r**********g
发帖数: 22734 | 1 说明都还没理解这件事的不同寻常。阿法狗是一个模拟的大脑，只会下棋的大脑。
看看我犬正在做的另一件事。
http://www.popsci.com/googles-robots-are-learning-hand-eye-coor
让机器手自己学习怎么拿东西。
这是一个观念上的进步。以前的人工智能，是人来总结经验，然后编写程序让机器来做
，其实机器并没有学习，只是照人的指令行事而已。
现在DNN在做的，则完全不同。设计出一种可以学习的网络结构，然后让机器自己来学
——通过失败来学习。这是自然界最简单的应激反应，从阿米巴到人类智慧，其实都是
应激反应，只不过规模不同。比如那个机器手，其实就像一个小孩，从跌倒，到可以独
立行走的过程。你看到的是一个特化的生命体。
拿人类的语言打比方。每个人生下来，就由DNA赋予了学习语言的能力。这是网络结构
。除非是傻子，任何人都可以学会语言。但是有的人学中文，有的人学英文，这是一个
参数学习的过程。小孩说“你回来了”，然后你纠正他，应该说“我回来了”，人的神
经网络会相应调整。调整的能力，是由DNA赋予，自然生成的网络结构提供的。
以前，机器学习不是扮演DNA的角色，而是直接去连接神经元。现在，整个思路变成了
我只设计一个可学习的网络结构，并提供应激反应的机制和参数优化的能力。接下来，
学习就是机器自己的事了。
阿法狗就是如此，事实上人类创造了若干个能够（也只能够）下围棋的大脑。他们开始
互相切磋。每天几百万局，不停地切磋。好比科杰回到三百年前可以秒杀所有围棋高手
，每天几百万局不停下的狗，也会很快超过人类。
但是这不是没有上限的。比如阿法狗，神经元数量差不多和一只鸽子类似。那么它能学
到多厉害？能不能学星际？这就难说了。但是随着硬件进步，总有一天会足够聪明。
对于马工而言，这也是一个巨大的机会和挑战。我曾经说过DNN是一种新的编程方式，
从设计算法，变成设计网络结构、损失函数、输入输出。这就好比开启了上帝视角，你
实实在在在创造一个“生物”，它能学某种东西。然后你要给他这些东西让他学。
最后随便打个比分，DNN三大元素：神经网络，输入，损失函数。我们用训狗叼飞盘来
打比方。
网络是基础设施。你要有一只狗，它有脑子，并且具备学习叼飞盘的能力。如果是猫，
那么它学不了。
输入，这只狗必须不瞎，能尝味道——能看见飞盘，能吃肉
损失函数，叼到飞盘，损失为－1，有肉吃，叼不到，损失为1，有肉吃。飞个几百次，
狗肯定学会了。 |
g********i
发帖数: 770 | |
f*******t
发帖数: 7549 | 3 刚看到王垠写了一篇文章喷alphago，我觉得他看法很片面。只要电脑有了足够强大的
感官（能跟动物的眼睛、耳朵相比），和正确设定的训练目标参数（比如动物进食的本
能），很多事情都能学习好。至于类似人类的意识和感情，在技术到达一定高度后完全
有可能自发出现。 |
r**********g
发帖数: 22734 | 4 王垠不是搞这个的。他不懂。
现在还是网络规模太小，并且不存在一个好的“遗传”机制来自发改进网络结构，所以
还是在弱AI范畴打转。所以都不必太担心——如果电脑不能自发创造出loss function
，那么它即使再聪明也是人类的奴隶。
强AI的出现必须依赖某种遗传变异机制。有生之年未必能看到。所以我建议索男们拥抱
新的学习算法和新的IT。文科女生也不要再害怕了，嫁给马公，错不了。
【在 f*******t 的大作中提到】
: 刚看到王垠写了一篇文章喷alphago，我觉得他看法很片面。只要电脑有了足够强大的
: 感官（能跟动物的眼睛、耳朵相比），和正确设定的训练目标参数（比如动物进食的本
: 能），很多事情都能学习好。至于类似人类的意识和感情，在技术到达一定高度后完全
: 有可能自发出现。
|
j******o
发帖数: 4219 | 5 下围棋本身不就是背棋谱吗，这种东西算什么人工智能。能写文章才算。 |
r**********g
发帖数: 22734 | 6 你不会下棋。
【在 j******o 的大作中提到】
: 下围棋本身不就是背棋谱吗，这种东西算什么人工智能。能写文章才算。
|
t***t
发帖数: 6066 | 7 意思情感在图灵机上不可能出现
【在 f*******t 的大作中提到】
