[閒聊] 第三戰前的小心得

看板GO作者 (貓咪)時間8年前 (2016/03/11 22:46), 編輯推噓14(14推 0噓 34→)
留言48則, 17人參與, 最新討論串1/1
各位好，小弟十餘年前是個業餘小初段， 十幾年來從未荒廢下棋，持續的自我精進! 一直到了今天，還是個小初段... 以下沒有專業的討論，只是個人的感觸，請各位見諒。 "人工智慧的發展，不就是為了接近人嗎? 但一旦超越了人，那..." 或許因為我不是工程師，我無法體會電腦如此厲害的喜悅； 或許因為我不是職業棋手，我無法體會人腦被超越的哀愁。 對我來說，AlphaGo就是一個好厲害的人啊！ 就像我認知的高手一樣，會有我看了驚訝的關鍵著出現； 例如第二盤的肩衝。 但也會有像最後翻著棋譜上的講評，才能理解的奇怪手順出現； 例如第一盤左下白棋的活法(不過這個有下過棋的應該不難發現)。 不考慮程式碼及演算法，也不考慮什麼保密協定、公不公平之類的， 對我這種業餘愛好者來說，能在有生之年看到這種棋譜已經歡天喜地了， 大概和我一開始打譜時的心情有的拚吧! 人類總是那麼矛盾，總是想創造出超越人類的東西存在； 一旦創造出來了，總是又會想把它封印起來。 但這次我覺得和複製人這種情況不太一樣(有道德因素等問題)， 所以我希望這是一個契機。 如果AlphaGo是當代的圍棋之神，那我們就要想著去超越神； 然後，持續充滿雀躍之心的等待下一個神的出現。 希望各位棋類愛好者，一起抱著開心的心情，迎接未來所有的美好時光吧！ 謝謝大家，明天中午第三戰，一起來看吧! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 203.69.214.175 ※ 文章網址: https://www.ptt.cc/bbs/GO/M.1457707603.A.0C0.html
推
03/11 22:51, , 1F
同感
03/11 22:51, 1F
→
03/11 22:52, , 2F
還是不能接受一堆布林運算的組合能打贏人類 > <..
03/11 22:52, 2F
推
03/11 22:52, , 3F
推~
03/11 22:52, 3F
→
03/11 22:53, , 4F
難道我們自以為在思考 其實只是執行很多次簡單的邏輯
03/11 22:53, 4F
推
03/11 22:54, , 5F
這東西與其說是人工智慧(AI),不如說是機器學習(ML)
03/11 22:54, 5F
→
03/11 22:54, , 6F
運算罷了 李捍衛的不只是圍棋 而是人類思考的本質阿
03/11 22:54, 6F
→
03/11 22:55, , 7F
AI的目標才是變得像人, ML的目標是有效率的達成任務
03/11 22:55, 7F
推
03/11 22:56, , 8F
人類本就是不完全理性的生物啊…思考品質說實在不太好
03/11 22:56, 8F
推
03/11 22:58, , 9F
有點羨慕你
03/11 22:58, 9F
推
03/11 22:58, , 10F
是啊，其實把狗狗當成是怪異的天才棋士就好了，給人類
03/11 22:58, 10F
→
03/11 22:59, , 11F
提供了新理解和新天地，或許棋壇棋士會覺得自尊受損，
03/11 22:59, 11F
→
03/11 23:00, , 12F
看小李休息一天會不會正常發揮
03/11 23:00, 12F
→
03/11 23:00, , 13F
但終究獲益的是圍棋本身
03/11 23:00, 13F
→
03/11 23:01, , 14F
machine learning是AI的研究領域之一啊...
03/11 23:01, 14F
推
03/11 23:10, , 15F
空中戰 在吳和武宮之後 又可以獲得大進展?
