看板 GO 關於我們 聯絡資訊
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
NaoGaTsu: 同感 03/11 22:51
nnlisalive: 還是不能接受一堆布林運算的組合能打贏人類 > <.. 03/11 22:52
billy0131: 推~ 03/11 22:52
nnlisalive: 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
bxxl: 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
nnlisalive: 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
bxxl: 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
NaoGaTsu: 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
wukevinboy: 有點羨慕你 03/11 22:58
smallyuki: 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
smallyuki: 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
zelkova: 看小李休息一天會不會正常發揮 03/11 23:00
smallyuki: 但終究獲益的是圍棋本身 03/11 23:00
pikachu2421: machine learning是AI的研究領域之一啊... 03/11 23:01
lwei781: 空中戰 在吳和武宮之後 又可以獲得大進展? 03/11 23:10
sck921: 問題是,天才棋士的棋,不會有人認為他的是「正解」 03/11 23:18
jameschiou: 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
KenshinCS: 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
KenshinCS: 程 03/11 23:46
blackwindy: "學習"其實是"像生物" 不是"像人" 03/11 23:55
blackwindy: 生物還比較單純 人總是重蹈覆轍 03/11 23:56
wisemisa: 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
wisemisa: 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
wisemisa: 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
wisemisa: 渣了!這就是我充滿希望的原因! 03/12 00:00
ddavid: @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
bxxl: 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
ddavid: 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
pikachu2421: 類神經網路基本上是模仿腦神經的運作模式 03/12 00:21
pikachu2421: 所以比傳統的AI更接近人類的思考模式 03/12 00:21
ddavid: 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
ddavid: 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
ddavid: 、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
ddavid: 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
ddavid: 近人腦思考方式還未必 03/12 00:26
ddavid: 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
ddavid: 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
ddavid: 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
ddavid: 能解那個問題 03/12 00:29
pikachu2421: 感謝樓上的補充m(_ _)m 03/12 00:34
ssccg: 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
ssccg: 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
ssccg: 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
ssccg: 法更有效率的解法而已 03/12 04:15
fgkor123: 沒有比人去判斷有效率,以量取勝 03/12 07:00
fgkor123: 以輸入量和輸出量來看 03/12 07:10
ssccg: 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
ssccg: 還有練好之後放著可以自動執行的效率 03/12 07:12