: 刚看到王垠写了一篇文章喷alphago，我觉得他看法很片面。只要电脑有了足够强大的
: 感官（能跟动物的眼睛、耳朵相比），和正确设定的训练目标参数（比如动物进食的本
: 能），很多事情都能学习好。至于类似人类的意识和感情，在技术到达一定高度后完全
: 有可能自发出现。
|
r****7
发帖数: 2282 | 8 你刚来google没多久，也不是deep learning的大牛，显然也不是做alphago相关的啊
function
【在 r**********g 的大作中提到】
: 王垠不是搞这个的。他不懂。
: 现在还是网络规模太小，并且不存在一个好的“遗传”机制来自发改进网络结构，所以
: 还是在弱AI范畴打转。所以都不必太担心——如果电脑不能自发创造出loss function
: ，那么它即使再聪明也是人类的奴隶。
: 强AI的出现必须依赖某种遗传变异机制。有生之年未必能看到。所以我建议索男们拥抱
: 新的学习算法和新的IT。文科女生也不要再害怕了，嫁给马公，错不了。
|
f*******t
发帖数: 7549 | 9 其实电脑也不是绝对意义上的图灵机，总有出错的机率，就跟生物DNA复制一样。
【在 t***t 的大作中提到】
: 意思情感在图灵机上不可能出现
|
h*********2
发帖数: 444 | 10 虽然我不喜欢王垠，但他那篇说alphago的文章倒没啥偏激的。
DNN可以根据设定好的目标去训练，并不代表DNN可以自己找到目标啊。就跟LZ说的一样
，我没觉得目前的所谓AI有独立进化的能力。 |
|
|
s*****r
发帖数: 43070 | 11 阿法狗的成果会应用到很多产品，狗内现在AI大热啊
【在 r****7 的大作中提到】
: 你刚来google没多久，也不是deep learning的大牛，显然也不是做alphago相关的啊
:
: function
|
r**********g
发帖数: 22734 | 12 我当然不是大牛了，大牛是要做新东西，push state of art。我差了很多，水平大概
是你做了我能看懂，让我依葫芦画瓢重做一遍我可以做出来。这样。所以听我的评论还
是可以有点点收获的。
【在 r****7 的大作中提到】
: 你刚来google没多久，也不是deep learning的大牛，显然也不是做alphago相关的啊
:
: function
|
g*********e
发帖数: 14401 | 13 古狗自己又不肯设计芯片 只要因特尔没动力，硬件上就瓶颈了
【在 r**********g 的大作中提到】
: 说明都还没理解这件事的不同寻常。阿法狗是一个模拟的大脑，只会下棋的大脑。
: 看看我犬正在做的另一件事。
: http://www.popsci.com/googles-robots-are-learning-hand-eye-coor
: 让机器手自己学习怎么拿东西。
: 这是一个观念上的进步。以前的人工智能，是人来总结经验，然后编写程序让机器来做
: ，其实机器并没有学习，只是照人的指令行事而已。
: 现在DNN在做的，则完全不同。设计出一种可以学习的网络结构，然后让机器自己来学
: ——通过失败来学习。这是自然界最简单的应激反应，从阿米巴到人类智慧，其实都是
: 应激反应，只不过规模不同。比如那个机器手，其实就像一个小孩，从跌倒，到可以独
: 立行走的过程。你看到的是一个特化的生命体。
|
p*****d
发帖数: 183 | 14 第一你怎么知道股沟不设计芯片
第二cpu也未必是硬件瓶颈，scale可以up 可以out 看具体应用。碰巧deep learning在
很多场合里可以scale out 所以才大量上gpgpu
【在 g*********e 的大作中提到】
: 古狗自己又不肯设计芯片 只要因特尔没动力，硬件上就瓶颈了
|
g*********e
发帖数: 14401 | 15 股沟顶多写verilog fab这一套肯定不愿花钱搞
【在 p*****d 的大作中提到】
: 第一你怎么知道股沟不设计芯片
: 第二cpu也未必是硬件瓶颈，scale可以up 可以out 看具体应用。碰巧deep learning在
: 很多场合里可以scale out 所以才大量上gpgpu
|
p****i
发帖数: 158 | |
p****i
发帖数: 158 | |
p****i
