由买买提看人间百态

topics

全部话题 - 话题: crazystone
1 2 3 下页 末页 (共3页)
M********t
发帖数: 5032
1
来自主题: Joke版 - Google人工智能 攻破了围棋，然后呢？ 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过，Google人工智能专家表示， 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5：0完胜法国围棋职业二段棋手樊麾，AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上，《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述，在AlphaGo中，DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI，让它自己下棋，研习棋谱。不过这只是第一步。理论上，这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩，研究员随后让系统进行自我博弈，计算出比基础棋谱更多新的打点。也就是说，战胜人类就要靠这些新的东西。 “这其中最重要的是，AlphaGo不仅记录着大量的棋谱，还有一系列规则来指导‘思考’，”DeepMind CEO Demis Hassabis说道，“事实上，该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段，这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说，要让机器人变得更“自然”。 视觉判断 2014年初， Coulom的围棋程序“疯石（Crazystone）”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛，而这次AlphaGo并没有被让子，可以说比赛很公平。 人工智能战胜人类围棋到底有多难？即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走，而且计算力远高于人类。但是，围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法，但是围棋呢——在19*19的棋盘内，共有361个点，就机器学习的角度而言，围棋的计算最大有3361种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只有2155种局面，称为香农数，大致是1047。 使用蒙特卡洛树搜索技术，Crazystone等系统能够进行更长远的计算。而结合其他技术的话，它们能够对可能性走法进行刷选，然后选择出最优的策略。在大多数情况下，它们能够战胜人类选手，但不是最厉害的那一个。顶级大师中，走法很多时候依靠直觉——做棋除了需要计算，还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了，”Hassabis本身也是一名围棋手，“这其中不只有计算角力，还有审美。这也是围棋几千年来都让人着迷的原因。” 因此，从2014年至2015年间，包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术，它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则，而是会分析大量数据，“学习”特定的任务。给神经网络提供足够的喵星人照片，它就能学习识别喵星人；提供足够的语音，它也会学习理解人类的语言；提供足够的围棋走法，它也会学会围棋。 在DeepMind，爱丁堡和Facebook，研究人员希望神经网络能像人类选手一样，通过观看棋盘学习围棋。Facebook在最新的研究中表明，这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法，Facebook打败了一些人类选手，虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后，它的神经网络能以57%的准确度（此前记录是44%）预测人类的下一步。然后Hassabis和团队通过强化学习技术，让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中，系统会评估哪一步效果最好，即占领更多棋盘区域。最终，神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示，“在与其它神经网络和它自己对战数百万局后，AlphaGo学会了自己发现新策略，并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统，包括Crazystone。但事情还没完，研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了，第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似，只是它会在下棋过程中学习，分析更多数据，而非暴力破解所有可能的步骤。这样，AlphaGo不仅能战胜AI，还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样，DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像，但后来有人发现，它们很适合深度学习。Hassabis表示，DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用，但与樊麾对战中，他们用上了更大的计算机网络，其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战，还借鉴了训练的结果。 尽管Hassabiss会不断改善系统，但待AlphaGo与韩国选手李世乭对战时，他们会使用相同的配置。比赛中系统也需要网络连接，而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多，但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统，现在他认为这一目标已经实现了，他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究，以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为，技术“能用于任何对抗性问题，任何类似于游戏且需要策略的事情，包括战争、商业和交易”。 对有些人来说，这是一件值得忧虑的事，特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习，还能生成自己的数据，在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明，这类AI系统会最终超越人类智能，脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏，但这仍只是个游戏。AlphaGo离人类智能还很远，更不论超级智能了。下棋是一种高度结构化的情景，系统也没有人类级别的理解力。但它代表了一种方向，即如果AI能理解围棋，它也会理解更多事。如果宇宙就是一局超大型的围棋呢？ via Wired
Google人工智能
攻破了围棋，然后呢？
雷锋网
study875
39分钟41秒前
Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或
得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国
际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——
比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过，Google
人工智能专家表示， 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情
况下以5：0完胜法国围棋职业二段棋手樊麾，AlphaGo将在三月份对战韩国九段棋手李
世乭。
今天早上，《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰
写的关于深度学习系统的论文。根据论文描述，在AlphaGo中，DeepMind研究员在程序
中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练
AI，让它自己下棋，研习棋谱。不过这只是第一步。理论上，这样的训练只能让这个人
工智能系统无法突破人类的计算。为了获得更好的... 阅读全帖
L****8
发帖数: 3938
2
来自主题: Joke版 - Google人工智能 攻破了围棋，然后呢？ 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过，Google人工智能专家表示， 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5：0完胜法国围棋职业二段棋手樊麾，AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上，《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述，在AlphaGo中，DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI，让它自己下棋，研习棋谱。不过这只是第一步。理论上，这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩，研究员随后让系统进行自我博弈，计算出比基础棋谱更多新的打点。也就是说，战胜人类就要靠这些新的东西。 “这其中最重要的是，AlphaGo不仅记录着大量的棋谱，还有一系列规则来指导‘思考’，”DeepMind CEO Demis Hassabis说道，“事实上，该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段，这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说，要让机器人变得更“自然”。 视觉判断 2014年初， Coulom的围棋程序“疯石（Crazystone）”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛，而这次AlphaGo并没有被让子，可以说比赛很公平。 人工智能战胜人类围棋到底有多难？即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走，而且计算力远高于人类。但是，围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法，但是围棋呢——在19*19的棋盘内，共有361个点，就机器学习的角度而言，围棋的计算最大有3361种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只有2155种局面，称为香农数，大致是1047。 使用蒙特卡洛树搜索技术，Crazystone等系统能够进行更长远的计算。而结合其他技术的话，它们能够对可能性走法进行刷选，然后选择出最优的策略。在大多数情况下，它们能够战胜人类选手，但不是最厉害的那一个。顶级大师中，走法很多时候依靠直觉——做棋除了需要计算，还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了，”Hassabis本身也是一名围棋手，“这其中不只有计算角力，还有审美。这也是围棋几千年来都让人着迷的原因。” 因此，从2014年至2015年间，包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术，它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则，而是会分析大量数据，“学习”特定的任务。给神经网络提供足够的喵星人照片，它就能学习识别喵星人；提供足够的语音，它也会学习理解人类的语言；提供足够的围棋走法，它也会学会围棋。 在DeepMind，爱丁堡和Facebook，研究人员希望神经网络能像人类选手一样，通过观看棋盘学习围棋。Facebook在最新的研究中表明，这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法，Facebook打败了一些人类选手，虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后，它的神经网络能以57%的准确度（此前记录是44%）预测人类的下一步。然后Hassabis和团队通过强化学习技术，让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中，系统会评估哪一步效果最好，即占领更多棋盘区域。最终，神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示，“在与其它神经网络和它自己对战数百万局后，AlphaGo学会了自己发现新策略，并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统，包括Crazystone。但事情还没完，研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了，第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似，只是它会在下棋过程中学习，分析更多数据，而非暴力破解所有可能的步骤。这样，AlphaGo不仅能战胜AI，还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样，DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像，但后来有人发现，它们很适合深度学习。Hassabis表示，DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用，但与樊麾对战中，他们用上了更大的计算机网络，其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战，还借鉴了训练的结果。 尽管Hassabiss会不断改善系统，但待AlphaGo与韩国选手李世乭对战时，他们会使用相同的配置。比赛中系统也需要网络连接，而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多，但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统，现在他认为这一目标已经实现了，他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究，以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为，技术“能用于任何对抗性问题，任何类似于游戏且需要策略的事情，包括战争、商业和交易”。 对有些人来说，这是一件值得忧虑的事，特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习，还能生成自己的数据，在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明，这类AI系统会最终超越人类智能，脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏，但这仍只是个游戏。AlphaGo离人类智能还很远，更不论超级智能了。下棋是一种高度结构化的情景，系统也没有人类级别的理解力。但它代表了一种方向，即如果AI能理解围棋，它也会理解更多事。如果宇宙就是一局超大型的围棋呢？ via Wired
不就是把棋谱数据库增大了么 然后欺负人的记忆力
算个屁的人工智能