03/11 23:10, 15F
→
03/11 23:18, , 16F
問題是，天才棋士的棋，不會有人認為他的是「正解」
03/11 23:18, 16F
推
03/11 23:28, , 17F
撇開勝負，看了兩局真的又感受到很多。期待剩下三場！
03/11 23:28, 17F
推
03/11 23:46, , 18F
ml是AI的一塊無誤 “學東西”本來就是“像人”的一個過
03/11 23:46, 18F
→
03/11 23:46, , 19F
程
03/11 23:46, 19F
推
03/11 23:55, , 20F
"學習"其實是"像生物" 不是"像人"
03/11 23:55, 20F
→
03/11 23:56, , 21F
生物還比較單純 人總是重蹈覆轍
03/11 23:56, 21F
→
03/12 00:00, , 22F
同樣的一步好棋，電腦是用龐大的資料源或是厲害的演算法
03/12 00:00, 22F
→
03/12 00:00, , 23F
下出來的;人只是靠直覺或是經驗的融合下出來的，那人類
03/12 00:00, 23F
→
03/12 00:00, , 24F
的思考不就超帥的嗎？更進一步的超越電腦，那就帥到掉
03/12 00:00, 24F
→
03/12 00:00, , 25F
渣了!這就是我充滿希望的原因!
03/12 00:00, 25F
推
03/12 00:12, , 26F
@nnlisalive 其實，這只是你沒發現生活中早有太多事情電腦
03/12 00:12, 26F
推
03/12 00:12, , 27F
雖然ML是AI的分支,不過此分支已經不管像不像人了
03/12 00:12, 27F
→
03/12 00:13, , 28F
打贏你，但又沒有注意到設計這些打贏你電腦的也是人
03/12 00:13, 28F
→
03/12 00:21, , 29F
類神經網路基本上是模仿腦神經的運作模式
03/12 00:21, 29F
→
03/12 00:21, , 30F
所以比傳統的AI更接近人類的思考模式
03/12 00:21, 30F
推
03/12 00:24, , 31F
樓上的說法其實並不完全正確，類神經網路一開始確實取材於
03/12 00:24, 31F
→
03/12 00:25, , 32F
神經細胞，然而後續的各種不同連接方式及上面的weight定義
03/12 00:25, 32F
→
03/12 00:26, , 33F
、運算方式就不完全是用人腦架構來延伸的了，說到頭來人腦
03/12 00:26, 33F
→
03/12 00:26, , 34F
的思考架構本身就並沒有被完全解明，要說類神經網路比較接
03/12 00:26, 34F
→
03/12 00:26, , 35F
近人腦思考方式還未必
03/12 00:26, 35F
→
03/12 00:27, , 36F
比較好的說法是，舊有演算法是從問題設定上去解問題，但類
03/12 00:27, 36F
→
03/12 00:28, , 37F
神經網路這些學習方法是在建立一個思考架構，然後把各種問
03/12 00:28, 37F
→
03/12 00:29, , 38F
題的相關資料都丟進去訓練看看最後出來的Model是不是真的
03/12 00:29, 38F
→
03/12 00:29, , 39F
能解那個問題
03/12 00:29, 39F
推
03/12 00:34, , 40F
感謝樓上的補充m(_ _)m
03/12 00:34, 40F
→
03/12 04:09, , 41F
人工智慧的發展，不是為了接近人吧，是為了找到更好的解決
03/12 04:09, 41F
→
03/12 04:12, , 42F
問題的方法，跟人像然後只有接近的程度那有意義嗎?
03/12 04:12, 42F
→
03/12 04:14, , 43F
重點不在電腦勝過人，而在有人(利用電腦)作出比人類傳統方
03/12 04:14, 43F
→
03/12 04:15, , 44F
法更有效率的解法而已
03/12 04:15, 44F
→
03/12 07:00, , 45F
沒有比人去判斷有效率，以量取勝
03/12 07:00, 45F
→
03/12 07:10, , 46F
以輸入量和輸出量來看
03/12 07:10, 46F
→
03/12 07:10, , 47F
效率是說跟棋手從小學棋比AI平行運算學習的時間效率
03/12 07:10, 47F
→
03/12 07:12, , 48F
還有練好之後放著可以自動執行的效率
03/12 07:12, 48F
‣ 更多 wisemisa 的文章
文章代碼(AID): #1MujfJ30 (GO)