这是一个创建于 3375 天前的主题，其中的信息可能已经有所发展或是发生改变。
从广义上来讲，围棋棋盘的布局是有限集合，只要足够快的计算机（理论上的超牛逼计算机）， 从算法层面上，完全击败人类是毫无问题的，
现有的 AlphaGo 大概是怎么一回事，怎么好多媒体吹上天了，说啥人工智能代替人类 某某的， 我们写代码的应该知道，这玩意也就是种算法，跟强人工智能应该扯不上半毛钱关系
求高手打我脸，带我见世面
第 1 条附言 2017 年 1 月 4 日
我只是来提问的，
第 2 条附言 2017 年 1 月 5 日
结帖，半天也没看到一个人，能够通俗的讲解一下到底怎么一回事，
就我个人目前认知而言，这并不是强人工智能
就我个人目前认知而言，这并不是强人工智能
 | 1 rrfeng 2017 年 1 月 4 日  2 『围棋布局构成的有限集合』>> 超牛逼的计算机。 有限的没错，但是对于目前技术来说就是无限的。 |
 | 2 polo2222 2017 年 1 月 4 日 你自己写一个小 ai 就知道这事情有多难了。。。 |
 | 3 est 2017 年 1 月 4 日 3 LZ 这个说法跟暴力遍历法可以打败一切算法技巧一个道理。 |
 | 4 Izual_Yang 2017 年 1 月 4 日 现在野狐上是这样的：抬出去，下一个 |
 | 5 Lonely 2017 年 1 月 4 日 via iPhone so ，那你觉得什么样的才能吹 |
 | 6 phrack 2017 年 1 月 4 日 via Android 确实很吊。没骗你。 |
 | 7 4everLoveU 2017 年 1 月 4 日 高手看见这种无知、刷下限的帖子，也是无奈，无知真可怕 |
 | 8 qianlicao353 2017 年 1 月 4 日 via Android 谷歌这么多专家都没你 |
 | 9 xhowhy 2017 年 1 月 4 日 naive |
 | 10 Kilerd 2017 年 1 月 4 日 1 或许楼主只知道有暴力破解（遍历）这种算法了吧。 排序只会用冒泡排序？？ |
 | 11 kinghero 2017 年 1 月 4 日 哈哈，你看看数据量大起来。 polynomial time 的算法和 exponential time 的算法能差多少。 谷歌做的就是加入评分机制，以及各种方法来减小搜索的范围啊。 |
 | 12 easing 2017 年 1 月 4 日 2 简单的规则通过不断的组合可以衍生出来极致的复杂，这种复杂在 wolfram 的《 a new kind of science 》是有具体的度量的，基本上可以说，围棋的复杂度，我认为哈，是和这个世界上能产生真随机系统的复杂度一个等级的。 但凡这种系统，是没法通过暴力算法搞定的，必须有一些类似整体思维（不敢说意识。。）的概念参与的，这才是 alphaGo 牛逼的地方。 LZ 你说的最不靠谱的一句话就是那个“有限集合”，理论上来说确实是有限集合，但这种有限集合对于人类来说就是无限，这里是有个度的，超过了这个度，就是真正的复杂系统。 |
 | 13 yangyaofei 2017 年 1 月 4 日 via Android 虽然是有限集，但是可能的组合的数量比全宇宙所有原子之和都多得多。把这样的复杂度降到用几台高性能计算机就能解决的复杂度，你说牛逼不牛逼？ |
 | 14 uzumaki 2017 年 1 月 4 日 via Android 听说过一个故事么 今天给我一分钱 成倍每天往上加给我。。不到 30 天就受不了了 |
 | 15 marsLeo 2017 年 1 月 4 日 1 |
 | 16 caixiexin 2017 年 1 月 4 日 via Android 1 “给猴子一台打字机和足够长的时间，它能打出莎士比亚全集”？ |
 | 18 Perry 2017 年 1 月 4 日 楼主说的超牛逼计算机应该能很快解决所有 NP 问题吧。 那真的太 TM 了。 |
 | 19 Umix 2017 年 1 月 4 日 楼主态度都这么低了你们还追着打，没人性 |