在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙
特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走，而且计
算力远高于人类。但是，围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法
，但是围棋呢——在19*19的棋盘内，共有361个点，就机器学习的角度而言，围棋的计
算最大有3361种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才
1080。国际象棋最大只有2155种局面，称为香农数，大�: 率�1047。
使用蒙特卡洛树搜索技术，Crazystone等系统能够进行更长远的计算。而结合其他技术
的话，它们能够对可能性走法进行刷选，然后选择出最优的策略。在大多数情况下，它
们能够战胜人类选手，但不是最厉害的那一个。顶级大师中，走法很多时候依靠直觉—
—做棋除了需要计算，还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起
来顺手多了，”Hassabis本身也是一名围棋手，“这其中不只有计算角力，还有审美。
这也... 阅读全帖
d*******n
发帖数: 3851
3
【 以下文字转载自 Notice 讨论区 】
发信人: deliver (自动发信系统), 信区:
标 题: dragonman 封 crazystones 在 FleaMarket 版
发信站: BBS 未名空间站自动发信系统 (Thu Nov 25 23:01:00 2010)
【此篇文章是由自动发信系统所张贴】
由于 crazystones 在 FleaMarket 版的 一日多顶 行为，
被暂时取消在本版的发文权力 1 天。
版主:dragonman
Thu Nov 25 23:01:00 2010
k****n
发帖数: 8684
4
来自主题: ebiz版 - 装腔作势替crazystones 说句话
首先我不认识crazystones, 武器没买过。Sder 我用了一年有余。现在还能用，block
我也没什么，从他那里省的钱让我心满了。
其次我是个小人物，wii的时候都我还没出生呢。大神医都忙着挣钱，看吵架都睁一只
眼闭一只眼，会鄙视我操戈毛心？我让你们失望了，５５
事情的根源也很简单，各有千秋。被block的站在一边，言语中难免有“刻薄“之词；
sder 我行我素，对“坏人“决不姑息。
之前的对错姑且不论，但演绎到现在，盗用人家id, 在我看就是盗用者的大错了。我吃
饱了撑得也跟着想了些许，将心比心，觉得挺那个沙的，遂啃下只言片语。
Sder的真正主人，在我看应该是上古神医把，以生意之情商，这点问题应该轻松摆平亚
。而且他如果有老相好，电侯一下，快速处理把，不要越演越烈了。
简单点就是把账号还给人家。我估计版上大多数人跟我一致，不过也可能我瞎拆，或者
都是自扫门前雪，管那破事的多。
冤家宜解不宜结。不成朋友，也不要成敌人。
将心比心之我见：
1）看到有人顶铁骂自己，我也想啥都干，“整死”那家伙，但过后我有时候反思，我
的问题在那里？
2）看到有人偷了自己id, 我出离愤怒，一定不... 阅读全帖
w*******n
发帖数: 408
5
来自主题: FleaMarket版 - [+] crazystones
对方ID:
crazystones
Feedback (+/-/0):
+
具体交易内容:
tjmax
我的评价:
nice seller!
d****2
发帖数: 542
6
来自主题: FleaMarket版 - [+] crazystones
对方ID:
crazystones
Feedback (+/-/0):
+
具体交易内容:
overstock gc
我的评价:
smooth transaction
交易原始贴链接:
http://www.mitbbs.com/article/FleaMarket/31477107_3.html
s********o
发帖数: 334
7
来自主题: FleaMarket版 - [+] crazystones
对方ID:
crazystones
Feedback (+/-/0):
+
具体交易内容:
DELL GC
我的评价:
非常nice，有问必答，赞！
交易原始贴链接:
n******3
发帖数: 65
8
来自主题: FleaMarket版 - [+] crazystones
对方ID:
crazystones
Feedback (+/-/0):
+
具体交易内容:
TJMAXX GC
我的评价:
GOOD
交易原始贴链接:
http://www.mitbbs.com/article/FleaMarket/31690585_3.html
l******t
发帖数: 55733
9
这选的几秒的？我怎么碰不上这么sb的crazystone？
f**e
发帖数: 2160
10
来自主题: Joke版 - 可怜的crazystones (转载)
【 以下文字转载自 ebiz 讨论区 】
发信人: SuperString (小芝麻和小包包他爹), 信区: ebiz
标 题: 可怜的crazystones
发信站: BBS 未名空间站 (Mon Jan 31 10:17:05 2011, 美东)
昨天在这里跟sder club叫嚣
昨天半夜mitbbs的密码就被人改了，帖子被人删了。
谁叫他mitbbs的密码和sder club的一样呢
c****3
发帖数: 10787
11
2016年1月28日，国际顶尖期刊《自然》报道了谷歌研究者开发的新围棋AI。这款名为
“阿尔法围棋”（AlphaGo）的人工智能，在没有任何让子的情况下以5：0完胜欧洲冠
军，职业围棋二段樊麾。
谷歌团队在Nature论文摘要中写道“我们引入了一个新的搜索算法，结合蒙特卡罗
模拟的价值和政策网络。通过该算法，我们的程序alphago对其他的围棋程序的495局对
抗中达到99.8%的获胜率，并以5比0击败人类欧洲冠军。这是第一次围棋程序全方位的
击败一位专业棋手。这个壮举原本要十年以后才能完成。”
1。作为科学研究，有三个异常
且不论谷歌团队在论文中自我表扬的文风。从科学实验的统计学角度看，谷歌的实
验不能称之为合格，无论是物理，化学或者生物领域，要求实验对象必须达到一定数量
，进行多次独立实验，才能相对确保结果的稳定性和可靠性。这是第一个异常情况。
譬如一个受到污染的试管，无论我们重复多少次实验，这个结果肯定是不可靠的。
因此在科学实验中要求样本要达到一定数量。谷歌在这篇论文中出现了奇怪的现象。对
其他围棋程序选取了众多测试对象，并进行了495次实验，但对人类测试者，却只选取
了一位职... 阅读全帖
m**m
发帖数: 5500
12
来自主题: Go版 - 技术贴（懂围棋的请进）
陈经：谷歌围棋算法存在缺陷 达不到人类最高水平
2016年1月28日，谷歌围棋程序AlphaGo以5：0战胜职业棋手的消息，震动了围棋圈。
这两天有很多的讨论，主要是新闻性的。我也在第一时间进行了常识性的介绍。
本文进一步从围棋和人工智能技术的角度，深入分析AlphaGo棋艺特点，评估其算
法框架的潜能，预测与人类最高水平棋手的胜负。下文中出现的策略网络、价值网络、
蒙特卡洛法请参考前文，理解具体围棋局面也需要一定的棋力，但是与算法推理相关的
内容理解起来并不难。
AlphaGo是如何下棋的
所有人，包括职业棋手，看了AlphaGo战胜樊麾二段的五盘棋，都说这程序下得像
人了，和以前的程序完全不同。柯洁九段（公认目前最强棋手，一年获得三个世界冠军
，对李世石6：2，古力7：0）的看法是：
“完全看不出来。这五盘棋我也仔细地看了一眼，但我没看名字，不知道谁执黑谁
执白，完全看不出谁是AI。感觉就像是一个真正的人类下的棋一样。该弃的地方也会弃
，该退出的地方也会退出，非常均衡的一个棋风，真是看不出来出自程序之手。因为之
前的ZEN那样的程序，经常会莫名其妙的抽风，突然跑到一个无关紧要的地方... 阅读全帖
m**m
发帖数: 5500
13
来自主题: Go版 - 技术贴（懂围棋的请进）
陈经：谷歌围棋算法存在缺陷 达不到人类最高水平
2016年1月28日，谷歌围棋程序AlphaGo以5：0战胜职业棋手的消息，震动了围棋圈。
这两天有很多的讨论，主要是新闻性的。我也在第一时间进行了常识性的介绍。
本文进一步从围棋和人工智能技术的角度，深入分析AlphaGo棋艺特点，评估其算
法框架的潜能，预测与人类最高水平棋手的胜负。下文中出现的策略网络、价值网络、
蒙特卡洛法请参考前文，理解具体围棋局面也需要一定的棋力，但是与算法推理相关的
内容理解起来并不难。
AlphaGo是如何下棋的
所有人，包括职业棋手，看了AlphaGo战胜樊麾二段的五盘棋，都说这程序下得像
人了，和以前的程序完全不同。柯洁九段（公认目前最强棋手，一年获得三个世界冠军
，对李世石6：2，古力7：0）的看法是：
“完全看不出来。这五盘棋我也仔细地看了一眼，但我没看名字，不知道谁执黑谁
执白，完全看不出谁是AI。感觉就像是一个真正的人类下的棋一样。该弃的地方也会弃
，该退出的地方也会退出，非常均衡的一个棋风，真是看不出来出自程序之手。因为之
前的ZEN那样的程序，经常会莫名其妙的抽风，突然跑到一个无关紧要的地方... 阅读全帖
s*****V
发帖数: 21731
14
著作权归作者所有。
商业转载请联系作者获得授权，非商业转载请注明出处。
作者：田渊栋
链接：http://zhuanlan.zhihu.com/yuandong/20680393
来源：知乎
上周我和朱岩去日本电气通信大学（University of Electro-Communications, UEC)参
