李世石和谷歌 AlphaGo 的围棋五番棋,我认为李世石会赢,并且一旦赢,谷歌电脑会输的一败涂地。

2016-02-22 20:26:38 +08:00
 jamiesun
也许谷歌的计算集群群殴能力比起十年前实现了“指数级增长”,但“思考能力”远不能与人类天才相比。即使谷歌将古今往来所有棋谱收集分析,仍然不过沧海一栗。超一流棋手永远不会下出重复的棋路。

除了大数据分析棋谱,定式拆解,还能有什么好的突破口,另外谷歌 AlphaGo 的设计者有没有具备职业 9 段的高手呢,计算只是围棋的一种,而势这种感性的东西计算机能懂吗,还是觉得计算能力牛逼了,根本不用懂。

在一些局部计算,比如收官之类,计算机或许有优势,抓住人类错误或许有机会,比如三四流的欧洲职业选手,但是面对李世石这样的超一流棋手是很难有这种机会的。

难以猜测计算机在面对“取”与“舍”时将是如何的选择,如何应对各种陷阱,如何应对“万劫不复”。

谷歌在人工智能上投入这么多年,借围棋对弈来检验,确实妙哉。

好吧,我就坐等李世石打 AlphaGo 的脸。
5790 次点击
所在节点    AlphaGo
83 条回复
bigtan
2016-02-22 20:31:26 +08:00
竞猜一下,李世石艰难的赢下比赛,不会一边倒,李世石需要频繁长考才能拿下比赛。
jamiesun
2016-02-22 20:32:52 +08:00
哈哈,长考一向是人类绝招,计算机长考会烧坏 cpu
Strikeactor
2016-02-22 20:32:57 +08:00
嗯,计算能力牛逼了,根本不用懂
等它能算完整个棋局所有可能的那一天,从你第一个子放下的那一刻,你的一切就都在它的预料中了
势这种东西是一种感觉,但对于可以轻松把当前棋局朝后推演的计算机来说,它完全可以掌握比感觉更精准的结果
jamiesun
2016-02-22 20:36:11 +08:00
1985 年台湾著名实业家應昌期懸賞一百萬美金,找尋能夠打敗職業棋士的電腦程式而不可得。
rashawn
2016-02-22 20:37:06 +08:00
第一个子下完以后共有多少种可能性啊?
yangtze
2016-02-22 20:37:41 +08:00
电脑并不需要思考,用数学,感性在这里正是弱点,我看好 Google 。
echo1937
2016-02-22 20:39:48 +08:00
欧洲有博彩机构会开盘的,楼主这么有信心的话建议来一发。

财务自由至少没问题。
LU35
2016-02-22 20:46:38 +08:00
@bigtan @jamiesun 可以看下相关新闻,有详细分析 AlphaGo 在弈城上的账号对局,棋力最高为 9 段.
"第一,普通人的棋力不太可能在一年多的时间里从弈城 5D 、 6D 迅速提高到弈城 9D ,但谷歌的 AlphaGo 是有这个可能的。第二, deepmind 的棋谱中,很多手段都明显有以前人工智能围棋软件的痕迹,很像是软件的下法。"
"目前在弈城的总战绩为 465 战 276 胜 186 负 3 和。 deepmind 的第一盘对局是 2014 年 4 月 2 日,当时它注册的段位是 5D ,此后在 5D 上取得了 17 连胜,直到 4 月 13 日输给了 woocl ,跳升 7D 未果,段位升为 6D 。之后, 4 天之内 deepmind 在 6D 上 15 胜 3 败,于 4 月 17 日升为 7D 。紧接着, 5 天之内 deepmind 在 7D 上下了 27 盘棋, 19 胜 8 负,于 4 月 22 日升为 8D 。"
这个新闻是今年一月份的,以目前的棋力来看,更对的问题应该是 3 月 9 日的比赛之前,能否对现在的算法继续改进稳定棋力在 9 段水平.
jamiesun
2016-02-22 20:47:15 +08:00
“能算完整个棋局所有可能”,谈何容易,围棋已经是宇宙级复杂度了,比如“劫争”就是计算机的弱点,人类和计算机的取舍逻辑不一样。价值计算也不一样,对同样一块区域,计算机会千算万算,自以为分毫不差,但人类就偷懒的一招:“保留变化”。计算机靠稳算稳打,不会采取激进的下法。不可能下出天才的好看棋局。
DrXie
2016-02-22 20:48:02 +08:00
对于李世石来说,这是围棋对弈,是策略游戏。而对 AlphaGo 来说,这是数据预测,是赌博。
jamiesun
2016-02-22 20:51:24 +08:00
弈城 9D 仅仅相当于业余 5 段,和职业选手还是有相当大的差距的。
northisland
2016-02-22 20:52:39 +08:00

除了大数据分析棋谱,定式拆解,还能有什么好的突破口,


楼主我猜你不接触数学超过 10 年了=_=



我看过之前对欧洲冠军的决胜局,感觉 AlphaGo 擅长角杀,全局都在一目一目的抠地盘,那份狠劲儿还真不是人类能匹敌的,
鄙人感觉 AI 能全胜
LU35
2016-02-22 20:54:59 +08:00
@jamiesun 关键是算法可以不断的改进,并且现在还有弈城这个平台来进行测试.而并不是关门造车,突然几个月后公开进行比赛.
243205964
2016-02-22 20:59:16 +08:00
我支持 Google 的 AI ,反正这些东西是用来服务人类的。
jamiesun
2016-02-22 21:06:38 +08:00
@northisland 围棋冠军很多数学不咋地的。

我说的定式拆解就是计算变化,人类世界已经有很多定式,并且演化了各种最优下法,但是不同场景定式都会变化,计算机当然必须优先消化人类已经总结出的定式,总结优先算法(定式),当然不可能傻傻的只管算,计算机也要走捷径的。算法模块化,分析对手弱点,这都可行。但是对天才很难,因为天才总能超越自己。

边边角角扣目数算什么,即使侥幸赢了,仍然不能证明是比人类更智能的物种。

人类的险恶用心是计算机无法理解的。

对于计算机,棋盘只是计算,对于人类,那是高层次的博弈。
chlx
2016-02-22 21:11:29 +08:00
计算机当然不会比人类更聪明;但下围棋可能完胜人类。这是两码事
jamiesun
2016-02-22 21:14:09 +08:00
等结果吧,看看计算机在完胜进程上走出了多远。
rashawn
2016-02-22 21:16:32 +08:00
那如果从第一个子开始他就已经知道所有的可能性,那不就至少和棋嘛,不懂围棋。

这个就本地存个能战三天三夜的可能性,然后对弈的时候从里面找不就可以了,不用现算吧?
jamiesun
2016-02-22 21:28:44 +08:00
这次比赛 用时为每方 2 小时 3 次 1 分钟读秒,采用中国规则贴 7 目半。

论条件计算机是占优势的。

欧洲冠军在中日韩都上不了台面的,那个 5:0 算不了什么。
northisland
2016-02-22 21:32:27 +08:00
@jamiesun
我做过一段时间的神经网络的工作,
现在在 AI 界很有一手的 CNN , RNN 这些深度神经网络,在 1980 年左右就被一帮国外大学的教授哥们儿初创,现在那帮哥们儿的弟子图孙都遍布各地了。
这套网络从数学求解的角度、工程实现的角度、数学技巧的角度都被打磨了很多代。很多领域已经可以和人匹敌了,也有很多领域可以超过人了。

我还是挺有信心的,毕竟那鄙人的饭碗~

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/258325

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX