把各种工作/活动归纳抽象成机器可以学习的方式，机器在将来即
|
n**n
发帖数: 626 | 68 you underestimate my power, human beings.
--- alpha go 19 dan
【在 n*******s 的大作中提到】
: 回头又看了下棋谱， 狗局部计算太强， 第一局打入后那个单飞感觉有13段的实力，
: 狗还有短板， 但真的很难赢。
|
f******i
发帖数: 485 | 69 说来说去还是fitting 啊 如果不用搜索 只用神经网能下赢 那还可以勉强说有智慧 现
在这个 主要能赢还是靠搜索
【在 f*****r 的大作中提到】
: 你这根本不明白这个“深度学习”的意义所在。
: 深度学习（主要指深度神经网络）是近年来机器学习/人工智能的很大飞跃。过去的神
: 经网络通常只用三层，因为太深会引起严重的overfitting。现在可以做到十几层，而
: 几乎没有overfitting的情况。
: 这个算法从一开始就在nature/science上发paper，意义/影响深远。
: AlphaGo战胜人类顶尖高手的意义在于：在变化过多甚至无法使用任何搜索达到最优解
: 的情况下，通过学习人类的传统方法以及思路，从而达到比人类更强的高度。不管是大
: 多数人还是少数人掌握的知识方法，甚至类似棋感这样模糊的概念，机器都可以进行学
: 习并达到精通，最后再辅以电脑所擅长的搜索，从而在各方面超出人类。
: 现在人类要做的就是把各种工作/活动归纳抽象成机器可以学习的方式，机器在将来即
|
f*****r
发帖数: 754 | 70 你说的有一定道理。但策略网络和价值网络这两部分形成了围棋最重要的部分 - 大局
，手筋，急所，以及对当前形势的评估（是否需要采取冒进的方法），搜索其实是这里
最弱的，也是其他围棋AI所采用的方法。初段偶尔也能赢九段的道理不外乎就是九段没
有仔细算棋，也即搜索不够深和全面。所以解决了前二者，才是解决了真问题。
目前跟小李对局的阿狗仍然是采用分布式版本。其监督学习的策略网络亦有两个版本，
一个复杂的用于做自增强训练，一个简单点但效果较差的用来搜索，因为搜索仍然消耗
巨大资源和时间，复杂网络会降低其速度。猜测分布式的版本可能也用了复杂网络来做
搜索。
纯用搜索做的围棋AI也相当厉害，大约能达到业余三段到五段之间的水平。深度网络把
这个彻底带到一个新的平台。
【在 f******i 的大作中提到】
: 说来说去还是fitting 啊 如果不用搜索 只用神经网能下赢 那还可以勉强说有智慧 现
: 在这个 主要能赢还是靠搜索
|
|
|
m******t
发帖数: 1171 | 71 人类思维又什么？
你觉得自己在思维，但是你大脑里面的神经元并不觉得自己在思维，只是些神经元之间
的电流。
这样，你有凭什么说AlphaGo不会思维？他只不过没有用生物神经元思维。
【在 q*****C 的大作中提到】
: 非常同意楼主，阿法狗确实只是一个优化的算法，本质上不能等同人类思维。
: 我也觉得有办法下赢阿法狗。没有什么耍不耍赖的说法，下棋本来就是斗志斗勇。
|
a*********y
发帖数: 63 | 72 严重同意!
到了中后盘,也许狗算得准.开局的时候怎么可能?!
关键是开局时别太把狗当真,如果觉得是臭棋就严厉反击,争取一举确定优势.
反过来说,如果狗总是对的,那还下啥,直接认输得了!
【在 s***y 的大作中提到】
: 这就是一个被吓怕的example，如若不说是alphago 下的 你肯定说这个明显亏损。你的
: 成见影响了你的判断。要我看就是典型的alphago形式判断失误
|
s***y
发帖数: 357 | 73 alpha go果然在复杂局面下还是可能漏算较优选点 （相对人类）。所以说围棋复杂度
还是一个重要的因素。 另外价值网络出现问题的可能也得到了验证 |