加了第9届UEC杯计算机围棋比赛，获得了第二名的成绩和与小林光一九段下让3子棋的
资格，由我代替DarkForest摆子体会“肉臂”的感觉，开局稍缓，中盘战斗非常有力，
但打劫还是有问题，最后在赢棋的情况下认输了，有点可惜。而Zen同样被让3子赢了五
目左右。这次收获还挺大的，主要是能和诸位做计算机围棋的前辈进行面对面的交流。
Zen的作者加藤英树和CrazyStone的作者Remi Coulom给了我很多建议和意见。他们毕竟
做了很多年的计算机围棋，经验是非常丰富的，而且非常愿意分享。DarkForest目前为
止的主要问题还在快速走子上，快速走子有误，则最后盘面和初始盘面会天差地别，对
最后的胜者估计错误，统计上对胜率的估计也就不准。这样在选定下一招的时候就会有
错。UEC的... 阅读全帖
S*****e
发帖数: 6676
15
来自主题: Joke版 - Google人工智能 攻破了围棋，然后呢？ 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过，Google人工智能专家表示， 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5：0完胜法国围棋职业二段棋手樊麾，AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上，《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述，在AlphaGo中，DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI，让它自己下棋，研习棋谱。不过这只是第一步。理论上，这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩，研究员随后让系统进行自我博弈，计算出比基础棋谱更多新的打点。也就是说，战胜人类就要靠这些新的东西。 “这其中最重要的是，AlphaGo不仅记录着大量的棋谱，还有一系列规则来指导‘思考’，”DeepMind CEO Demis Hassabis说道，“事实上，该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段，这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说，要让机器人变得更“自然”。 视觉判断 2014年初， Coulom的围棋程序“疯石（Crazystone）”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛，而这次AlphaGo并没有被让子，可以说比赛很公平。 人工智能战胜人类围棋到底有多难？即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走，而且计算力远高于人类。但是，围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法，但是围棋呢——在19*19的棋盘内，共有361个点，就机器学习的角度而言，围棋的计算最大有3361种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只有2155种局面，称为香农数，大致是1047。 使用蒙特卡洛树搜索技术，Crazystone等系统能够进行更长远的计算。而结合其他技术的话，它们能够对可能性走法进行刷选，然后选择出最优的策略。在大多数情况下，它们能够战胜人类选手，但不是最厉害的那一个。顶级大师中，走法很多时候依靠直觉——做棋除了需要计算，还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了，”Hassabis本身也是一名围棋手，“这其中不只有计算角力，还有审美。这也是围棋几千年来都让人着迷的原因。” 因此，从2014年至2015年间，包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术，它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则，而是会分析大量数据，“学习”特定的任务。给神经网络提供足够的喵星人照片，它就能学习识别喵星人；提供足够的语音，它也会学习理解人类的语言；提供足够的围棋走法，它也会学会围棋。 在DeepMind，爱丁堡和Facebook，研究人员希望神经网络能像人类选手一样，通过观看棋盘学习围棋。Facebook在最新的研究中表明，这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法，Facebook打败了一些人类选手，虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后，它的神经网络能以57%的准确度（此前记录是44%）预测人类的下一步。然后Hassabis和团队通过强化学习技术，让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中，系统会评估哪一步效果最好，即占领更多棋盘区域。最终，神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示，“在与其它神经网络和它自己对战数百万局后，AlphaGo学会了自己发现新策略，并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统，包括Crazystone。但事情还没完，研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了，第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似，只是它会在下棋过程中学习，分析更多数据，而非暴力破解所有可能的步骤。这样，AlphaGo不仅能战胜AI，还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样，DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像，但后来有人发现，它们很适合深度学习。Hassabis表示，DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用，但与樊麾对战中，他们用上了更大的计算机网络，其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战，还借鉴了训练的结果。 尽管Hassabiss会不断改善系统，但待AlphaGo与韩国选手李世乭对战时，他们会使用相同的配置。比赛中系统也需要网络连接，而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多，但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统，现在他认为这一目标已经实现了，他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究，以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为，技术“能用于任何对抗性问题，任何类似于游戏且需要策略的事情，包括战争、商业和交易”。 对有些人来说，这是一件值得忧虑的事，特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习，还能生成自己的数据，在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明，这类AI系统会最终超越人类智能，脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏，但这仍只是个游戏。AlphaGo离人类智能还很远，更不论超级智能了。下棋是一种高度结构化的情景，系统也没有人类级别的理解力。但它代表了一种方向，即如果AI能理解围棋，它也会理解更多事。如果宇宙就是一局超大型的围棋呢？ via Wired
这个不能叫做攻破了围棋，LOL。。。二十年前Deep Blue那个时候赢得可是卡斯帕罗夫
，不过你知道是怎么赢得么，还有后来又咋地拉？啥时候要是笔记本上装个软件能把世
界冠军赢了说不定真算赢了。。。
h******e
发帖数: 9616
16
