S*****e 发帖数: 6676 | 1 跟俺当年知道的convolutional neural network比这几年有什么牛逼的进步?版上有现
役搞ML的兄弟没,解下惑?DeepMind,FB,Tweeter都在用的一个库Torch,俺好像有点印
象。这能整出什么突破来。。。 |
i***h 发帖数: 12655 | 2 因为以前大家都说围棋是不能被机器打败的人类智力游戏
结果现在好像很快了
要么人工智能有突破
要么围棋没那么牛
要么人的智力也就那么回事。。。 |
P**H 发帖数: 1897 | 3 术版议议。
我觉得算法还是那个算法。但Google把机器堆出了个新境界。这个是小作坊做不到的。
【在 S*****e 的大作中提到】 : 跟俺当年知道的convolutional neural network比这几年有什么牛逼的进步?版上有现 : 役搞ML的兄弟没,解下惑?DeepMind,FB,Tweeter都在用的一个库Torch,俺好像有点印 : 象。这能整出什么突破来。。。
|
S*****e 发帖数: 6676 | 4
俺觉得吹牛比炒作成分更浓,又把狗狗股价推高了
【在 i***h 的大作中提到】 : 因为以前大家都说围棋是不能被机器打败的人类智力游戏 : 结果现在好像很快了 : 要么人工智能有突破 : 要么围棋没那么牛 : 要么人的智力也就那么回事。。。
|
S*****e 发帖数: 6676 | 5
20年前深蓝搞败卡斯帕罗夫的时候很多东西没报到出来,后来慢慢知道的。这次估计也
差不多。。。
【在 P**H 的大作中提到】 : 术版议议。 : 我觉得算法还是那个算法。但Google把机器堆出了个新境界。这个是小作坊做不到的。
|
n****g 发帖数: 14743 | 6 发财了
【在 S*****e 的大作中提到】 : : 20年前深蓝搞败卡斯帕罗夫的时候很多东西没报到出来,后来慢慢知道的。这次估计也 : 差不多。。。
|
n******r 发帖数: 4455 | 7 主要进步不是新model而是实用性。多层神经网络几十年前就有,实用上一直停留在BP
三层网络的水平,主要就是多层网络太容易overfit,实际中很难得到一个实用性的
model。直到06年左右hinton老头等人有了一些理论上的突破,外加海量数据的获得越
来越容易,逐渐就可以训练出有实用性的多层模型了。之前有些benchmark测试,deep
network的结果比第二名好一截,所以现在最热一点不奇怪。
我理解的就是model本身并不重要,要看当前的数据/计算水平能支持到多复杂的有实用
性的model。历史往往都是有重复性的,perception本身出来不久就给否定了,但是几
十年后基于类似idea的SVM成为最流行的model。从理论提出到实际应用也有很长的路要
走,比如说知道E=MC2是一回事,到爆原子弹是另一回事,到搞出核反应堆发电又是另
一回事。
【在 S*****e 的大作中提到】 : 跟俺当年知道的convolutional neural network比这几年有什么牛逼的进步?版上有现 : 役搞ML的兄弟没,解下惑?DeepMind,FB,Tweeter都在用的一个库Torch,俺好像有点印 : 象。这能整出什么突破来。。。
|
P**H 发帖数: 1897 | 8 06那次应该是gpu的应用。试了几个demo,cudnn可以比cup快十几倍到几十倍。即使亮
机卡都比6core cpu快。后面的model没啥新的。就是应用可行了。以前学一个月,现在
一天就够了。
这次是把Google的分布式资源全用上。看能不能量变到质变了。除了计算资源,还有海
量的训练data。这些都是小作坊难以达到的。所以这些只对Google,FB这些巨头有用。
BP
deep
