[新聞] 台版AlphaGo！交大人工智慧CGI 二度擊敗紅面棋王

看板GO作者 (追尋永遠)時間7年前 (2017/07/14 16:56), 7年前編輯推噓20(20推 0噓 51→)
留言71則, 11人參與, 最新討論串1/1
http://news.ltn.com.tw/news/life/breakingnews/2131034 台版AlphaGo！交大人工智慧CGI 二度擊敗紅面棋王 ［記者洪美秀／新竹報導］Google DeepMind發展的AlphaGo程式，打敗世界一流的李世石 棋士、世界排名第一的柯潔，震撼全球。但交大資訊工程系吳毅成教授團隊所發展的CGI 程式12日在義大利國際IEEE FUZZ會議舉辦的人機圍棋賽中，CGI與紅面棋王周俊勳對弈兩 場都贏，是全世界第一次學界圍棋程式在正式比賽場合，擊敗職業九段棋士。 交大教授吳毅成說，CGI程式最近的表現讓人驚訝，6月中在中國福州舉辦的中韓台人機配 對賽，初試啼聲就獲得冠軍；與美女棋士黑嘉嘉的配對組，更戰勝韓國獲數10次世界冠軍 頭銜李昌鎬九段的配對組、中國第一位獲得世界冠軍頭銜馬曉春9段的配對組。 吳毅成表示，2年前發展圍棋程式時，也是在IEEE國際會議所舉辦的人機圍棋賽中，紅面 棋王周俊勳讓6子，CGI程式還輸棋。AlphaGo程式的出現，也激起團隊鬥志，並經過改良 後首次挑戰這次比賽。 吳毅成說，目前CGI程式仍與AlphaGo有一大段差距，未來會持續爭取計算資源，來彌補資 源不足問題，CGI程式是完全台灣本土發展的程式，樂見與台灣職業棋士多交流，提升程 式與棋士的棋力。 除研發人工智慧遊戲，吳毅成教授團隊也與業界單位合作，他表示發展圍棋程式的技術， 確實對許多業界應用問題有相當大的助益，希望藉此對提升台灣的人工智慧技術有所助益 。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 218.187.131.131 ※ 文章網址: https://www.ptt.cc/bbs/GO/M.1500022586.A.901.html ※ 編輯: Rueyh (218.187.131.131), 07/14/2017 16:57:02
推
07/14 17:02, , 1F
真猛@@
07/14 17:02, 1F
推
07/14 17:13, , 2F
台灣棋院到底有沒有提出合作了？還是只在fb講講
07/14 17:13, 2F
推
07/14 17:15, , 3F
不曉得最後面說的 發展圍棋軟體對業界的幫助像是哪些
07/14 17:15, 3F
→
07/14 17:16, , 4F
不然AlphaGo一出，就是宣判研發圍棋軟體的路走到盡頭了
07/14 17:16, 4F
推
07/14 22:34, , 5F
沒走到盡頭啊，AlphaGo目前是無法普及化的狀態，可普及的
07/14 22:34, 5F
→
07/14 22:35, , 6F
圍棋軟體仍然還有發展空間
07/14 22:35, 6F
推
07/14 22:38, , 7F
至於業界合作，你只要想Google沒事搞個AlphaGo出來難道只
07/14 22:38, 7F
→
07/14 22:39, , 8F
為了下棋嗎？當然是會有具價值的跑道可以轉換
07/14 22:39, 8F
推
07/14 22:46, , 9F
反正就是一種機器學習的技術啊，只要能拿到足夠學習的資料
07/14 22:46, 9F
→
07/14 22:47, , 10F
以及同樣列得出不錯的評估函數，都是可以轉過去嘗試解
07/14 22:47, 10F
推
07/14 22:54, , 11F
說是這麼說 不過就是很難想像，所以才會很好奇XD
07/14 22:54, 11F
推
07/15 02:31, , 12F
人類棋手終於沒有價值了 賀
07/15 02:31, 12F
推
07/15 09:12, , 13F
人跑不贏車 但是還是很多人在跑步
07/15 09:12, 13F
→
07/15 09:13, , 14F
人想跑得更快 要跟人學習而不是跟車學習
07/15 09:13, 14F
推
07/15 09:41, , 15F
Deep Learning在物理領域的應用現在也正熱門
07/15 09:41, 15F