来自主题: Joke版 - Google人工智能 攻破了围棋，然后呢？ 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过，Google人工智能专家表示， 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5：0完胜法国围棋职业二段棋手樊麾，AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上，《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述，在AlphaGo中，DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI，让它自己下棋，研习棋谱。不过这只是第一步。理论上，这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩，研究员随后让系统进行自我博弈，计算出比基础棋谱更多新的打点。也就是说，战胜人类就要靠这些新的东西。 “这其中最重要的是，AlphaGo不仅记录着大量的棋谱，还有一系列规则来指导‘思考’，”DeepMind CEO Demis Hassabis说道，“事实上，该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段，这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说，要让机器人变得更“自然”。 视觉判断 2014年初， Coulom的围棋程序“疯石（Crazystone）”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛，而这次AlphaGo并没有被让子，可以说比赛很公平。 人工智能战胜人类围棋到底有多难？即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走，而且计算力远高于人类。但是，围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法，但是围棋呢——在19*19的棋盘内，共有361个点，就机器学习的角度而言，围棋的计算最大有3361种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只有2155种局面，称为香农数，大致是1047。 使用蒙特卡洛树搜索技术，Crazystone等系统能够进行更长远的计算。而结合其他技术的话，它们能够对可能性走法进行刷选，然后选择出最优的策略。在大多数情况下，它们能够战胜人类选手，但不是最厉害的那一个。顶级大师中，走法很多时候依靠直觉——做棋除了需要计算，还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了，”Hassabis本身也是一名围棋手，“这其中不只有计算角力，还有审美。这也是围棋几千年来都让人着迷的原因。” 因此，从2014年至2015年间，包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术，它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则，而是会分析大量数据，“学习”特定的任务。给神经网络提供足够的喵星人照片，它就能学习识别喵星人；提供足够的语音，它也会学习理解人类的语言；提供足够的围棋走法，它也会学会围棋。 在DeepMind，爱丁堡和Facebook，研究人员希望神经网络能像人类选手一样，通过观看棋盘学习围棋。Facebook在最新的研究中表明，这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法，Facebook打败了一些人类选手，虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后，它的神经网络能以57%的准确度（此前记录是44%）预测人类的下一步。然后Hassabis和团队通过强化学习技术，让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中，系统会评估哪一步效果最好，即占领更多棋盘区域。最终，神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示，“在与其它神经网络和它自己对战数百万局后，AlphaGo学会了自己发现新策略，并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统，包括Crazystone。但事情还没完，研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了，第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似，只是它会在下棋过程中学习，分析更多数据，而非暴力破解所有可能的步骤。这样，AlphaGo不仅能战胜AI，还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样，DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像，但后来有人发现，它们很适合深度学习。Hassabis表示，DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用，但与樊麾对战中，他们用上了更大的计算机网络，其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战，还借鉴了训练的结果。 尽管Hassabiss会不断改善系统，但待AlphaGo与韩国选手李世乭对战时，他们会使用相同的配置。比赛中系统也需要网络连接，而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多，但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统，现在他认为这一目标已经实现了，他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究，以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为，技术“能用于任何对抗性问题，任何类似于游戏且需要策略的事情，包括战争、商业和交易”。 对有些人来说，这是一件值得忧虑的事，特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习，还能生成自己的数据，在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明，这类AI系统会最终超越人类智能，脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏，但这仍只是个游戏。AlphaGo离人类智能还很远，更不论超级智能了。下棋是一种高度结构化的情景，系统也没有人类级别的理解力。但它代表了一种方向，即如果AI能理解围棋，它也会理解更多事。如果宇宙就是一局超大型的围棋呢？ via Wired
这么长的标题是咋整的？人工智能？
s*****V
发帖数: 21731
17
http://sports.sina.com.cn/go/2017-03-18/doc-ifycnpiu9028259.shtml
北京时间3月18日，第10届UEC杯世界电脑围棋大会首日比赛在日本电气通信大学战
罢。中国AI绝艺一路过关斩将取得7连胜，并且击败另一个夺冠热门DeepZenGo，强势
晋级16强。19日将打响入单败淘汰赛。
UEC杯赛程密集，首日进行7轮预赛。积分前16的AI可以入围第2天的单败淘汰赛。中
国的国产AI绝艺与日本的DeepZenGo是本次比赛的两大夺冠热门。
在第一轮比赛中绝艺遇到日本的Julie，执黑的Julie序盘表现出职业水准，但是在
右下角的战斗中一触即溃。绝艺迅速确立领先优势，最终以一场大胜获得开门红。
第2局绝艺并未遭遇真正的抵抗，日本的naiver1几乎毫无还手之力，在绝艺的攻势
下全盘1子未活，局面非常尴尬。
顺利赢下两连胜，绝艺在第三局终于迎来一位像样的对手，围棋AI界的老牌劲旅法
国的“CrazyStone”，在前九届比赛中5次杀入决赛，其中在第2、第6和第8届比赛中夺
冠。令人稍感意外的是，在人机大战之后，CrazyStone... 阅读全帖
D**s
发帖数: 6361
18
来自主题: Go版 - 阿尔法狗介绍
黃士傑闢謠：請別再攻擊李世石九段，打敗他的是分散式版的AlphaGo
janus janus 發表於 2016年3月11日 16:57
由於李世石（乭）連下輸兩盤棋局，在網路上開始對於李世石有些謠言，有些人認為他
棋技「也不怎麼樣」，也有人覺得兩盤棋李世石都沒有「打劫」而懷疑他與AlphaGo團
隊有秘密協議。身為圍棋的愛好者，同時也是由AlphaGo指揮的棋手，開發團隊之一的
台灣師範大學資工博士黃士傑，他在「奕棋」論壇上發表貼文闢謠。
以下是他的澄清全文：
現在網路上有許多謠言，有些人甚至對李世石九段作出人身攻擊，我覺得有必要澄清。
這次比賽不論勝敗如何，我覺得我們都應該尊重李世石九段。他接受AlphaGo的挑戰，
所承受的壓力一定很大。
1.這次比賽並沒有所謂的不能打劫的保密協議。第一、第二盤棋覆盤時李世石九段都有
擺出打劫的變化，只是實戰他沒有下出來。我們也想知道，AlphaGo在對陣李世石九段
這種級別的棋手，打劫時的表現。
2.這次比賽我們使用的是分散式版的AlphaGo，並不是單機版。分散式版對單機版的
AlphaGo勝率大約是70%。
註：aja為黃士傑(Aja Hua... 阅读全帖
c********e
发帖数: 42175
19
来自主题: Detective版 - 青山五指
古老啊。。。是你那时清纯，还是他们真的过分
标 题: yaz 封 crazystones 在 TheStrait
发信站: BBS 未名空间站自动发信系统 (Sun Oct 29 21:35:53 2006)
【此篇文章是由自动发信系统所张贴】
由于 crazystones 在 TheStrait 版的 淫秽 行为，
被暂时取消在本版的发文权力 14 天。
版主:yaz
Sun Oct 29 21:35:47 2006
S*********g
发帖数: 5298
20
1. crazystones不是jie ouyang
2. 你爆的那个人更不是crazystones
3. 你这次被搞，到底是谁，搞清楚来再来
