第三戰前的小心得 - 圍棋

Table of Contents


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!

--

All Comments

Madame avatarMadame2016-03-12
同感
Elvira avatarElvira2016-03-14
還是不能接受一堆布林運算的組合能打贏人類 > <..
Ophelia avatarOphelia2016-03-19
推~
Todd Johnson avatarTodd Johnson2016-03-24
難道我們自以為在思考 其實只是執行很多次簡單的邏輯
Andy avatarAndy2016-03-24
這東西與其說是人工智慧(AI),不如說是機器學習(ML)
David avatarDavid2016-03-28
運算罷了 李捍衛的不只是圍棋 而是人類思考的本質阿
Catherine avatarCatherine2016-03-30
AI的目標才是變得像人, ML的目標是有效率的達成任務
Mason avatarMason2016-04-01
人類本就是不完全理性的生物啊…思考品質說實在不太好
Gilbert avatarGilbert2016-04-01
有點羨慕你
Regina avatarRegina2016-04-03
是啊,其實把狗狗當成是怪異的天才棋士就好了,給人類
Emma avatarEmma2016-04-04
提供了新理解和新天地,或許棋壇棋士會覺得自尊受損,
Belly avatarBelly2016-04-05
看小李休息一天會不會正常發揮
Linda avatarLinda2016-04-05
但終究獲益的是圍棋本身
Margaret avatarMargaret2016-04-05
machine learning是AI的研究領域之一啊...
Rebecca avatarRebecca2016-04-07
空中戰 在吳和武宮之後 又可以獲得大進展?
Anonymous avatarAnonymous2016-04-08
問題是,天才棋士的棋,不會有人認為他的是「正解」
Charlie avatarCharlie2016-04-11
撇開勝負,看了兩局真的又感受到很多。期待剩下三場!
Erin avatarErin2016-04-16
ml是AI的一塊無誤 “學東西”本來就是“像人”的一個過
Michael avatarMichael2016-04-19
"學習"其實是"像生物" 不是"像人"
Daph Bay avatarDaph Bay2016-04-22
生物還比較單純 人總是重蹈覆轍
Olga avatarOlga2016-04-23
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
下出來的;人只是靠直覺或是經驗的融合下出來的,那人類
的思考不就超帥的嗎?更進一步的超越電腦,那就帥到掉
渣了!這就是我充滿希望的原因!
Delia avatarDelia2016-04-25
@nnlisalive 其實,這只是你沒發現生活中早有太多事情電腦
Todd Johnson avatarTodd Johnson2016-04-29
雖然ML是AI的分支,不過此分支已經不管像不像人了
Freda avatarFreda2016-04-30
打贏你,但又沒有注意到設計這些打贏你電腦的也是人
Jacob avatarJacob2016-05-04
類神經網路基本上是模仿腦神經的運作模式
所以比傳統的AI更接近人類的思考模式
Megan avatarMegan2016-05-05
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
Jake avatarJake2016-05-09
神經細胞,然而後續的各種不同連接方式及上面的weight定義
Emily avatarEmily2016-05-12
、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
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
近人腦思考方式還未必
Linda avatarLinda2016-05-15
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
Lydia avatarLydia2016-05-17
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
Madame avatarMadame2016-05-18
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
能解那個問題
Eartha avatarEartha2016-05-21
感謝樓上的補充m(_ _)m
Robert avatarRobert2016-05-24
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
Hedda avatarHedda2016-05-27
問題的方法,跟人像然後只有接近的程度那有意義嗎?
Wallis avatarWallis2016-05-30
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
Selena avatarSelena2016-05-31
法更有效率的解法而已
Suhail Hany avatarSuhail Hany2016-06-01
沒有比人去判斷有效率,以量取勝
Gilbert avatarGilbert2016-06-04
以輸入量和輸出量來看
Oliver avatarOliver2016-06-09
效率是說跟棋手從小學棋比AI平行運算學習的時間效率
Dinah avatarDinah2016-06-10
還有練好之後放著可以自動執行的效率