→
07/15 09:43, , 16F
用來算各種凝態方程式來找新材料、用來取代人做過去很難
07/15 09:43, 16F
→
07/15 09:46, , 17F
重現的實驗(例如玻色愛因斯坦態)，過去人依靠大量練習後
07/15 09:46, 17F
→
07/15 09:48, , 18F
才能擁有屬於專家的直覺或手感現在都有被取代的可能
07/15 09:48, 18F
→
07/15 10:18, , 19F
如果要用跑步的例子，我想應該是極限馬拉松之前，選手可以
07/15 10:18, 19F
→
07/15 10:18, , 20F
利用越野機車先場勘一下的概念
07/15 10:18, 20F
→
07/15 11:38, , 21F
怎麼取代 人還是下人的比賽 機器當工具用 怎麼個取代
07/15 11:38, 21F
→
07/15 11:38, , 22F
人類可以不讓機器參加人類的比賽 有什麼好擔心的
07/15 11:38, 22F
推
07/15 13:09, , 23F
只是在舉些深度學習可轉換跑道的例子，別那麼緊張
07/15 13:09, 23F
→
07/15 13:10, , 24F
這波AI浪潮最該緊張的恐怕是entry-level的白領、工程師了
07/15 13:10, 24F
推
07/15 20:28, , 25F
賽事性質的東西反而相對不用擔心被取代，比賽就是要看人對
07/15 20:28, 25F
→
07/15 20:29, , 26F
抗。要擔心的都是工程跟商業上造成人事成本的部分
07/15 20:29, 26F
推
07/16 17:03, , 27F
其實很多需要經驗的工可能可以用， 像危險的水下焊接
07/16 17:03, 27F
→
07/16 17:04, , 28F
然後銀行操盤手這種的
07/16 17:04, 28F
→
07/17 15:05, , 29F
AG是透過深度學習圍棋才會這麼強,用跑車來形容實在不恰
07/17 15:05, 29F
→
07/17 15:06, , 30F
當!要形容也是要用思考學習的活動來形容AlphaGo
07/17 15:06, 30F
→
07/17 15:12, , 31F
圍棋每一步的選擇很多,整盤下來的選擇比宇宙的原子還多
07/17 15:12, 31F
→
07/17 15:13, , 32F
如果在其他的領域,可以應用上這種智慧選擇的技巧,那真的
07/17 15:13, 32F
→
07/17 15:14, , 33F
可以帶給世界很大的進步!
07/17 15:14, 33F
推
07/18 15:18, , 34F
AlphaGo的技術不是所有智慧思考的項目都適用，不要在不夠
07/18 15:18, 34F
→
07/18 15:18, , 35F
了解的情況下過度神化了，沒有過去資料也無法自我模擬並評
07/18 15:18, 35F
→
07/18 15:19, , 36F
估準確的問題是無法直接使用的。
07/18 15:19, 36F
→
07/18 20:31, , 37F
https://goo.gl/TJHeTN Google翻譯去年9月開始導入類神
07/18 20:31, 37F
→
07/18 20:31, , 38F
經元網路,太久沒去使用,剛剛試了一下英翻中,句子真的順
07/18 20:31, 38F
→
07/18 20:32, , 39F
暢許多,翻譯出來的東西比以前像人話多了!
07/18 20:32, 39F
→
07/18 20:49, , 40F
試了一下翻譯Deepmind的網頁,專有名詞,人名還是沒有翻好
07/18 20:49, 40F
→
07/18 21:08, , 41F
https://goo.gl/WvKt3j 這有說Google翻譯將用到AG的技術
07/18 21:08, 41F
→
07/18 21:22, , 42F
有用NN就算嗎？這樣百分之八十以上的智慧系統都可說跟AG有
07/18 21:22, 42F
→
07/18 21:22, , 43F
相同的技術了
07/18 21:22, 43F
→
07/18 21:38, , 44F
好吧!那就算是google自己誇大自己吧!我是信了!
