→ ykes60513: 不對 AlphaGO沒做到 它的思考方式跟人類完全不同 05/22 15:35
推 tomzakeru: 請問後來有人知道alphaGo是怎麼思考的嬤 05/22 15:36
推 fragmentwing: 所以我提議打一代，因為不會有蟲族刷一排蟑螂apm破1 05/22 15:36
→ fragmentwing: 500這種事 05/22 15:36
→ fragmentwing: 不然反而變成對阿法狗不利 05/22 15:36
推 win4104: 重點一直都不在輸贏 這是個開發AI的實驗 05/22 15:37
→ win4104: 資源不對等 這個實驗就沒有意義了 05/22 15:37
→ win4104: 就像你希望AI學習怎麼跑步可以跑贏人類 05/22 15:38
→ win4104: 結果你給他車開 那他還學什麼 油門踩了就贏了 05/22 15:38
推 loliconOji: 有道理 還蠻期待到底會怎麼打 05/22 15:38
推 smart0eddie: 教會AI開車也是成就了 05/22 15:39
→ ykes60513: AlphaGO那種全局勝率人類根本計算不來 只能模仿棋步 05/22 15:39
→ smart0eddie: 他們是想實驗怎麼教AI自己去學 05/22 15:39
→ smart0eddie: alpha go偏人類思維啊 05/22 15:41
→ smart0eddie: 依據經驗刪除比較不可能的展開 05/22 15:41
→ smart0eddie: 去模擬其他展開 05/22 15:41
→ smart0eddie: 只是他一次看整張圖 05/22 15:41
→ smart0eddie: 人腦容量沒這麼大 05/22 15:41
→ ykes60513: 不只全局跟細部的分別 AlphaGO算勝率人類算目 這也不同 05/22 15:43
→ QBian: 要限制眼力啊姆咪 05/22 15:44
推 weltschmerz: 姆咪眼睛會變愛心 視線是不是也會變很奇怪啊= = 05/22 15:44
推 smart0eddie: 完美姆咪世界 05/22 15:45
→ ykes60513: 人類算不到那麼細 只能去追求目數 但AlphaGO可以 05/22 15:45
→ QBian: 還有記憶力也要限 有時候埋地毒爆會被遺忘QQ 05/22 15:46
→ smart0eddie: 所有的指令最後都會附加姆咪 姆咪 05/22 15:46
→ ykes60513: QB快去裝星海 05/22 15:46
→ QBian: 上次重灌刪掉了啦姆咪 05/22 15:47
→ ykes60513: 虧你還是前版主 竟然把星海刪掉了 欠燒!!! 05/22 15:51
推 driftingjong: alphago只是神經卷積網路會去挑一些高機率出現的分 05/22 15:58
→ driftingjong: 支 但是並非直線邏輯的思考 跟人類還是不一樣的 05/22 15:58
推 cybermeow: 重要的不是背後的運作像人類 而是行為模式像人類吧 05/22 16:03
→ cybermeow: 反正最後也只是從外部做觀察 AI本身是模擬人腦還是有 05/22 16:05
→ cybermeow: 自己一套運作模式不見得很重要 05/22 16:05
→ ykes60513: 如果背後運作不像人類 代表人類沒法照那方法進步啊 05/22 16:05
推 wohtp: 也沒人真的知道人類腦袋是怎麼運轉的 05/22 16:11
→ wohtp: 現在的目標只要外在行為有像就很了不起了 05/22 16:12
推 cybermeow: 目前有一派人只是想做AI 所以人類能不能進步不是重點 05/22 16:14
→ cybermeow: 另一派以電腦作為理解人腦的工具 演算法上是以建立 05/22 16:14
→ cybermeow: 實際可能的模型為目標 05/22 16:14
→ wohtp: 然後決定「好或不好」(相對於「對或不對」)一直是人腦比電 05/22 16:14
→ wohtp: 腦強的地方 05/22 16:14
推 seaEPC: 重不重要看是對誰,對我們這種旁邊喊燒的或許是只看結果 05/22 16:14
→ seaEPC: 對開發者來說背後運作的原理就很重要了,deep mind丟論文 05/22 16:15
→ seaEPC: 出來馬上啟發一堆團隊用類似方法生出棋力強勁的新軟體 05/22 16:16
→ seaEPC: 對棋手(或將來其他領域的選手)來說,參考AI用不是人類的另 05/22 16:17
推 cybermeow: 不過deep mind跟人腦模型有一段差距 雖然都是類神經出 05/22 16:17
→ cybermeow: 來 05/22 16:17
→ seaEPC: 一種方式去判讀,也是會有很大的啟發,自李世石那五盤以來 05/22 16:17
推 Zeroyeu: apm真的不是重點，會戰直接計算對手速度*0.5-0.8調整就好 05/22 16:18
→ seaEPC: 圍棋界看報導也是吹起各種新風潮 05/22 16:18
→ cybermeow: 真正偏生物向的至少要考慮每個神經元的firing rate或sp 05/22 16:18
→ cybermeow: ike train. 還有一個假說是用離子層級在存訊息 感覺 05/22 16:18
→ cybermeow: 很複雜 05/22 16:18
→ seaEPC: 外行看熱鬧,內行看門道 05/22 16:19
→ WindSucker: 4 05/22 16:24
推 codebreaker: 4 05/22 16:33
→ satheni: 人工知能其實就是最佳化選擇... 05/22 17:00
→ satheni: 先把概況算出來，走哪一步他接下來會贏的結果是最多的 05/22 17:00
推 arrenwu: 去了解一下 ANN 的結構，應該就不會說是模仿人類思考了 05/22 17:03
推 MikiSayaka: ANN 的內部結構就很難搞了, DNN/CNN 應該是沒救 05/22 17:11
→ MikiSayaka: 現狀是弄個兩三層就很難知道裡面在幹嘛了... 05/22 17:13
→ MikiSayaka: 那些弄十幾二十層以上的應該遠超過人類理解範圍 05/22 17:13
推 arrenwu: 有 universal approximation theorem 就好啦 05/22 17:14
→ arrenwu: 現在連學界的人都幾乎放棄理論研究了 05/22 17:14
→ MikiSayaka: 像有一些 RNN 都不知道是參考過人腦機制還是憑空想的 05/22 17:18
推 eva991: alphago是根據他龐大的經驗資料庫去做廣度跟深度的“搜尋 05/22 18:13
→ eva991: ” 05/22 18:13
→ eva991: 要類人腦的話類神經網路會比較像，只是不適合拿來下棋 05/22 18:13
→ ACMANIAC: AlphaGo 就是用類神經網路...... 05/22 20:14
推 eva991: 重查了一下...我錯了QQ 05/22 20:55