【在 n******r 的大作中提到】 : 主要进步不是新model而是实用性。多层神经网络几十年前就有,实用上一直停留在BP : 三层网络的水平,主要就是多层网络太容易overfit,实际中很难得到一个实用性的 : model。直到06年左右hinton老头等人有了一些理论上的突破,外加海量数据的获得越 : 来越容易,逐渐就可以训练出有实用性的多层模型了。之前有些benchmark测试,deep : network的结果比第二名好一截,所以现在最热一点不奇怪。 : 我理解的就是model本身并不重要,要看当前的数据/计算水平能支持到多复杂的有实用 : 性的model。历史往往都是有重复性的,perception本身出来不久就给否定了,但是几 : 十年后基于类似idea的SVM成为最流行的model。从理论提出到实际应用也有很长的路要 : 走,比如说知道E=MC2是一回事,到爆原子弹是另一回事,到搞出核反应堆发电又是另 : 一回事。
|
n******r 发帖数: 4455 | 9 GPU只是一部分的原因(算的快),还有个主要问题是怎么算多层网络,这个也是06年
后才有比较好的进展。
【在 P**H 的大作中提到】 : 06那次应该是gpu的应用。试了几个demo,cudnn可以比cup快十几倍到几十倍。即使亮 : 机卡都比6core cpu快。后面的model没啥新的。就是应用可行了。以前学一个月,现在 : 一天就够了。 : 这次是把Google的分布式资源全用上。看能不能量变到质变了。除了计算资源,还有海 : 量的训练data。这些都是小作坊难以达到的。所以这些只对Google,FB这些巨头有用。 : : BP : deep
|
l******8 发帖数: 1691 | 10 lstm和cnn放在一起。belief network也复活了好像。主要是硬件进步,比前搞不了的
现在可以搞了,所以就是可以发展。
【在 S*****e 的大作中提到】 : 跟俺当年知道的convolutional neural network比这几年有什么牛逼的进步?版上有现 : 役搞ML的兄弟没,解下惑?DeepMind,FB,Tweeter都在用的一个库Torch,俺好像有点印 : 象。这能整出什么突破来。。。
|
|
|
P**H 发帖数: 1897 | 11 但是现在应用也局限在图像分类,语音识别,和自然语言上。与广义的学习还有距离。
围棋这个可以看作是图像的的一个特例。
【在 l******8 的大作中提到】 : lstm和cnn放在一起。belief network也复活了好像。主要是硬件进步,比前搞不了的 : 现在可以搞了,所以就是可以发展。
|
S*****e 发帖数: 6676 | 12 俺觉得作为connectionism的核心NN可以解决相当多的问题,但是不跟symbolic system
结合起来不可能解决AI的核心问题。看来狗狗这个还是商业炒作成份更浓,又严重夸大
的痕迹。
BP
deep
【在 n******r 的大作中提到】 : 主要进步不是新model而是实用性。多层神经网络几十年前就有,实用上一直停留在BP : 三层网络的水平,主要就是多层网络太容易overfit,实际中很难得到一个实用性的 : model。直到06年左右hinton老头等人有了一些理论上的突破,外加海量数据的获得越 : 来越容易,逐渐就可以训练出有实用性的多层模型了。之前有些benchmark测试,deep : network的结果比第二名好一截,所以现在最热一点不奇怪。 : 我理解的就是model本身并不重要,要看当前的数据/计算水平能支持到多复杂的有实用 : 性的model。历史往往都是有重复性的,perception本身出来不久就给否定了,但是几 : 十年后基于类似idea的SVM成为最流行的model。从理论提出到实际应用也有很长的路要 : 走,比如说知道E=MC2是一回事,到爆原子弹是另一回事,到搞出核反应堆发电又是另 : 一回事。
|
S*****e 发帖数: 6676 | 13
围棋这个更接近博弈树吧,直接的图像对机器而言毫无意义