发帖数: 158 | 18 牛逼个毛线， 就是把 ml 一点小常识又说了一遍 听半小时andrew的”水课“都能有这
水平
【在 g********i 的大作中提到】
: 原创么？ 牛逼
|
p**2
发帖数: 613 | |
e********2
发帖数: 495 | 20 说个数学原理出来看看，搞得像科普。
【在 r**********g 的大作中提到】
: 说明都还没理解这件事的不同寻常。阿法狗是一个模拟的大脑，只会下棋的大脑。
: 看看我犬正在做的另一件事。
: http://www.popsci.com/googles-robots-are-learning-hand-eye-coor
: 让机器手自己学习怎么拿东西。
: 这是一个观念上的进步。以前的人工智能，是人来总结经验，然后编写程序让机器来做
: ，其实机器并没有学习，只是照人的指令行事而已。
: 现在DNN在做的，则完全不同。设计出一种可以学习的网络结构，然后让机器自己来学
: ——通过失败来学习。这是自然界最简单的应激反应，从阿米巴到人类智慧，其实都是
: 应激反应，只不过规模不同。比如那个机器手，其实就像一个小孩，从跌倒，到可以独
: 立行走的过程。你看到的是一个特化的生命体。
|
|
|
r**********g
发帖数: 22734 | 21 说明都还没理解这件事的不同寻常。阿法狗是一个模拟的大脑，只会下棋的大脑。
看看我犬正在做的另一件事。
http://www.popsci.com/googles-robots-are-learning-hand-eye-coor
让机器手自己学习怎么拿东西。
这是一个观念上的进步。以前的人工智能，是人来总结经验，然后编写程序让机器来做
，其实机器并没有学习，只是照人的指令行事而已。
现在DNN在做的，则完全不同。设计出一种可以学习的网络结构，然后让机器自己来学
——通过失败来学习。这是自然界最简单的应激反应，从阿米巴到人类智慧，其实都是
应激反应，只不过规模不同。比如那个机器手，其实就像一个小孩，从跌倒，到可以独
立行走的过程。你看到的是一个特化的生命体。
拿人类的语言打比方。每个人生下来，就由DNA赋予了学习语言的能力。这是网络结构
。除非是傻子，任何人都可以学会语言。但是有的人学中文，有的人学英文，这是一个
参数学习的过程。小孩说“你回来了”，然后你纠正他，应该说“我回来了”，人的神
经网络会相应调整。调整的能力，是由DNA赋予，自然生成的网络结构提供的。
以前，机器学习不是扮演DNA的角色，而是直接去连接神经元。现在，整个思路变成了
我只设计一个可学习的网络结构，并提供应激反应的机制和参数优化的能力。接下来，
学习就是机器自己的事了。
阿法狗就是如此，事实上人类创造了若干个能够（也只能够）下围棋的大脑。他们开始
互相切磋。每天几百万局，不停地切磋。好比科杰回到三百年前可以秒杀所有围棋高手
，每天几百万局不停下的狗，也会很快超过人类。
但是这不是没有上限的。比如阿法狗，神经元数量差不多和一只鸽子类似。那么它能学
到多厉害？能不能学星际？这就难说了。但是随着硬件进步，总有一天会足够聪明。
对于马工而言，这也是一个巨大的机会和挑战。我曾经说过DNN是一种新的编程方式，
从设计算法，变成设计网络结构、损失函数、输入输出。这就好比开启了上帝视角，你
实实在在在创造一个“生物”，它能学某种东西。然后你要给他这些东西让他学。
最后随便打个比分，DNN三大元素：神经网络，输入，损失函数。我们用训狗叼飞盘来
打比方。
网络是基础设施。你要有一只狗，它有脑子，并且具备学习叼飞盘的能力。如果是猫，
那么它学不了。
输入，这只狗必须不瞎，能尝味道——能看见飞盘，能吃肉
损失函数，叼到飞盘，损失为－1，有肉吃，叼不到，损失为1，有肉吃。飞个几百次，
狗肯定学会了。 |
g********i
发帖数: 770 | |
f*******t
发帖数: 7549 | 23 刚看到王垠写了一篇文章喷alphago，我觉得他看法很片面。只要电脑有了足够强大的
感官（能跟动物的眼睛、耳朵相比），和正确设定的训练目标参数（比如动物进食的本
能），很多事情都能学习好。至于类似人类的意识和感情，在技术到达一定高度后完全
有可能自发出现。 |
r**********g
发帖数: 22734 | 24 王垠不是搞这个的。他不懂。
