黃士傑返台分享AlphaGo Zero開發過程 - 圍棋

Table of Contents

我簡單說,現在做 AI 有一個基本問題,就是這些模型和算法並沒有
充分的學理支撐。只是大家用各自的靈光一閃,嘗試可能解決問題的
方法,如果結果好就可以發論文。

這是純屬工程優化的東西,在許多前沿的技術發展中都存在的現象:
理論落後於實踐。

所以只要沒有直接拿圍棋知識寫到程式中或輸入資料,就算沒有明確
說明,但多數人會相信,運用圍棋知識,甚至人類知識來改進模型或
算法的情況並不存在,因為大家都做不到。

這是一個有錢任性的領域,這是一個比拚人品、比拚天才靈光一閃的
領域,事後要怎麼說都有理由,實際上就是研究人員想怎麼試看看,
就怎麼試看看的,能讓研究人員隨便想隨便試的環境,才是最難得的
地方。

現代科學有很大的程度,就是這樣進步的。

要是 Deepmind 可以做到通過圍棋知識來改進模型,那麼大家都不用
搞 AI 了,趕快買進 Google 股票就好了。


--

All Comments

Madame avatarMadame2017-11-12
深度學習本來就是個黑盒子,是TPU和GPU的進化讓其實用
化了,這只是個開始,圍棋被攻克了,但類神經網路有無
限可能
Olivia avatarOlivia2017-11-13
無限可能這個還遠呢... 嚴格來說現在的進步還是硬體進步 跟
小明說的一樣 現在的方式還是靈光一閃式的 這個黑盒子本質
上能不能work別說沒有理論支撐 還可以找得到一些反例, GAN
Charlie avatarCharlie2017-11-17
就是最近常被攻擊的一種XD
Una avatarUna2017-11-20
GAN結果真的常讓人啼笑皆非
Carolina Franco avatarCarolina Franco2017-11-25
查了一下GAN......,但個人還是對深度學習保持樂觀
Rosalind avatarRosalind2017-11-29
最近有一篇GAN生成人臉的paper很令人振奮啊 成功訓練起來
Steve avatarSteve2017-12-02
且結果很不錯 可以用來擴展人臉數據集 記得是nvidia發的
Daph Bay avatarDaph Bay2017-12-04
Carol avatarCarol2017-12-08
是大神 拜一下XD
Dora avatarDora2017-12-13
GAN最近超紅的 結果也不差啊 還滿讓人驚豔的
問題在常常會training不出來的樣子