A******C
发帖数: 1808
21
来自主题: Go版 - 依田让四子输给电脑
我看了第一盘的谱，他下crazystone四个子基本没戏
crazystone领先太多最后都开始填子了
zen是完全不同的一个软件
x*******g
发帖数: 523
22
来自主题: Go版 - 搞了个Zen6 不知真假
我觉得是真的 这个zen6比zen5 crazystone server都强 而且风格不一样 不是宇宙流
不过更强的是用这个zen6的dll去覆盖zen5的dll 比zen6 zen5更强. 应该和cpu使用率
有关，zen6的cpu使用率比较低。zen5结合zen6的动态链接库会更强. 我机器i7 6700k
32g内存. 我完全下不过20s的zen5加zen6 dll. 同样设置，我能赢zen6 zen5. 我也能
赢crazystone server.
w**a
发帖数: 3510
23
来自主题: Go版 - 搞了个Zen6 不知真假
如果覆盖四代是不是更强？以后都是拼机器了。你这个强度，跟业余强豪也有一战吧。
[在 xiongcong (Antimage) 的大作中提到：]
:我觉得是真的 这个zen6比zen5 crazystone server都强 而且风格不一样 不是宇宙流
:不过更强的是用这个zen6的dll去覆盖zen5的dll 比zen6 zen5更强. 应该和cpu使用率
:有关，zen6的cpu使用率比较低。zen5结合zen6的动态链接库会更强. 我机器i7 6700k
32g内存. 我完全下不过20s的zen5加zen6 dll. 同样设置，我能赢zen6 zen5. 我也
能赢crazystone server.
e*p
发帖数: 10
24
以下是EMP和MONKEY１１根据DONATION版POST总结的捐款细帐，只含捐款到MITBBS账上
的。如有错或没有发贴，或被漏掉了，请发贴告之。我们做更正。谢谢大家。
Donation made at May 12, total $8469.01
NickName Amount
Xbin 50
Adde 50
Pseudo 100
Coronaput 100
Weierstrass 70
Chinhui 10
Ghostcoming 88
Hahani 50
Jqb 100
Philipli 27
Eexucc 50
Crazystones 100
Gogeter 95.95
InDreaming 100
Kolaz 150
Shigcn 200
r*g
发帖数: 3159
25
我就看看围棋新闻，就说一段一子是没文化，但是也知道被九段让四子，软件怎么也不
是弱暴了。
再来个更新：
2014年3月21日，日本第二届电圣战(职业棋手对电脑围棋软件对抗赛)在东京电气通信
大学落子。本次代表职业棋手一方出战的是前世界冠军“老虎”依田纪基九段，围棋软
件则是第7届UEC杯电脑围棋大赛的冠亚军成软件Zen和CrazyStone(狂石)，双方各持30
分钟的保留时间，棋份则是职业棋手让四子，黑棋贴半目方便决胜。
首届电圣战上，石田芳夫九段让四子战胜Zen，但不敌狂石。今年虽然Zen在UEC决赛击
败狂石，时隔一年重获冠军，但在对战职业棋手时，首先出战的狂石两目半战胜依田纪
基，作为冠军出场的Zen则再次负于职业棋手。
赛后依田纪基表示，电脑软件能够受让四个战胜职业棋手，大概有业余六七段的实力。
b********1
发帖数: 21
26
来自主题: Military版 - 和Crazy Stone下了很多盘棋
你和zen下过吗？ CRAZYSTONE 比较弱的版吧， 反对吃桃子按耙的捏。
s*****n
发帖数: 1794
27
来自主题: Military版 - 和Crazy Stone下了很多盘棋
你业四也就和现在顶级的程序平摆。你这个crazystone太弱了。
g*********g
发帖数: 870
28
来自主题: Military版 - 和Crazy Stone下了很多盘棋
你用的是什么版本？
没试过crazystone.天顶围棋就算在台式机上运行似乎也比你描述的要强。更不用说在
cluster运行的版本了。
h*h
发帖数: 27852
29
【 以下文字转载自 Go 讨论区 】
发信人: hsh (三胡), 信区: Go
标 题: zt AlphaGo可能会发现另外一种围棋美，是我们想象不到的
发信站: BBS 未名空间站 (Fri Mar 11 10:15:04 2016, 美东)
AlphaGo可能会发现另外一种围棋美，是我们想象不到的
DeepMind AlphaGo 与韩国李世石九段的比赛有着重要的历史意义——这是首次人
工智能在人类最复杂的博弈游戏中挑战最高级别的人类选手。而拉开这一帷幕的是去年
欧洲围棋冠军樊麾与 AlphaGo的对战。机器之心有幸采访到了樊麾老师，在与他的长谈
中，樊麾老师详细回顾了他与 AlphaGo 交战的精彩故事，畅谈了他对人工智能技术的
感触，以及对围棋与人生的哲学思考。樊麾老师将作为裁判长现场督战「AlphaGo VS
李世石」。这里，我们希望用樊麾老师这番丰富且深刻的思考和遐想来拉开这场「世纪
大战」，而更加重要的是，我们相信樊麾老师的长篇精彩分享一定可以给大家带来超越
比赛本身的启迪，关乎机器与人类、科技与文化、围棋与哲学、历史与未来。
对弈AlphaGo
“AlphaGo ... 阅读全帖
m******n
发帖数: 6327
30
☆─────────────────────────────────────☆
quarterlmm (爱崽崽，爱源源) 于 (Sat Jan 1 00:36:04 2011, 美东) 提到:
话说我的99年jetta因为check engine灯亮，又一次进VW service。付50刀才能查毛病
，查出来是一个thermostat和一个sensor（具体记不清了）坏了，修车要400多。打算trade
in 算了
今天大早9点去VW dealership取车。等technician的时候，喝了杯摩卡吃了一个donut
，又试了一把GTI，还是很喜欢，比c30感觉好。电话ld请示，ld再次说不要VW，作罢。
technician带我看我的破车，闻出有点油味，再查了一下，我上次贪便宜在外面换的
valve gasket cover少了seal，但他说开到20mile开外的volvo dealership 没问题。
于是我回家找title，开车去volvo。刚出门的时候有点舍不得我的jetta，开起来感觉
真好，11年旧的车还那么紧致。刚洗过，vw的强大喷漆给人新车的感觉。
哪... 阅读全帖
c*****t
发帖数: 2691
31
【 以下文字转载自 FleaMarket 讨论区 】
发信人: crazystones (黑皮), 信区: FleaMarket
标 题: [求购]Canon Rebel T1i Kit with EF-S 18-55mm $530
发信站: BBS 未名空间站 (Mon Jul 5 19:25:47 2010, 美东)
我想要的物品:
Canon Rebel T1i Kit with EF-S 18-55mm $530
单张面值:
可接受的价格(必须明码标价！):
530
物品新旧要求:
brand new, with UPC. no UPC -2
邮寄方式要求:
my label
买卖双方谁承担邮寄损失(Required if not code only):
before drop, you,
after drop it is on me
付款方式说明:
paypal/BOA
其他补充说明:
广告的有效期:
until got
物品来源:
我的联系方式:
二手交易风险自负！请自行验证是否合法和一手卡！:
m****s
发帖数: 18160
32
来自主题: Classified版 - 本版ID Feedback汇总
此表为精华区内所有feedback的统计（从04/01/2006开始）。制作此表的目的是为了让
大家能够了解近期feedback情况。由于feedback数量庞大，在制作此表的过程中采用了
电脑程序，以后也将继续使用此程序。所以，希望大家以后在留feedback时，能采用模
板发文，这样才能保证feedback能被正确的统计。
[0] MITBBS
[-] MITBBS
以下这些feedback题目都不合格：
1) 【＋】MITBBS
2) ++++++MITBBS
3) (+) MITBBS
4) [+] MITBBS, JIAOYOU8, HUAREN (只有第一个ID会被统计到)
5) [MITBBS]+++++
6) [+] 未名空间
最后更新：
+/0 feedbacks updated to Jul 29, 2012.
- feedbacks updated to Jul 29, 2012.
?? 3 0 0
?JINGO 1 0 0
A321321321 3 0 0
A7 17 0 0
AAAAA1 3 0 0
AAABBC 2 0 0
AAAPPP 1 0 0
A... 阅读全帖
N****g
发帖数: 5172
33
来自主题: ebiz版 - [合集] 我有tech paypal的10%
☆─────────────────────────────────────☆
crazystones (黑皮) 于 (Mon Jun 15 22:44:34 2009, 美东) 提到:
你们打算怎么玩, pm 我, 告诉我可以挣多少?
☆─────────────────────────────────────☆
mir (rebates) 于 (Mon Jun 15 22:57:34 2009, 美东) 提到:
算上live cashback可以挣100