 | 20 jininij 2017 年 1 月 4 日 6 围棋棋盘的布局是有限集合，确实，但请自己拿计算器算一下这个集合的大小。 一个围棋算法，最多能达到的，只有这个算法设计者的围棋水平。但 AlphaGo 挑战的，是人类世界围棋的最高水平。 但你希望它游戏玩的越来越好，这个程序就须要知道自己是不是在犯错，需要记录下自己的犯的错，研究比自己水平高的人是如何玩的，然后修改自己的行为。 你试想一下难度。 如果达到了，这就是弱人工智能。 但不经如此，你还想让这个程序玩所有的游戏，给它任何一款新游戏，它经过一段时间的自我学习，都可以越玩越好，最后超过人类。那么这个程序就必须从不同的游戏中发现共同点，以这个共同点为基础，一一攻破所有的游戏。 这时，你不仅希望这个程序只是玩游戏了，你希望让它做任何人类可以做的事情，根据一本菜谱做任何菜，学习所有的语言。。试想，如果一个程序能从容面对所有游戏中的所有情况，那么他离开游戏也就只是很小的一步了。 如果达到了，这才是强人工智能。 AlphaGo 是为强人工智能而设计的，现在实际才走到第一步，现在它还在玩星际争霸之类的游戏。当它继续在四五个完全不同的游戏上超过人类，让它进入现实世界就指日可待了。那时，所有的人都离失业不远了。 |
 | 21 creayningy 2017 年 1 月 4 日 如果是象棋呢？ |
 | 22 artandlol 2017 年 1 月 4 日 |
| 23 artandlol 2017 年 1 月 4 日 |
 | 25 zhangyi2099 2017 年 1 月 4 日 via iPhone 自学半月有余，觉得离入门还有十万八千里 |
 | 26 TKKONE PRO 坐看楼主被吊打 |
 | 27 ZRS 2017 年 1 月 4 日 这个有限集的大小是 361!/4 |
| 28 4everLoveU 2017 年 1 月 4 日 @Umix |
 | 29 x86 2017 年 1 月 4 日 via Android 等一个江流儿 |
 | 30 Sylv 2017 年 1 月 4 日 via iPhone 围棋有「千古无同局」的说法。 |
 | 31 coderluan 2017 年 1 月 4 日 1 我感觉这个不是技术问题，而是概念问题，看你怎么理解 Artificial 怎么理解 Intelligence 了。 到底什么程度的能力才能算上 Intelligence 是没办法给出绝对正确的定义的。 这时候我感觉按照一般大众的理解就行了，我感觉题主肯定也能理解，只不过不喜欢媒体的过度吹捧，我也不喜欢。 |
 | 32 a2 2017 年 1 月 4 日 via iPhone 这样说来 韩国人赢了一局是不是找到 bug 了？ |
 | 33 slowman 2017 年 1 月 4 日 via iPhone 楼主成功的浪费了我们所有人的时间 -1 -1 -1 -1 ... |
 | 36 Kevin 2017 年 1 月 4 日 5 Re:「从广义上来讲，围棋棋盘的布局是有限集合」 一个 19 路的标准围棋棋盘，落子的合法位置数共有： 2.08 × 10 个。这个数有多大呢，我们给可观测宇宙的每个原子，都分配 208 亿个宇宙，然后把全部原子拿出来，才差不多够。 |
 | 41 vtoexshan 2017 年 1 月 4 日 @zhangyi2099 全是堆数学……然后，你觉得呢 |
 | 42 abcdabcd987 2017 年 1 月 4 日 是啊 确实跟强人工智能扯不上关系呀 强人工智能遥遥无期 (_) |
 | 43 wuling 2017 年 1 月 4 日 我猜楼主想吐槽的是：谷歌只是出了个厉害的算法，媒体却扯到了 AI 来临人类毁灭等等大新闻，事实上它跟强人工智能一点关系都没有 |
| 44 zhangyi2099 2017 年 1 月 4 日 via iPhone @vtoexshan 其实我说的是围棋 |
 | 45 msg7086 2017 年 1 月 4 日 1 人脑说白了也是一个计算和存储结构。计算机本身和人脑就很像。强人工智能需要的就只是更强的算力和更多的时间罢了。 |
 | 46 TonyG 2017 年 1 月 4 日 现在深度学习的 AI 已经在做网页和写 SQL 了，分分钟教你做人的感觉 |
 | 47 bearqq 2017 年 1 月 4 日 你以为他是用一种算法规则去赢的 其实他是模拟了你的大脑去理解棋局去赢的。 写过代码不代表你懂什么，发言以前至少百度一下神经网络是什么 |
| 48 artandlol 2017 年 1 月 4 日  |
 | 49 ovear 2017 年 1 月 4 日 说白了生物进化史也是个有限的集合 |
