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，这玩意也就是一种算法，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
This topic created in 3446 days ago, the information mentioned may be changed or developed.
Supplement 1 · Jan 4, 2017
我只是来提问的，
Supplement 2 · Jan 5, 2017
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
 |
101
binux Jan 5, 2017  1
现在的人都被深度学习，神经网络，机器学习，算法这些名词搞糊涂了，忘记了这个领域更早的叫法——模式识别。我觉得这个词其实更能表达它是什么，而深度学习其实是一种手段罢了。
「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」这是一种模式。 如果让机器来做，无论是人工规则，边识别，特征提取，模型训练，直到点到点；都不过是一种手段。 只要模式是存在的，机器拟合出来的「模式识别」程序，与「人类可以通过总结过往的经验」有什么不同？ |
 |
102
q397064399 OP @binux
但是现实世界的模式，是十分复杂的， 例如一个人，说 不好意思，你要认知当时的环境，上下文信息，人的面部表情，动作 等等， 如果模式识别，能够搞定所有的真实世界的大部分所有模式 （例如 通过谈话交往中发现 她 /他 喜欢我？）， 并跟人有一样的识别正确率，那就是真正的强人工智能了 |
|
103
binux Jan 5, 2017
而「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」，其实是不理解，为什么「模式」是「可学习」的。
其实非常简单。极端地讲，假如目标「模式」是一段程序，那么要设计另一个程序去生成这个「模式」程序，怎么办？极端地，很简单，随机生成一段东西，然后看看它是不是目标「模式」就好了（例如围棋胜率最高）。 这个生成「模式」程序的过程，就是机器学习。当然，现实中会有各种手段去加速这个过程，而不是随机生成一段程序就拿去试。但是，你只要理解，「模式」是「可学习」的，就可以了。 好了，现在问题回来了： 「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，」 从某种意义上说，「机器学习」的过程将将可以看做一种穷举，它在穷举各种可能的模式。 但是，真正和人下棋的那个「模式」程序并不是，它「识别」了围棋的「模式」（只不过以它的方式），和人类一样。 |
|
104
binux Jan 5, 2017
@q397064399 「不好意思的意思」这个「模式」是「可学习」的
我继续说，为什么现在深度学习突然有一种人工智能大爆发的感觉呢。其实和几方面是分不开的（一下描述不准确（我又不是在写论文））： 1. 神经网络使得模型本身可学习了。在以前，机器学习在设计模型的时，可能要考虑它是线性的还是需要进行某种（例如指数）变幻以符合它的分布特征。而神经网络通过将这种变换参数化，使得变换本身也是可学习的。再通过多层叠加，模型本身可以学习拟合出任何其他的模型。甚至特征提取都能被机器自动学习，实现点（原始输入）到点（直接输出）直接训练，这极大地提高了学习的效果。 2. 运算能力。其实神经网络这一算法几十年前就已经提出来了（不精确，我又不是在写论文），但是由于上面说过的，模型本身也可以学习，导致参数过多。在以前，模型深度（层数）不能太多。随着运算能力的不断提升，更深，层数更多的神经网络模型得以实现以及训练，让它能够拟合更多的模式，学习更多的内容。 3. 大数据。机器学习的训练需要的数据量随着参数数量成正比，如果没有足够的数据，是不能让模型收敛的。 想到哪就说到哪，就这几点先吧。 所以，在现在这个时间点上，天时地利人和，使得人工智能变得可行，实用。所以会有一种「人工智能大爆发的感觉」 |
 |
105
kn007 Jan 5, 2017
看一下西乔的 betacat 。
|
 |
106
RobertYang Jan 5, 2017 via Android
围棋无法穷尽所有可能吧
|
 |
107
yuankui Jan 5, 2017
楼主学过排列组合吗?
你可以算算你所谓的有限集合,需要多少台计算机,多少亿一年才能穷举所有可能? 要多大的硬盘,内存才能存的下这么大的集合? 这道数学题应该不难... |
 |
108
bigdogbigpig PRO 在新的技术突破（量子计算机）出来之前围棋无法被穷举。
用神经网络来做模式识别已经不是算法层面的东西了。 强人工智能是有明确定义的，请自主维基，现在的 AlphaGo 必然不是，但是从你回复他人里看到你对人工智能的认识还比较浅，建议从科普读物看起，尽量不要用通俗的话去理解。 世界上所有的事情都具有一个最优或者最真实的，解，将一切的 AI 看成一个函数，把事情现在的状态作为输入，输出就是这个解。 |
 |
109
29EtwXn6t5wgM3fD Jan 5, 2017 via iPhone
可以买一本数学之美～～有谷歌深度学习的介绍
|
 |
110
lll9p Jan 5, 2017 via Android
离强人工智能远了去了，现在只能称弱人工智能 或者人工智障。。。
|
 |
113
rayshen Jan 5, 2017 1
看点书吧，别在这里瞎猜了
就好像古时候一堆人在争论天圆地方一样，你不去研究里面的技术知识，就凭一些太阳每天东边升起啊，没有人把地球走遍啊之类的话，猜来猜去，何必呢 科技总是要发展的， alphaGo 是不是强人工智能这个命题真的有那么重要吗？ “强人工智能”这种概念也只是人为定义的，并没有明确的边界。如果一定要给智能加一个百分比，那 AlphaGo 很明显是更强于过去的 AI 的。如果一定要争这个提升的百分比具体是多少，那建议看了书再来，别上来就“就是算法而已”“不是强人工智能”这样直接下定义。 所以很明显，媒体和看官们感叹的不是“ alphaGo 就是强人工智能马上要毁灭人类”这个点，而是，在智能化的路上， alphaGo 作为 AI 又有了巨大的进步，这让人们欣喜，同时也感到恐慌。至少，这给我们传递一个信号，越来越趋近于所谓的“强人工智能”，这是可以预见的 |
 |
114
soland Jan 5, 2017 1
"半天也没看到一个人，能够通俗的讲解一下深度学习到底怎么一回事， "
"半天也没看到一个人，能够通俗的讲解一下量子力学到底怎么一回事， " 为什么要通俗的讲解一下？ |
 |
115
VmuTargh Jan 5, 2017
看完脑子里浮现四个字：
真是魔幻 |
|
116
bigdogbigpig PRO @markx 自行维基算法的定义
|
 |
117
andyL Jan 6, 2017
http://www.yinwang.org/blog-cn/2016/03/09/alpha-go @all 请问大家怎么看 wangyin 早前关于 AlphaGo 和人工智能的这篇文章？
|
Select Language