☆─────────────────────────────────────☆
daj (肉丝炒饭--小吵肉fan) 于 (Tue Jun 16 11:03:58 2009, 北京) 提到:
偶像你好
好久不见了
☆─────────────────────────────────────☆
usdan (USdan) 于 (Mon Jun 15 23:04:59 2009, 美东) 提到:
偶像天天见！
☆─────────────────────────────────────☆
S*********g
发帖数: 5298
34
来自主题: ebiz版 - 可怜的crazystones
昨天在这里跟sder club叫嚣
昨天半夜mitbbs的密码就被人改了，帖子被人删了。
谁叫他mitbbs的密码和sder club的一样呢
f**e
发帖数: 2160
35
来自主题: ebiz版 - 可怜的crazystones
lol已转joke
m*r
发帖数: 37612
36
来自主题: ebiz版 - 可怜的crazystones
really?
c******n
发帖数: 2273
37
来自主题: ebiz版 - 可怜的crazystones
上次在[Mon Jan 31 01:53:54 2011]从[65.49]到美国站一游
那时早就睡觉了。我反正要站方在调查。没有别人的可能。只可能是SDer
b***n
发帖数: 13455
38
来自主题: ebiz版 - 可怜的crazystones
太TMD无耻了
a******e
发帖数: 36306
39
来自主题: ebiz版 - 可怜的crazystones
炒作？
s*****h
发帖数: 6852
40
来自主题: ebiz版 - 可怜的crazystones
niu...
s******y
发帖数: 1547
41
来自主题: ebiz版 - 可怜的crazystones
无耻
y****0
发帖数: 1661
42
来自主题: ebiz版 - 可怜的crazystones
操 现在这个世道。。。 操
w****a
发帖数: 6326
43
来自主题: ebiz版 - 买了我核武器的
crazystones ID 被人盗用了？
S*********g
发帖数: 5298
44
来自主题: ebiz版 - 买了我核武器的
你确认你不是被sder封了?
我这里怎么看起来好好的，也能log in
crazystones不是我的马甲。我们也不会去攻击别人的网站。实在是没这个技术。