【在 P**H 的大作中提到】 : 但是现在应用也局限在图像分类,语音识别,和自然语言上。与广义的学习还有距离。 : 围棋这个可以看作是图像的的一个特例。
|
l***o 发帖数: 5337 | 14 作为业余5段,我看了alphago的棋谱后得出结论,这次google就是憋着给李世石送100
万美元去。 |
S*****e 发帖数: 6676 | 15
100
输赢不都得给李世石钱么
【在 l***o 的大作中提到】 : 作为业余5段,我看了alphago的棋谱后得出结论,这次google就是憋着给李世石送100 : 万美元去。
|
l******8 发帖数: 1691 | 16 对。正在开发。毕竟才刚刚重新起步。大多数商业公司很庸俗。
【在 P**H 的大作中提到】 : 但是现在应用也局限在图像分类,语音识别,和自然语言上。与广义的学习还有距离。 : 围棋这个可以看作是图像的的一个特例。
|
l******8 发帖数: 1691 | 17 这个应该是会送钱的。alpha是根据对付水平不是顶尖的弈者优化的。期待看世石给他
下各种陷阱。目的不是下赢世石,而是学习测试提高,和人类一样通过和高手对弈取得
进步。能自己学习进步的话,意义比直接赢棋还要大。不过估计还是要人类工程师参与
才能优化的。
100
【在 l***o 的大作中提到】 : 作为业余5段,我看了alphago的棋谱后得出结论,这次google就是憋着给李世石送100 : 万美元去。
|
P**H 发帖数: 1897 | 18 围棋棋形可以完美的转化成一个19x19的图像。可以通过图像分类的方式,决定对于一
个棋形最好的下一步或几步。这样大大减少之后暴力搜索的分支。这也就是alphaGo有
可能最终战胜人类的可能性。
但是对于其他问题,深度学习未必这么有效。
【在 S*****e 的大作中提到】 : : 100 : 输赢不都得给李世石钱么
|
n******r 发帖数: 4455 | 19 这个突破意义还是有,因为围棋算个挺好的benchmark,之前没预计到这么快有进展的。
至于AI的核心问题,到现在为止所有的结果恐怕都只能归到weak AI,到近年来更是ML
打天下,一般都往糙快猛计算的路子上靠。我觉得公司主业还是赚钱,搞点相关研究附
带点商业炒作无可厚非,总体上是有积极作用的。
system
【在 S*****e 的大作中提到】 : 俺觉得作为connectionism的核心NN可以解决相当多的问题,但是不跟symbolic system : 结合起来不可能解决AI的核心问题。看来狗狗这个还是商业炒作成份更浓,又严重夸大 : 的痕迹。 : : BP : deep
|
n******r 发帖数: 4455 | 20 无利不起早啊,网络公司当然花钱搞他用的上的场合
【在 P**H 的大作中提到】 : 但是现在应用也局限在图像分类,语音识别,和自然语言上。与广义的学习还有距离。 : 围棋这个可以看作是图像的的一个特例。
|
|
|
n****g 发帖数: 14743 | 21 真不容易
【在 i***h 的大作中提到】 : 因为以前大家都说围棋是不能被机器打败的人类智力游戏 : 结果现在好像很快了 : 要么人工智能有突破 : 要么围棋没那么牛 : 要么人的智力也就那么回事。。。
|
S*****e 发帖数: 6676 | 22
俺觉得这样说来对狗狗的图像搜索可能会有点意义
【在 P**H 的大作中提到】 : 围棋棋形可以完美的转化成一个19x19的图像。可以通过图像分类的方式,决定对于一 : 个棋形最好的下一步或几步。这样大大减少之后暴力搜索的分支。这也就是alphaGo有 : 可能最终战胜人类的可能性。 : 但是对于其他问题,深度学习未必这么有效。
|
P**H 发帖数: 1897 | 23 本来就是用来做图像分类的。围棋副产品。就想伟哥一样。
【在 S*****e 的大作中提到】 : : 俺觉得这样说来对狗狗的图像搜索可能会有点意义
|