本篇文章3584字,读完约9分钟

创业【科技在线】

创新工场会长李开复就阿尔法go和李世石的人机战争发表了自己的意见。 他认为四个月前的阿尔法go几乎不可能打败李世石,但这四个月阿尔法go进步了不少,比赛应该很精彩。 但是,不管这次的结果如何,机器在1-2年内一定会完胜人类。 战胜人类之后呢? 可以制造通用的大脑吗? 意味着机器能思考吗? 机器无法超越人类的问题是什么?

以下是阿尔法go为了李开复能战胜李世石吗? 知道的回答原文:

直接回答这个问题,然后分解alpha go和人工智能的未来。 我认为阿尔法go在这次比赛中打败李世石是比较悬的,1-2年内必然会完胜人类。

根据二者的elo (围棋等级),可以计算出年末阿尔法go打败李世石的概率相当低。 你是怎么计算出来的? alpha go去年末的分布式版本的elo为3168 (见下图),李世石的elo约为3532 ) (见世界围棋棋手的elo: go ratings,下方的第二张图)。



这两个级别的两名棋手对战后,李世石每局的胜算为89%

公式为: how to guide:convertingelodifferencestowinningprobabilities:chess链接地址: Reddit/r/chess/comments/2y6ezm/how (当然,根据原10月的阿尔法go,只有1.1%,但是现在既然有了很大的进步,就不一样了。 今天可能已经超过了。 请参照以下第3点。

阿尔法go不是打败了欧洲吗? 有些人认为挑战世界是有希望的,因为阿尔法go在去年年底击败了欧洲樊麾。 但樊麿是职业二段( elo 3000左右),李世石是职业九段) elo 3532 )。 这两个人的区别巨大,完全不能混淆。 比如,乒乓球打败非洲并不代表他能挑战中国。

阿尔法go在这几个月取得了飞跃,能打败李世石吗? 阿尔法go的负责人说:“外界不知道我们这几个月取得了非常大的进步。 (来自geek wire// alpha谷歌地球-室内-室内-室内-地图/。 这确实有可能。 阿尔法go进步的做法有两种。 (一)增加硬件。 从nature的副本可以看出,从1202个cpu到1920个cpu,alpha go的elo只增加了28个。 而且,如果直线增加cpu,就看不到直线的elo的成长。 要达到364 elo点的上升,所需的cpu将是天文数字。 (一份副本估计至少需要10万个cpu。 miles brundage /博客-后期/苹果进度)。 当然,谷歌有机器,但如果纯粹添加机器,并行计算会遇到相互协调的瓶颈。 也就是说,假设有10万台机器,它们的总计算能力很高,但相互之间的协调会成为瓶颈。 在几个月内增加两位数的cpu来调整算法,降低瓶颈应该不容易。 (2)追加学习功能) alpha go有基于高级棋手棋谱的学习、自我对战、自我学习两种学习功能。 前者已经采用了16万次高手比赛,后者也在一个巨大的单元内训练了8天。 在这方面一定会有进步,但要超越世界可能并不容易。 之后,让我们考虑其他的解体方法。 从过去深蓝击败世界的成长过程来看,深蓝约在1993年达到大师级水平,4年后在6场比赛中击败了世界(提高了约500elo积分)。 今天的阿尔法go应该和1993年的深蓝相似,刚刚进入职业大师的水平。 要打败世界,不需要四年的时间,但几个月似乎是不够的。

以上未被考虑的因素有什么,alpha go会赢吗? 如果谷歌没有刻意与樊麾抗衡,或者在其他学习和并行计算方面超过了nature的叙述,那么alpha go获胜的可能性就很大。

我有新消息。 李世石预料自己会大获全胜。 不是5-0也不是4-1。 他的目标是达到5:0,一盘也不输。 阿尔法go的负责人认为,这四个月取得了非常大的进步,因此有50%的概率可以战胜李世石。 )

既然写了这么多,我就对这个主题再谈一些意见:

阿尔法go是什么? 在今年1月的“全国”( Nature/Nature/Journal/v 529/n 7587/full/Nature 16961 )上,它是围棋优化设计的周密深入学习引擎, 采用神经网络和mcts )。该系统比以前的围棋系统提高了近1000分的elo,剩下的5级上升到打败职业2级的水平,超过了前人对围棋行业的预测,达到了人工智能行业的一个里程碑。

