h***n
发帖数: 1275 | 1 讲的话很不靠谱。
一旦训练好，比赛过程中是没法学习的，这他不知道么 |
l**a
发帖数: 94 | 2 系主任估计本来就不是做AI的，
之前也不做神经网络，
估计不太懂deep learning。
或者是鄙视观众，反正说的清楚了观众不懂
胡说一通观众就以为自己懂了。 |
h***n
发帖数: 1275 | 3 匪夷所思的是，国内各个媒体评论请的专家，没一个对阿发狗的原理说的靠点谱的，
nature的论文就在那，山寨狗也在GitHub了，真心无语。
还有请来的江铸就，被问到三盘结束后棋界认为能让几子，竟然说让不动。
【在 l**a 的大作中提到】
: 系主任估计本来就不是做AI的，
: 之前也不做神经网络，
: 估计不太懂deep learning。
: 或者是鄙视观众，反正说的清楚了观众不懂
: 胡说一通观众就以为自己懂了。
|
x****i
发帖数: 729 | 4 还是聂老看得准，而且敢说真话。狗的布局7段水平，中盘13段。
【在 h***n 的大作中提到】
: 匪夷所思的是，国内各个媒体评论请的专家，没一个对阿发狗的原理说的靠点谱的，
: nature的论文就在那，山寨狗也在GitHub了，真心无语。
: 还有请来的江铸就，被问到三盘结束后棋界认为能让几子，竟然说让不动。
|
b***y
发帖数: 14281 | 5 是你在扯吧，比赛中怎么不能学习？
【在 h***n 的大作中提到】
: 讲的话很不靠谱。
: 一旦训练好，比赛过程中是没法学习的，这他不知道么
|
M*******p
发帖数: 5626 | 6 那个苹果皮之父说话磕磕巴巴，但是好像他是明白原理的，因为他们就用同样的原理做
人脸识别，而且他也看过那篇Nature文章。
【在 h***n 的大作中提到】
: 匪夷所思的是，国内各个媒体评论请的专家，没一个对阿发狗的原理说的靠点谱的，
: nature的论文就在那，山寨狗也在GitHub了，真心无语。
: 还有请来的江铸就，被问到三盘结束后棋界认为能让几子，竟然说让不动。
|
a***m
发帖数: 5037 | 7 这个属于 online/continual learning 。
阿尔法狗目前还不具备
【在 b***y 的大作中提到】
: 是你在扯吧，比赛中怎么不能学习？
|
o*****p
发帖数: 2977 | 8 而且学也学不会。因为一盘棋的权重太小了。Alphago是几千万盘训练出来的。贸然改
变权重的话，后果不可测，几乎肯定会变差。
【在 a***m 的大作中提到】
: 这个属于 online/continual learning 。
: 阿尔法狗目前还不具备
|
a***m
发帖数: 5037 | 9 阿狗工程师表示有兴趣往这个方向努力下
【在 o*****p 的大作中提到】
: 而且学也学不会。因为一盘棋的权重太小了。Alphago是几千万盘训练出来的。贸然改
: 变权重的话，后果不可测，几乎肯定会变差。
|
b***y
发帖数: 14281 | 10 “比赛中”是指的一盘之中，还是一盘与另一盘之间？后者完全是可以学习的。当然比
重可能是比较小，但如果是具有针对性的学习说不定还是有用的。虽然狗狗自己声称没
有，但这只能姑且一听。
【在 a***m 的大作中提到】
: 这个属于 online/continual learning 。
: 阿尔法狗目前还不具备
|
|
|
o*****p
发帖数: 2977 | 11 深度学习没那么容易有针对性的学习。你得制造大量有针对性的数据去让计算机学习
。但这种复杂盘面，必须是高手才造得出来，象翻悔就多少盘也没试出来。写程序的人
都是业余棋手，水平肯定更低，所以不容易。
【在 b***y 的大作中提到】
: “比赛中”是指的一盘之中，还是一盘与另一盘之间？后者完全是可以学习的。当然比
: 重可能是比较小，但如果是具有针对性的学习说不定还是有用的。虽然狗狗自己声称没
: 有，但这只能姑且一听。
|
l**a
发帖数: 94 | 12 不过文章实在跟nature关系不大，有点店大欺人做广告的嫌疑
还是纯CS的杂志比较好。
其实大概意思也很好解释，所谓学习就是训练策略/估值网络的参数。
用棋谱或者是自己产生的棋谱（左右互搏）
相当于总结经验，这是所谓智能的部分。
MCT是行棋需要用的，当然左右互搏训练也需要用到就是。
相当于应经验产生一个比较小的树形空间去搜索。
这个搜索跟智能没什么太大的关系，就是个投票统计。
【在 h***n 的大作中提到】
: 匪夷所思的是，国内各个媒体评论请的专家，没一个对阿发狗的原理说的靠点谱的，
: nature的论文就在那，山寨狗也在GitHub了，真心无语。
: 还有请来的江铸就，被问到三盘结束后棋界认为能让几子，竟然说让不动。
|
l**a
发帖数: 94 | 13 不过文章实在跟nature关系不大，有点店大欺人做广告的嫌疑
还是纯CS的杂志比较好。
其实大概意思也很好解释，所谓学习就是训练策略/估值网络的参数。
用棋谱或者是自己产生的棋谱（左右互搏）
相当于总结经验，这是所谓智能的部分。
MCT是行棋需要用的，当然左右互搏训练也需要用到就是。
相当于应经验产生一个比较小的树形空间去搜索。
这个搜索跟智能没什么太大的关系，就是个投票统计。
【在 h***n 的大作中提到】
: 匪夷所思的是，国内各个媒体评论请的专家，没一个对阿发狗的原理说的靠点谱的，
: nature的论文就在那，山寨狗也在GitHub了，真心无语。
