Re: [新聞] 人工智慧盯上星海爭霸 韓選手:不是對手

作者: MAIDic (咩滴可)   2017-05-22 15:31:49
事實上大家都搞錯方向了
alphago打玩星海的目標不是為了打敗人類
而是為了研究如何訓練ai
讓ai以接近人類思考的方式做決策
以圍棋來說
今天就算有能夠把所有圍棋步數算出來的電腦
科學家還是會想辦法試著讓AI以接近人類思考的方式來下圍棋
在圍棋方面 alphago的確是做到了
但是比起現實世界圍棋還是不夠複雜
星海的複雜度比起圍棋更接近現實世界
而且會選擇星海的重點是星海是一款''即時''戰略遊戲
圍棋的回合制在思考時間上相當充足
但是星海每一刻都會接受新的資訊
當獲得這訊息時要不要改變做出新決策
這都是ai需要研究的方向
而apm跟本不是重點
目的不是為了打敗人類而是訓練ai
如果apm的優勢非常巨大
那科學家就會限制電腦的apm
作者: ykes60513 (いちご)   2017-05-22 15:35:00
不對 AlphaGO沒做到 它的思考方式跟人類完全不同
作者: tomzakeru (康康)   2017-05-22 15:36:00
請問後來有人知道alphaGo是怎麼思考的嬤
作者: fragmentwing (片翼碎夢)   2017-05-22 15:36:00
所以我提議打一代,因為不會有蟲族刷一排蟑螂apm破1500這種事不然反而變成對阿法狗不利
作者: win4104 (BB)   2017-05-22 15:37:00
重點一直都不在輸贏 這是個開發AI的實驗資源不對等 這個實驗就沒有意義了就像你希望AI學習怎麼跑步可以跑贏人類結果你給他車開 那他還學什麼 油門踩了就贏了
作者: loliconOji (蘿莉控大叔)   2017-05-22 15:38:00
有道理 還蠻期待到底會怎麼打
作者: smart0eddie (smart0eddie)   2017-05-22 15:39:00
教會AI開車也是成就了
作者: ykes60513 (いちご)   2017-05-22 15:39:00
AlphaGO那種全局勝率人類根本計算不來 只能模仿棋步
作者: ykes60513 (いちご)   2017-05-22 15:43:00
不只全局跟細部的分別 AlphaGO算勝率人類算目 這也不同
作者: QBian (小妹QB子)   2017-05-22 15:44:00
要限制眼力啊姆咪
作者: weltschmerz (威爾特斯克˙悶死)   2017-05-22 15:44:00
姆咪眼睛會變愛心 視線是不是也會變很奇怪啊= =
作者: smart0eddie (smart0eddie)   2017-05-22 15:45:00
完美姆咪世界
作者: ykes60513 (いちご)   2017-05-22 15:45:00
人類算不到那麼細 只能去追求目數 但AlphaGO可以
作者: QBian (小妹QB子)   2017-05-22 15:46:00
還有記憶力也要限 有時候埋地毒爆會被遺忘QQ
作者: smart0eddie (smart0eddie)   2017-05-22 15:46:00
所有的指令最後都會附加姆咪 姆咪
作者: ykes60513 (いちご)   2017-05-22 15:46:00
QB快去裝星海
作者: QBian (小妹QB子)   2017-05-22 15:47:00
上次重灌刪掉了啦姆咪
作者: ykes60513 (いちご)   2017-05-22 15:51:00
虧你還是前版主 竟然把星海刪掉了 欠燒!!!
作者: driftingjong (長空浪子雁)   2017-05-22 15:58:00
alphago只是神經卷積網路會去挑一些高機率出現的分支 但是並非直線邏輯的思考 跟人類還是不一樣的
作者: cybermeow (我有一隻貓)   2017-05-22 16:03:00
重要的不是背後的運作像人類 而是行為模式像人類吧反正最後也只是從外部做觀察 AI本身是模擬人腦還是有自己一套運作模式不見得很重要
