推 zeat: 真猛@@ 07/14 17:02
推 aaaba: 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
推 MonkeyCL: 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
→ MonkeyCL: 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
推 ddavid: 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
→ ddavid: 圍棋軟體仍然還有發展空間 07/14 22:35
推 ddavid: 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
→ ddavid: 為了下棋嗎？當然是會有具價值的跑道可以轉換 07/14 22:39
推 ddavid: 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
→ ddavid: 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
推 MonkeyCL: 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
推 snowrain: 人類棋手終於沒有價值了 賀 07/15 02:31
推 yamiyodare: 人跑不贏車 但是還是很多人在跑步 07/15 09:12
→ yamiyodare: 人想跑得更快 要跟人學習而不是跟車學習 07/15 09:13
推 oldTim: Deep Learning在物理領域的應用現在也正熱門 07/15 09:41
→ oldTim: 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
→ oldTim: 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
→ oldTim: 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
→ aaaba: 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
→ aaaba: 利用越野機車先場勘一下的概念 07/15 10:18
→ ggoutoutder: 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
→ ggoutoutder: 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
推 oldTim: 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
→ oldTim: 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
推 ddavid: 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
→ ddavid: 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
推 lwei781: 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
→ lwei781: 然後銀行操盤手這種的 07/16 17:04
→ wadashi1: 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
→ wadashi1: 當!要形容也是要用思考學習的活動來形容AlphaGo 07/17 15:06
→ wadashi1: 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
→ wadashi1: 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
→ wadashi1: 可以帶給世界很大的進步! 07/17 15:14
推 ddavid: 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
→ ddavid: 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
→ ddavid: 估準確的問題是無法直接使用的。 07/18 15:19
→ wadashi1: 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
→ wadashi1: 暢許多,翻譯出來的東西比以前像人話多了! 07/18 20:32
→ wadashi1: 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
→ aaaba: 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
→ aaaba: 相同的技術了 07/18 21:22
→ wadashi1: 好吧!那就算是google自己誇大自己吧!我是信了! 07/18 21:38
→ wadashi1: google查詢"google 宣稱 Alphago 翻譯" 07/18 21:42
推 ddavid: 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
推 ddavid: 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
→ ddavid: 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
→ ddavid: 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
→ ddavid: 不代表什麼都是拿AlphaGo轉去解 07/19 00:11
推 ztdxqa: 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
→ wadashi1: 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
→ wadashi1: 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
→ wadashi1: 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
→ wadashi1: 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
→ wadashi1: 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
→ wadashi1: 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
推 ztdxqa: 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
→ ztdxqa: training sample 07/19 14:27
推 ddavid: 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
→ ddavid: 法評估，根本不可能採取AlphaGo式作法 07/19 19:05
→ wadashi1: 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
→ wadashi1: 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
→ wadashi1: 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
→ wadashi1: 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
→ wadashi1: 也是它資料的來源! 07/19 20:17
推 ddavid: 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
→ ddavid: 生資料的部分是完全不能用的啦XD 07/21 00:51