who
c******n
发帖数: 2273
45
SDer现在在盗用你在SDer的password， 去试你的email，bank， paypal，mitbbs的账
户， 然后他可以改你的密码，转你的钱，偷你的信息， 所有的东西他都会偷。
他就是偷了我的在SDer上的密码，login我的mitbbs，改了email， 密码。
所有和crazystones有过交易的，请注意看你们的信用卡的账单，银行的statement。
我一人一个包子，对顶此贴的人， 是为了让更多更多的人知道SDer的偷窃行为
N**7
发帖数: 5796
46
re

SDer现在在盗用你在SDer的password， 去试你的email，bank， paypal，mitbbs的账
户， 然后他可以改你的密码，转你的钱，偷你的信息， 所有的东西他都会偷。
他就是偷了我的在SDer上的密码，login我的mitbbs，改了email， 密码。
所有和crazystones有过交易的，请注意看你们的信用卡的账单，银行的statement。
我一人一个包子，对顶此贴的人， 是为了让更多更多的人知道SDer的偷窃行为
C******s
发帖数: 813
47
re

SDer现在在盗用你在SDer的password， 去试你的email，bank， paypal，mitbbs的账
户， 然后他可以改你的密码，转你的钱，偷你的信息， 所有的东西他都会偷。
他就是偷了我的在SDer上的密码，login我的mitbbs，改了email， 密码。
所有和crazystones有过交易的，请注意看你们的信用卡的账单，银行的statement。
我一人一个包子，对顶此贴的人， 是为了让更多更多的人知道SDer的偷窃行为
J********i
发帖数: 50662
48
我靠，太下作了