作者: ykes60513 (いちご)   2017-05-22 16:05:00
如果背後運作不像人類 代表人類沒法照那方法進步啊
作者: wohtp (會喵喵叫的大叔)   2017-05-22 16:11:00
也沒人真的知道人類腦袋是怎麼運轉的現在的目標只要外在行為有像就很了不起了
作者: cybermeow (我有一隻貓)   2017-05-22 16:14:00
目前有一派人只是想做AI 所以人類能不能進步不是重點另一派以電腦作為理解人腦的工具 演算法上是以建立實際可能的模型為目標
作者: wohtp (會喵喵叫的大叔)   2017-05-22 16:14:00
然後決定「好或不好」(相對於「對或不對」)一直是人腦比電腦強的地方
作者: seaEPC (沒看見,我沒看見 >_<)   2017-05-22 16:14:00
重不重要看是對誰,對我們這種旁邊喊燒的或許是只看結果對開發者來說背後運作的原理就很重要了,deep mind丟論文出來馬上啟發一堆團隊用類似方法生出棋力強勁的新軟體對棋手(或將來其他領域的選手)來說,參考AI用不是人類的另
作者: cybermeow (我有一隻貓)   2017-05-22 16:17:00
不過deep mind跟人腦模型有一段差距 雖然都是類神經出來
作者: seaEPC (沒看見,我沒看見 >_<)   2017-05-22 16:17:00
一種方式去判讀,也是會有很大的啟發,自李世石那五盤以來
作者: Zeroyeu (凌羽)   2017-05-22 16:18:00
apm真的不是重點,會戰直接計算對手速度*0.5-0.8調整就好
作者: seaEPC (沒看見,我沒看見 >_<)   2017-05-22 16:18:00
圍棋界看報導也是吹起各種新風潮
作者: cybermeow (我有一隻貓)   2017-05-22 16:18:00
真正偏生物向的至少要考慮每個神經元的firing rate或spike train. 還有一個假說是用離子層級在存訊息 感覺很複雜
作者: seaEPC (沒看見,我沒看見 >_<)   2017-05-22 16:19:00
外行看熱鬧,內行看門道
作者: WindSucker (抽風者)   2017-05-22 16:24:00
4
作者: codebreaker ( )   2017-05-22 16:33:00
4
作者: satheni (看到羊就想睡..)   2017-05-22 17:00:00
人工知能其實就是最佳化選擇...先把概況算出來,走哪一步他接下來會贏的結果是最多的
作者: arrenwu (鍵盤的戰鬼)   2017-05-22 17:03:00
去了解一下 ANN 的結構,應該就不會說是模仿人類思考了
作者: MikiSayaka (美樹さやか)   2017-05-22 17:11:00
ANN 的內部結構就很難搞了, DNN/CNN 應該是沒救現狀是弄個兩三層就很難知道裡面在幹嘛了...那些弄十幾二十層以上的應該遠超過人類理解範圍
作者: arrenwu (鍵盤的戰鬼)   2017-05-22 17:14:00
有 universal approximation theorem 就好啦現在連學界的人都幾乎放棄理論研究了
作者: MikiSayaka (美樹さやか)   2017-05-22 17:18:00
像有一些 RNN 都不知道是參考過人腦機制還是憑空想的
作者: eva991 (eva991)   2017-05-22 18:13:00
alphago是根據他龐大的經驗資料庫去做廣度跟深度的“搜尋”要類人腦的話類神經網路會比較像,只是不適合拿來下棋
作者: ACMANIAC (請肥宅救救肥宅)   2017-05-22 20:14:00
AlphaGo 就是用類神經網路......
作者: eva991 (eva991)   2017-05-22 20:55:00
重查了一下...我錯了QQ

Links booklink

Contact Us: admin [ a t ] ucptt.com