: 还有请来的江铸就，被问到三盘结束后棋界认为能让几子，竟然说让不动。
|
b***y
发帖数: 14281 | 14 不管怎么说两盘之间绝对是可以学习的。
【在 o*****p 的大作中提到】
: 深度学习没那么容易有针对性的学习。你得制造大量有针对性的数据去让计算机学习
: 。但这种复杂盘面，必须是高手才造得出来，象翻悔就多少盘也没试出来。写程序的人
: 都是业余棋手，水平肯定更低，所以不容易。
|
I******n
发帖数: 5952 | 15 这一两盘棋对阿狗的学习没啥用，权重太低了
【在 b***y 的大作中提到】
: 不管怎么说两盘之间绝对是可以学习的。
|
o*****p
发帖数: 2977 | 16 按照人类的正常“学习”的定义：这盘出了这个错误，以后大部分有相似的情况都会
警醒，那么答案是：它绝对没能力在两盘之间学习。
【在 b***y 的大作中提到】
: 不管怎么说两盘之间绝对是可以学习的。
|
b***y
发帖数: 14281 | 17 那是你自己的想象。实际上这取决于deepmind算法的具体细节。deepmind从来没有说
过每次学习的权重都是一样的。
【在 o*****p 的大作中提到】
: 按照人类的正常“学习”的定义：这盘出了这个错误，以后大部分有相似的情况都会
: 警醒，那么答案是：它绝对没能力在两盘之间学习。
|
a***m
发帖数: 5037 | 18 我在nature 之前就在其他期刊读到过他们的工作
不过那篇文章没讲和 MCTS 结合 只讲了DeepLearning 部分
【在 l**a 的大作中提到】
: 不过文章实在跟nature关系不大，有点店大欺人做广告的嫌疑
: 还是纯CS的杂志比较好。
: 其实大概意思也很好解释，所谓学习就是训练策略/估值网络的参数。
: 用棋谱或者是自己产生的棋谱（左右互搏）
: 相当于总结经验，这是所谓智能的部分。
: MCT是行棋需要用的，当然左右互搏训练也需要用到就是。
: 相当于应经验产生一个比较小的树形空间去搜索。
: 这个搜索跟智能没什么太大的关系，就是个投票统计。
|
o*****p
发帖数: 2977 | 19 看来你对神经网络一点谱都没有。别发表意见了。你是错的。不骗你。
【在 b***y 的大作中提到】
: 那是你自己的想象。实际上这取决于deepmind算法的具体细节。deepmind从来没有说
: 过每次学习的权重都是一样的。
|
l*****z
发帖数: 3022 | 20 其实一盘棋可以学多次吧，学一次各个系数就改变一点点，但是重复学习一百万次对系
数的影响就比较大了，当然这样会over fitting，那是另外一个问题了。这就跟小时候
背课文一样，反复多背些次才能记得住
【在 o*****p 的大作中提到】
: 看来你对神经网络一点谱都没有。别发表意见了。你是错的。不骗你。
|
|
|
t******l
发帖数: 10908 | 21 over-fitting 是不是就好比推娃背课文推太狠，结果把娃给推残了。。。
【在 l*****z 的大作中提到】
: 其实一盘棋可以学多次吧，学一次各个系数就改变一点点，但是重复学习一百万次对系
: 数的影响就比较大了，当然这样会over fitting，那是另外一个问题了。这就跟小时候
: 背课文一样，反复多背些次才能记得住
|
s******n
发帖数: 6806 | 22 对这种棋权重加大不一定是好事，一方面，本来这种比赛选手就太紧张，发挥并不好，
没到自己100%的水平。另一方面，如果加权重，可能会从数据中看出选手的情绪心理这
些问题，狗有可能会模仿，对于纯理性判断可能会造成较大干扰，而且各个棋手情绪心
理也不一样，要模仿也不能模仿一个人的。 |
l*****z
发帖数: 3022 | 23 最好实时监控对手的血压心率，作为指标输入神经网络训练，那就强了
【在 s******n 的大作中提到】
: 对这种棋权重加大不一定是好事，一方面，本来这种比赛选手就太紧张，发挥并不好，
: 没到自己100%的水平。另一方面，如果加权重，可能会从数据中看出选手的情绪心理这
: 些问题，狗有可能会模仿，对于纯理性判断可能会造成较大干扰，而且各个棋手情绪心
: 理也不一样，要模仿也不能模仿一个人的。
|
I******n
发帖数: 5952 | 24 overfitting啥后果？不容易converge？
【在 t******l 的大作中提到】
: over-fitting 是不是就好比推娃背课文推太狠，结果把娃给推残了。。。
|
l*****z
发帖数: 3022 | 25 不是不能converge，是converge到过分优化到某一种情况，新情况出来时无法
generalization
【在 I******n 的大作中提到】
: overfitting啥后果？不容易converge？
|
s******n
发帖数: 6806 | 26 overfitting 就会只适用于一类情况，而且是历史数据中的情况，不能推广到其他情况
，别人变招之后就蒙。这种问题很难修正，只能是权衡利弊，想精确就会有
overfitting，想模型通用就会少了准确度。
不太懂围棋，但看各位和职业的讲解，说狗大局观好，局部计算反而相对弱。可能就是
程序员为了避免overfitting，局部计算稍弱。
【在 I******n 的大作中提到】
: overfitting啥后果？不容易converge？
|
