AlphaGo如果战胜李世石这意味着人工智能已经发展到了什么程度？ 举报 理由 举报 取消 AlphaGo如果战胜李世石意味着人工智能发现到了什么程度？以这种程度应用到其他领域会发生哪些恐怖或者有趣的事情？ 2018年1月9日 3 条回复 1069 次浏览 互联网,人工智能,信息技术,数据,机器人
回复 ( 3 )
虽然谷歌的算法不算什么重大创新的算法，但是谷歌AlphaGO战胜世界围棋冠军，绝对科技史上一个大事件。
人工智能的一个新时代来临了。
人工智能会在细分行业开始，改进社会的脑力劳动。
意味着AlphaGo下围棋很厉害。
如果AlphaGo输了反倒有点恐怖。
可能AlphaGo是假装输给人。
===========================================
不要想太多，我们人工智能这条路还有很长的一段夜路要走。
我们总是害怕发展人工智能最后会毁灭我们自身，这就相当于杞人忧天。
====================================================
如果我们就是要想太多呢？
AlphaGo的主要工作原理是“深度学习”。
“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。
其实人工智能的自主学习能力早在几年前峰会上就有人提出，具体视频我找不到了
大概就是一个机械体怎么去认识自己有几条腿，怎么自主学习站起来，学习走动，学习绕过障碍物
谁可以分享一下这个视频
阿尔法围棋（AlphaGo）是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。
这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。这个处理器有大量的随机性元素，所以人们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。
第一大脑：落子选择器 （Move Picker）
阿尔法围棋（AlphaGo）的第一个神经网络大脑是“监督学习的策略网络（Policy Network）” ，观察棋盘布局企图找到最佳的下一步。事实上，它预测每一个合法下一步的最佳概率，那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。
第二大脑：棋局评估器 （Position Evaluator）
阿尔法围棋（AlphaGo）的第二个大脑相对于落子选择器是回答另一个问题。不是去猜测具体下一步，它预测每一个棋手赢棋的可能，在给定棋子位置情况下。这“局面评估器”就是“价值网络（Value Network）”，通过整体局面判断来辅助落子选择器。这个判断仅仅是大概的，但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”，AlphaGo能够决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行，那么AI就跳过阅读在这一条线上的任何更多落子。
（PS：懒得打字，以上主要来源于百度百科）
你会觉得这可以引申于生活的方方面面
当时，你的想法是对的，可是生活的每一步判断于行为动作，远没有下棋这样来得简单，只是超越了人类下围棋的最高水平并不能证明这有多大突破
很多年前，国际象棋，人类就已经输给了机器，虽然那时候的机器和现在的人工智能原理还有可收集到的数据量都不能同日而语，但又如何呢
最后给你看个有意思的旧视频
人工智能碰上人工智能：两个机器人的爆笑对话—在线播放—优酷网，视频高清在线观看
还有一个有意思的，你搜一下“你见过这么劝架的吗”，一个游戏，具体名字忘了，懒的可以直接看下面视频
【风笑解说】你见过这么劝架的吗？—在线播放—优酷网，视频高清在线观看
====================
“深蓝”是美国IBM公司生产的一台超级国际象棋电脑，重1270公斤，有32个大脑(微处理器)，每秒钟可以计算2亿步。
1996年2月10日，超级电脑深蓝首次挑战西洋棋世界冠军卡斯帕罗夫，但以2-4落败。1997年，经过改良的“深蓝”超级计算机以2胜1负3平“复仇”了卡斯帕罗夫。“深蓝”靠硬算可以预判12步，卡斯帕罗夫可以预判10步，两者高下立现。
2006年，“浪潮杯”首届中国象棋人机大战中，5位中国象棋特级大师最终败在超级计算机“浪潮天梭”手下。值得一提的是，“浪潮天梭”同时迎战柳大华、张强、汪洋、徐天红、朴风波5位大师，以平均每步棋27秒的速度，每步66万亿次的棋位分析与检索能力，最终以11：9的总比分险胜。
柳大华直言比赛“艰苦卓绝”，张强也坦言“输的原因主要在体力的过度消耗”。从这场比赛开始，象棋软件发展迅速，人类棋手逐渐难与之抗衡。
2011年，IBM创造的超级电脑“沃森”在美国智力问答节目中挑战两位人类冠军。参赛者需要具备历史、文学、政治、科学及流行文化知识，还需要有解析、猜测的能力。
“沃森”存储了2亿页的数据，包括各种百科全书、词典、新闻等全部内容，它可以在3秒内检索数百万条信息，并以人类语言输出答案。最终，“沃森”轻松战胜两位人类冠军。
就当前的人工智能来说，只能做到海量的“感知”，不能做到真正的“认知”。而且看似“智能”的结果，其实是经过海量数据训练后得到的较好地符合统计规律的结果（虽然这已经是伟大的成就了）。
举例来说，第一次看一张抽象的犀牛画像，就能在动物园认出犀牛，对AI来说几乎是不可能的（没有认知能力）。
同样，告诉它围棋的规则，就让它自己和你下棋且下得有点样子，这也是不可能的（基于存在的、海量的人为或自然数据才能相对“智能”）。前一阵火热的AlphaGo，其实根本不知道围棋是啥。
虽然人工智能成就卓越，但要走的路还远着呢。