阿尔法go是科学的创新突破吗? 阿尔法go是一个精密设计的卓越工程,达到了历史性的行业里程碑。 但是,nature拷贝没有新的发明。 alpha go的优点是集成了不同的机器学习技术。 例如reinforcement learning、deep neural network、policy+Valicy mcts的整合可以说是创新)、棋谱学习和自我学习的整合、非常可扩展的架构( Google的计算资源, 这个项目不仅有世界机器学习技术,还有非常高效的代码,把谷歌世界宏伟的计算资源一一发挥出来(不仅仅是比赛录取,在训练alpha go时也同样重要)。

alpha go的飞跃增长表现在:1) 15-20名世界计算机科学家和机器学习专家(这是围棋行业少有的豪华团队。 你可能觉得这没什么大不了的,但请考虑这类专家的稀缺性)2)前述的技术、创新、集成、优化。 3 )全球大型谷歌后台计算平台由供应团队采用,4 )整合cpu+gpu的计算能力。

因为alpha go是通用的大脑,所以可以在任何行业使用吗? alpha go中深度学习、神经网络、mcts和alpha go的扩展能力计算能力是通用技术。 阿尔法go的成功还验证了这些技术的扩展性。 但是,alpha go实际上做了相当多的围棋行业优化; 除了上述系统调整·整合以外,其中也有通过人工设定进行调整的参数。 alphago的团队在nature上也表示,alphago不是完全的自我对战端到端的学习(就像以前同一个团队制作atari ai,使用端到端,在没有人工干预的情况下玩电动游戏一样) 如果alpha go今天要进入新的应用行业,那么应该能够使用alpha go的基础技术和alpha go的团队,迅速有效地开发处理方案。 这就是阿尔法go真正优于深蓝的地方。 但是,上述开发也需要相当长的时间,同时需要世界上非常稀有的深度计算科学家(目前年待遇行情达到250万美元)。 。 因此,alpha go还不能说是通用技术平台,并不是工程师可以调动采用api,距离还很远。

如果这次阿尔法go没有打败李世石,还需要多长时间? ibm深蓝从进入主场水平到在比赛中击败世界花了4年的时间。 阿尔法戈应该比深蓝更快地提升自己。 因为深蓝需要新版本的硬件,以及与kasparov进行比较的人工调整优化,alpha go是基于谷歌的硬件计算平台,以及比较通用的深度学习算法。 所以,预想几个月太短了,四年太长了,1-2年的时间吧。

从国际象棋到围棋,到底是一个重大的突破吗? 确实,在这个文案中,(在国际象棋行业,电脑已经能战胜人脑,但围棋行业的电脑还差多少? 链接: zhihu/question/21714457 ),最初的回答者分析了围棋的多和杂,但国际象棋只有它。 1997年深蓝打败世界时,深蓝采用人工调整的判断函数,认为通过特殊设计的硬件和暴力探索( brute-force )征服了国际象棋类的多而杂,但围棋探索太广)是顺手的选择。 机器学习+并行计算+大量的数据,能够克服这些数字上的难题,至少足以超越这些难题的人。

阿尔法go打败了世界,是说计算机超过了人脑吗? 还是可以考虑一下?

我的回答是:

在逻辑上可以推测的问题上,机器试图把人类远远抛在后面。 机器的速度越来越快,学习能力进一步加强,数据会更多。 当时,大家都在争论国际象棋输给机器没什么大不了的。 围棋才是真正的智慧。 只是我们人类维护自己的尊严,但不现实。 今天,我们必须面对现实!

在大数据+机器学习+大并行计算的时代,可以看到在预测、分解、推荐等方面创造巨大商业价值和客户价值的无数商机和产品。 但是,这些处理方案和人类相比,其实意义不大。 因为人的差距太远了。 (例如,推荐引擎可以推荐你可能会买的产品、想吃的料理、想认知的人。 自动交易可以获得更高的投资收益率和风险比率)。

在感知方面,人类也被机器超越。 今天的语音识别、脸部识别、未来的自动驾驶,都是例子。

但是,对于任何科幻电影的粉丝们来说,这些还是冰冷的技术,机器人会人性化吗? 这还不清楚。 毕竟,在感情、喜怒哀乐、七情六欲、人文艺术、美与爱、价值观等方面,机器离人还很远,甚至连基础都没有。 对人工智能的研究者来说,这是下一个挑战。 对于我们人类来说,让右脑迅速发展直到下一个突破吧。

来源:广州新闻直播

标题:“李开复:AlphaGo 若打败了世界冠军,意味着什么?”

地址:http://www.kdk5.com/gdxw/32492.html