引用:

原帖由 卖哥 于 2016-3-9 15:50 发表
经过第一场，我基本已经确认程序自己总结的局势优劣要优于人类棋手自己总结的了。
程序开头收尾比较下得正常，中局却乱出看不懂的棋恰恰是最好的明证，中盘棋局最为复杂，人类在评估的时候忽略了很多次要因素，人类 ...

你这一棍子打死多少人

引用:

原帖由 卖哥 于 2016-3-9 15:57 发表

这一次AI对人类的羞辱可能是目前为止最大的

之前的游戏，人类基本上是输在算力和信息储量上，人类本来就知道自己算不过电脑记得也不如电脑多。
而这一次，我认为人类是输在理解判断上的。

我觉得go就是在穷举中找到了最优的线路而已，并不是，智能的判断出来，如果真的是智能的判断出来把人打败，那么人工智能就是从0突然跨到了1000

区别还是很大的。

标准就是go的程序是不是围棋专用的，能不能应用到所有的和人类智力比拼的场景上。

引用:

原帖由 卖哥 于 2016-3-9 16:23 发表

AlphaGo围棋专用
但是其基于的DeepDream引擎不是围棋专用，这个引擎之前的干的活有一个就是找一张图片认是不是猫，也做到了比人类准。

和围棋的类似，摒弃错误的而已。不需要穷举，把错误，冗余的去掉，就不需要存储那么多了，只保留有效的。本质上只是缩小了的穷举。

感觉局限性还是很大。

能作为识别程序，但是不算什么人工智能。最多算流水线智能

比如象棋这种，受规则限制，反而摒弃了更多的分支线路，轻松就能穷举。

围棋也就是规则少，反而分支太多，但是很多都是无用分支，电脑只需要不断的重下，就能摒弃99.9％的无用分支，剩下的分支里，就是穷举也能玩死人类了，再在后面不断减少无用的分支，只会越来越强。

posted by wap, platform: OPPO

引用:

原帖由 @catxing  于 2016-3-9 16:56 发表
再说一遍，alphago不是靠穷举，或者说它的突破不在于如何穷举。如果你不熟悉机器学习的话，建议去看点资料再来评论，否则太民科了。

优化穷举加权重

白马非马吗