 | 50 laoyuan 2017 年 1 月 4 日 4 1 、通用学习算法的人工智能够认识世界（跨领域学习） 2 、人工智能本身也是世界的一部分，所以它可以认识自己 3 、能够认识自己的人工智能，就是强人工智能。 综上， AlphaGo 的关键在于其深度学习是不是通用学习算法，目前的信息看来 Policy Network 和 Value Network 是具有通用性的（知乎），所以强人工智能不远了，我认为在座各位有生之年是可以看到的。 强人工智能一旦诞生，其认知曲线是指数性的，也许三五年，也许一夜之间，世界大不同。 |
 | 51 deadEgg 2017 年 1 月 4 日 建议楼主先了解了解 ml dl 相关的东西。。。 |
| 52 vtoexshan 2017 年 1 月 4 日 1 @laoyuan 真的假的？机器智能和人脑智能看起来解决了同样的问题，但是，所用方法是不同的啊，现阶段阿尔法狗本质不是搜索吗？这和人类的推理，思考完全不同的吧？ |
 | 53 Cavolo 2017 年 1 月 4 日 via iPhone 然而目前的围棋 ai 它下一步下的子它的设计者是不得知的，这才是真正意义上的人工智能，如果是一种算法，靠的是计算速度，人类会不得知吗 |
 | 56 WinG 2017 年 1 月 4 日 via Android 有楼主说的运算能力的话，我早已经拿去破解比特币先了。 |
 | 58 iceland 2017 年 1 月 4 日 AlphaGo 是不是 Master 只有等官方说法 |
 | 59 markx 2017 年 1 月 4 日 如果我没有理解错的话， 其实我跟楼主想法一样。 如果是一个只会下围棋的 AI ， 那大概也就是硬件能力的进步和算法的改进的产物，并不是电影里面那种能主宰世界消灭人类的 AI 。 这种 AI 的出现是迟早的事情。 媒体同胞和各位围棋高手们经常把人的行为风格套用到 AlphaGo 上，但事实上也许她根本就不懂那些行为，她只是在解空间里面搜索而已。 楼主不是说 AlphaGo 不牛逼；楼主说的是 AlphaGo 的牛逼不是媒体吹的那种牛逼。 我觉得吧，至少目前还不是。 |
| 60 markx 2017 年 1 月 4 日 这里“迟早会出现”是指的会下围棋的 AI 。 事实上，会下围棋的 AI 一直都存在， AlphaGo 只是下得特别好而已。 |
 | 61 dreamwar 2017 年 1 月 4 日 聂老上了，已经要跪了... http://t.cn/RMwWcAC |
 | 62 nagato 2017 年 1 月 4 日 via iPad 算法只是 AI 的一方面，主要是建模 |
 | 63 hillw4h 2017 年 1 月 4 日 炸了，聂老也输了。 |
| 66 Izual_Yang 2017 年 1 月 4 日 r#12 @easing 深度学习应该还远远没有到意识的程度吧，从我这个外行的角度来看反而更偏向于知其然不知其所以然的黑盒子（中文房间） |
 | 68 Mac 2017 年 1 月 4 日 参见彩票过滤算法，穷举不是唯一的路，要过滤掉不可能的组合。 |
 | 69 soland 2017 年 1 月 4 日 我们写代码的应该知道，这种算法，就是会带来强人工智能 |
 | 70 q397064399 OP @soland 哦，那就是很了？ |
| 71 artandlol 2017 年 1 月 4 日  |
| 72 q397064399 OP @markx 是的，我也觉得，这其实是一种在 解空间 一种更牛逼的搜索办法而已，并不是媒体所吹捧的强人工智能 |
 | 73 madao 2017 年 1 月 4 日 @q397064399 1. 这不仅仅是搜索，蒙提卡罗搜索只是他的一部分 2. AlphaGo 的核心在于它的 Policy Network 和 Value Network , 这部分的技术难度远超你的想象。 一群科学家和资深研发多年的成果，不是一个「写代码」的能轻易低估的。 |
| 74 madao 2017 年 1 月 4 日 1 |
 | 75 assassinpig 2017 年 1 月 4 日 号外号外!!! master 已经 50 连胜 kejie 也无法阻挡 |
 | 76 t6attack 2017 年 1 月 4 日 2 脚本级码农写照： 看到新闻，然后开始查：数学原理？不懂，公式一个看不懂。高数全忘光了，现在让我学数学？这不难为人么？ 相关名词？查了半天，不懂，什么神经网络、阈值、收敛、局部最小解、 RBM 、 DBN 、贝叶斯分类器。。全是天书。。 有没有现成的函数类库事例代码捏？哎，找到了几个。代码每一行都看得懂，搁在一起却像天书。咦？怎么才能编译通啊？返回的小数是啥意思啊？ 带着一头雾水，扭扭脖子。“ 艹！不就是个算法么。” |
