周末的第三盘,看棋的时候是十分轻松的状态,赛前认为李世石可以赢的态度几乎已经没有,比较欣慰的是看到小李的神态不错,感觉心态放开了。
拍下第一子的时候,石头就像孤身一人的剑客,默默地对着无言而极为强大对手亮出了自己的起手式。
{关于阴谋论}
之前各种阴谋论,危机论乱七八糟搞得很火,希望这盘之后能够正视ai的人会更多起来,至少说不准打劫的人可以就此停止了。说到人工智能,不免又要老生常谈说点废话,私以为训练ai有一点像训练缉毒犬,训练狗充分发挥其嗅觉特长让它能够更好的为人发挥作用。如果咬死人那是兽性使然……
或者如果说有哪个ai某一天开始搞起破坏的事情,那一定是背后的开发团队不安好心。要说破坏力,以前的大规模病毒冲击波,熊猫烧香,哪个不厉害?
说原子弹可怕,广岛长崎一共直接致死不超过15万,两千年前白起坑杀四十万赵军纯手工限量版一铲子一铲子把人埋掉是不是可怕得多?
该警惕的永远不是工具,而是邪恶的人的意志。
{关于神经网络}
神经网络从来不是一个新鲜的词,是一个几十年前就有的概念,包括蒙特卡罗算法,都是很早就有,制作围棋人工智能的对这两个词肯定早就熟的不想再提。Google的强大之处首先在于他硬件规模十分巨大,另外一点就是它的团队全面而专业,各方面的底蕴都很深。
现在该看清的一点是人自己可以做到的,比如人脸识别、音乐韵律识别,也可以让机器做到了,而且机器做得更稳定,评估系统做的更科学依据更多的数据。但是做的多好,一定是要看算法团队自身的理解程度。所以到头来还是要看团队的意志。如果说团队的主力自己的围棋水平不行,那肯定是做不出一个像样的程序的。
推荐一篇:
AlphaGo 在围棋上战胜李世乭后,人工智能的下一个目标会是同为「有限元素组合创作」的音乐吗? - 音乐【序盘】
最近写两篇棋评把棋谱库翻了个遍,不得不感慨Alphago创新能力太强,第三盘的一开局又是没有见过的形状。
前两年拆解无数的复杂定式三盘棋没有一次走出来,相信Alphago的对局多了以后会有高手就Alphago定式研究的专著问世。
白棋30是追求效率的一手,虽然留下薄味,但是对左边的话语权好很多。这里之后白32值得大家反复回味,走到这里的时候有个有意思的现象,那就是Alphago用时也很多。另外实战讲解时高手摆出局部强硬作战白不利的时候,Alphago果然还是选择了柔和处理:
白棋回避之后黑棋有点无力,之后的进行,黑棋突然急转直下。棋局顿时难下了。Alphago的大局观真是十分清楚。如果说之前的两盘李世石序盘都有机会,这盘一开始就给人感觉十分无力。很多人说Alphago一夜之间又长进了不少,我倾向于同意。
左边定型结束之后还留个这样的劫,可能还不如顶过:
【中盘】
序盘作战之后的看点比较少,感觉石头充当了Alphago的测试师,各种下法都有,不过都没有奏效:。
77碰是李九段标志性的招法。之后来看,白棋处理的简明清楚,黑棋没有占到便宜,其实走到这里我想到很早以前的老定式倒垂莲
【测试时间】
右下定型之后是测试时间:
147造劫是我们第一次看到了较大规模的打劫,也算终结了之前无聊的阴谋论。不过Alphago的应对令人十分惊讶:脱先!
不仅如此,Alphago还自己主动开劫:
Alphago这次下的实在太好,相较之前两盘让人觉得更强大了不少,优势局面下没有再走明显的缓手和疑问手。
这是一局完胜谱,让我们继续期待第四局和第五局Alphago亮瞎眼的表现吧。
——————————————————————————————
说到人机大战对围棋界的影响,我觉得还是正面影响多一些,一个用着科学估值系统的活辞典可以经常跟你练习, 总比半懂不懂的去自己摸索要好得多。有的人说对棋理解的深,不一定厉害,这是可能的,我一直建议大家以散打拳击的角度去看围棋对决,乱拳打死老师傅的情况并不是没有,理解这件事主要讲的是你怎么去吸收消化整理你自己的知识,临场发挥是另一件事。
打劫明显是Alphago的弱点。连最基本的先提、劫材寻找都有问题。
AlphaGo 因为是图像识别,所以,打劫计算估计是其弱点。
另外,今天黑棋在下面的乱搞居然成功了,根本就是白棋算错了。没有这种
把别人死棋下活的大局观。
Alphago为了消劫简化局面,会宁可吃亏的。
走有劫的过分点的棋,凡有劫者必打之。才能有机会占少许便宜,维持前面的微弱优势。
李世石今天算是发现了,但发现得太晚了。
下面那么快评论的,多看看Alphago的介绍,就是因为DNN(目前最常用于图像识别),所以alphago下棋多下本手。有了图像识别后,可以大大地加快剪枝这一步。
AlphaGo,在并行CPU外,增加GPU加速就是为了这个。
另外,我还真看过GPU如何应用于DNN的资料。
》Alphago是用了1920个CPU和280个GPU
看来除非我们公司也做个围棋AI,不然说啥也没用。
看了下面评论,我还奇怪为啥这么多人反对图像识别的说法,原来是误解成识别下棋的位置。
图像识别是DNN的一个最突出点,换个更通俗说法,模式识别,或许没这么多反对的。
简单解释下,在DNN出现之前,AI对图像是非常弱的。在围棋上面表现出来,就是无法认出棋型。
在人们看来非常简单的假眼、倒扑、小飞、枷等常用手段,AI无法快速识别,主要靠模块功能去硬算。只要是硬算,以围棋的变化,AI就无法快速收敛,结果就是计算深度很差,算不长。
但是DNN出现后,图像识别/模式识别就不在是AI的弱点了,仅仅靠DNN就能快速发现小尖、靠等有模式的图像出来,图像识别现在AI已经超越人类,AI能自己学习识别各种狗,说明AI能提取其中的共同点。在围棋上,就是能快速识别该棋型的正手。
一旦有了这点,AI就能快速剪枝,可以数量级地提升正手下法的速度,从而可以容易地看到20-30手后的结果。
但是从第四局的表现看,AI对优秀的妙手无法对付,这是模式识别的弱点,即使是小妙手。
可惜,李世石这局胜利太晚了。
3/15增加:
看来,知乎真的变得太多了,打脸已经成为了知乎第一要义,类似豆瓣的装B了啊。我也无法理解0赞N评论的原因。
华院数据科学家尹相志:浅谈Alpha Go所涉及的深度学习技术图像识别,不是我一个人说的。5x5的图像识别,比我想象还小,我还以为是7x7或者9x9,
这也证实我之前的猜测,硬件不是google 这次算法的核心。