SDer现在在盗用你在SDer的password， 去试你的email，bank， paypal，mitbbs的账
户， 然后他可以改你的密码，转你的钱，偷你的信息， 所有的东西他都会偷。
他就是偷了我的在SDer上的密码，login我的mitbbs，改了email， 密码。
所有和crazystones有过交易的，请注意看你们的信用卡的账单，银行的statement。
我一人一个包子，对顶此贴的人， 是为了让更多更多的人知道SDer的偷窃行为
h***e
发帖数: 103
49
ding.

SDer现在在盗用你在SDer的password， 去试你的email，bank， paypal，mitbbs的账
户， 然后他可以改你的密码，转你的钱，偷你的信息， 所有的东西他都会偷。
他就是偷了我的在SDer上的密码，login我的mitbbs，改了email， 密码。
所有和crazystones有过交易的，请注意看你们的信用卡的账单，银行的statement。
我一人一个包子，对顶此贴的人， 是为了让更多更多的人知道SDer的偷窃行为
m**u
发帖数: 6452
50
来自主题: ebiz版 - 装腔作势替crazystones 说句话
顶K神

block
1 2 3 下页 末页 (共3页)

未名新帖统计// 7月16日

#版面帖数(主题数)
-全站4871 (796)
1Military3777 (569)
2Stock341 (51)
3Joke117 (17)
4History116 (3)
5Automobile100 (9)
6USANews55 (9)
7Midlife45 (1)
8Headline41 (41)
9Dreamer33 (13)
10FleaMarket32 (20)
11Living30 (7)

* 这里只显示发帖超过25的版面，努力灌水吧:-)

历史上的今天

  1. faintcat妹妹看进来～～ 发表于12年前.
  2. NSC, PD 1/7/2007, EB2, ... 发表于11年前.
  3. [FBA求购]MJVE2 758 MJVM2 ... 发表于6年前.
  4. 老生常谈,归与不归 发表于10年前.
  5. 【申请】Seattle西雅图 版版主——申请人... 发表于9年前.
  6. 宝宝出生，头骨骨折，求祝福 发表于9年前.
  7. 求推荐舒缓优美的古典音乐 发表于11年前.
  8. 百分之一的北京人上北大 中国网友愤怒(转载） 发表于10年前.
  9. 新人带狗狗Bailey来报道 发表于12年前.
  10. 全世界最有价值的运动队 发表于10年前.
  11. 请问大切诺基的质量如何 发表于6年前.
  12. TNND，军版全是BKC 发表于15年前.
  13. Inception 发表于12年前.
  14. 微软的有些家属可真恶心，为了卖保险脸都不要了 发表于10年前.
  15. 每周坐高铁的苦逼来说说感受吧!! 发表于9年前.
除非另有声明，本站内容采用Creative Commons BY-NC-SA 3.0协议进行许可，转载请注明来自未名观察 - 隐私政策2017-12-02 11:50:45由admin编辑