 | 77 lfk0000 2017 年 1 月 4 日 @assassinpig 那个 master 是阿尔法狗？ |
| 78 assassinpig 2017 年 1 月 4 日 @lfk0000 背后不知道是谁 有小编瞎猜是韩国某 AI |
| 82 artandlol 2017 年 1 月 4 日 via Android |
 | 83 gunshot 2017 年 1 月 4 日 别想太多，试着看 deep reinforcement learning |
 | 84 kalman03 2017 年 1 月 4 日 1=0.99999999..... |
| 85 gunshot 2017 年 1 月 4 日 btw, CS294 2017 快开课了，有没有一起看的？ http://rll.berkeley.edu/deeprlcourse/ |
 | 86 AsherG 2017 年 1 月 4 日 via Android 大致浏览了一下所有回复，发现楼主只回复了与自己见解相同的人。见解不同的，不管是不是在和楼主好好讨论，都一律不回。 |
 | 87 dtfm 2017 年 1 月 5 日 之前狗大战李世石时候有人说，狗擅长遍历，人类擅长剪枝，但我这样看来，在快棋下，度过了开局阶段，后面人类都完败啊。 |
 | 91 jotsai 2017 年 1 月 5 日 1 楼主被黑不是因为知识局限性，是因为态度。 另外楼主在评论里说“其实是一种在 解空间 一种更牛逼的搜索办法而已”， madao 才说阿法狗采用的蒙特卡洛树搜索不是核心，进而说明“ AlphaGo 的核心在于它的 Policy Network 和 Value Network ”，不觉得 madao 的反驳在语法上有什么问题。 不针对楼主的说，部分人写几句代码就觉得自己日天日地，我也是醉了，谦虚一点会死吗？ |
| 94 markx 2017 年 1 月 5 日 @jotsai 我觉得 madao 的说法是偷换概念呀。 楼主并没有说 阿法狗不过是用了蒙特卡洛树搜索而已， 或者 Policy Network 和 Value Network 不是核心。 事实上 madao 是第一个在这里说到蒙特卡洛树搜索的人，别人根本就没提到蒙特卡洛。 我都不知道他在反驳什么。 另外，我是说他的论据根本不着头脑， 我并不觉得他的反驳在语法上有什么问题。 |
 | 95 xfspace 2017 年 1 月 5 日 via Android 强行举例子， 把几台低端交换机堆叠起来，加起来大于等于运营商级交换机的背板带宽，就可以不买昂贵的运营商级交换机了。““我们”做网络的都知道，不就是转发个数据包嘛，背板带宽够就行了”。 典型的小数代表多数。 ----- LZ 说到，求打脸，后来又 Append “我是来提问的”。呵呵 |
 | 97 lightening 2017 年 1 月 5 日 1 @vtoexshan 实际情况是，我们不知道神经网络和人脑思维方式是不是一样的，因为我们其实还是不知道人脑是怎么思考的。 复杂的逻辑推理，其实现在电脑完全做不到，先不讨论。就图像识别来说，用作图像处理的卷积神经网络其实就是模拟猫的视觉神经的结构做的。比如猫去识别一个东西是不是老鼠，其实猫也是通过看过很多个老鼠，记忆下了老鼠具有的某种 pattern ，然后每次看到一个物体，就和这些 pattern 进行匹配。如果猫识别老鼠是这样的话，那卷积神经网络判断一个物体是不是老鼠的方法和猫其实是一样的。 |
| 98 q397064399 OP @AsherG 没时间回，我本来是过来提问的， 我个人凭直觉提问，这东西我也没了解过，我看有没有人能够通俗的讲解一下 但是只要是现有的编程搞出来的东西，都是算法而已，既然是算法，那就是有穷计算的， 那就不是所谓的强人工智能，更不是媒体所吹捧的，你们都要失业了，机器人马上就要代替你了这种情况 |
| 99 q397064399 OP @lightening 但是人类识别一个老鼠很简单，体积 外观颜色 速度 机动性 生活习性 臭水沟等， 人类可以通过总结过往的经验，从更高层次的抽象层面上来大致判断一个移动的物体是不是老鼠， 我只是想问，目前是否能做到这些，如果不能做到这些，那么神经网络，只是通过模式 来判断一个物体是不是老鼠，那么机器代替人类绝大部分工作 依然是困难的 |
| 100 q397064399 OP |
Select Language