07/18 21:38, 44F
→
07/18 21:42, , 45F
google查詢"google 宣稱 Alphago 翻譯"
07/18 21:42, 45F
推
07/19 00:03, , 46F
樓上，那寫新聞的自己想耍噱頭亂下標題你也信XD
07/19 00:03, 46F
→
07/19 00:03, , 47F
07/19 00:03, 47F
推
07/19 00:08, , 48F
那是一個獨立專案，基本上不是AlphaGo的轉移技術，事實上
07/19 00:08, 48F
→
07/19 00:10, , 49F
問題架構不一樣，不是神經網路就全是同一個東西拿來萬解的
07/19 00:10, 49F
→
07/19 00:11, , 50F
他們當然會想到用各種神經網路去解之前不好解的問題，但這
07/19 00:11, 50F
→
07/19 00:11, , 51F
不代表什麼都是拿AlphaGo轉去解
07/19 00:11, 51F
推
07/19 12:28, , 52F
這樣說的話幾十年前郵局認手寫數字 就已經用AlphaGo技術囉
07/19 12:28, 52F
→
07/19 12:34, , 53F
所以,Google翻譯也是自己每天在自己翻譯除錯學習,每天在
07/19 12:34, 53F
→
07/19 12:34, , 54F
不斷的嘗試不同的組合翻譯,不斷的自我進步,跟AG有像!
07/19 12:34, 54F
→
07/19 12:39, , 55F
至於只單純文字辨識,跟機器自己組合詞句順序,除錯,加詞
07/19 12:39, 55F
→
07/19 12:40, , 56F
然後合出一個句子,不斷的練習,這應該是不同的事情了!
07/19 12:40, 56F
→
07/19 12:45, , 57F
感覺不相信Google翻譯會自我學習成長的還很多,就像當年
07/19 12:45, 57F
→
07/19 12:45, , 58F
不相信AlphaGo會自我學習成長到連世界冠軍都不能擊敗他.
07/19 12:45, 58F
推
07/19 14:25, , 59F
我對NLP比較不了解 但我不認為Google翻譯會自己生成
07/19 14:25, 59F
→
07/19 14:27, , 60F
training sample
07/19 14:27, 60F
→
07/19 18:59, , 61F
說明會
07/19 18:59, 61F
推
07/19 19:05, , 62F
Google翻譯用的資料應該都還是選出來的語料，自己產生又沒
07/19 19:05, 62F
→
07/19 19:05, , 63F
法評估，根本不可能採取AlphaGo式作法
07/19 19:05, 63F
→
07/19 20:12, , 64F
資料庫裡面沒有的當然沒辦法,選擇題當然要有項目可以選
07/19 20:12, 64F
→
07/19 20:13, , 65F
英翻中或者中翻英字典裡有的內容,就是可以拿出來的選擇
07/19 20:13, 65F
→
07/19 20:13, , 66F
而導師可以是所有的使用者,每個人都可以提出修改的建議!
07/19 20:13, 66F
→
07/19 20:16, , 67F
07/19 20:16, 67F
→
07/19 20:17, , 68F
google翻譯之後,每個人都可以在右下角提出修改的建議,這
07/19 20:17, 68F
→
07/19 20:17, , 69F
也是它資料的來源!
07/19 20:17, 69F
推
07/21 00:51, , 70F
不是在跟你說這個部分，是說AlphaGo那一塊自我對局自行產
07/21 00:51, 70F
→
07/21 00:51, , 71F
生資料的部分是完全不能用的啦XD
07/21 00:51, 71F
‣ 更多 Rueyh 的文章
文章代碼(AID): #1PQ8Swa1 (GO)