现在还是网络规模太小，并且不存在一个好的“遗传”机制来自发改进网络结构，所以
还是在弱AI范畴打转。所以都不必太担心——如果电脑不能自发创造出loss function
，那么它即使再聪明也是人类的奴隶。
强AI的出现必须依赖某种遗传变异机制。有生之年未必能看到。所以我建议索男们拥抱
新的学习算法和新的IT。文科女生也不要再害怕了，嫁给马公，错不了。
【在 f*******t 的大作中提到】
: 刚看到王垠写了一篇文章喷alphago，我觉得他看法很片面。只要电脑有了足够强大的
: 感官（能跟动物的眼睛、耳朵相比），和正确设定的训练目标参数（比如动物进食的本
: 能），很多事情都能学习好。至于类似人类的意识和感情，在技术到达一定高度后完全
: 有可能自发出现。
|
j******o
发帖数: 4219 | 25 下围棋本身不就是背棋谱吗，这种东西算什么人工智能。能写文章才算。 |
r**********g
发帖数: 22734 | 26 你不会下棋。
【在 j******o 的大作中提到】
: 下围棋本身不就是背棋谱吗，这种东西算什么人工智能。能写文章才算。
|
t***t
发帖数: 6066 | 27 意思情感在图灵机上不可能出现
【在 f*******t 的大作中提到】
: 刚看到王垠写了一篇文章喷alphago，我觉得他看法很片面。只要电脑有了足够强大的
: 感官（能跟动物的眼睛、耳朵相比），和正确设定的训练目标参数（比如动物进食的本
: 能），很多事情都能学习好。至于类似人类的意识和感情，在技术到达一定高度后完全
: 有可能自发出现。
|
r****7
发帖数: 2282 | 28 你刚来google没多久，也不是deep learning的大牛，显然也不是做alphago相关的啊
function
【在 r**********g 的大作中提到】
: 王垠不是搞这个的。他不懂。
: 现在还是网络规模太小，并且不存在一个好的“遗传”机制来自发改进网络结构，所以
: 还是在弱AI范畴打转。所以都不必太担心——如果电脑不能自发创造出loss function
: ，那么它即使再聪明也是人类的奴隶。
: 强AI的出现必须依赖某种遗传变异机制。有生之年未必能看到。所以我建议索男们拥抱
: 新的学习算法和新的IT。文科女生也不要再害怕了，嫁给马公，错不了。
|
f*******t
发帖数: 7549 | 29 其实电脑也不是绝对意义上的图灵机，总有出错的机率，就跟生物DNA复制一样。
【在 t***t 的大作中提到】
: 意思情感在图灵机上不可能出现
|
h*********2
发帖数: 444 | 30 虽然我不喜欢王垠，但他那篇说alphago的文章倒没啥偏激的。
DNN可以根据设定好的目标去训练，并不代表DNN可以自己找到目标啊。就跟LZ说的一样
，我没觉得目前的所谓AI有独立进化的能力。 |
|
|
s*****r
发帖数: 43070 | 31 阿法狗的成果会应用到很多产品，狗内现在AI大热啊
【在 r****7 的大作中提到】
: 你刚来google没多久，也不是deep learning的大牛，显然也不是做alphago相关的啊
:
: function
|
r**********g
发帖数: 22734 | 32 我当然不是大牛了，大牛是要做新东西，push state of art。我差了很多，水平大概
是你做了我能看懂，让我依葫芦画瓢重做一遍我可以做出来。这样。所以听我的评论还
是可以有点点收获的。
【在 r****7 的大作中提到】
: 你刚来google没多久，也不是deep learning的大牛，显然也不是做alphago相关的啊
:
: function
|
g*********e
发帖数: 14401 | 33 古狗自己又不肯设计芯片 只要因特尔没动力，硬件上就瓶颈了
【在 r**********g 的大作中提到】
: 说明都还没理解这件事的不同寻常。阿法狗是一个模拟的大脑，只会下棋的大脑。
: 看看我犬正在做的另一件事。
: http://www.popsci.com/googles-robots-are-learning-hand-eye-coor
: 让机器手自己学习怎么拿东西。
: 这是一个观念上的进步。以前的人工智能，是人来总结经验，然后编写程序让机器来做
: ，其实机器并没有学习，只是照人的指令行事而已。
: 现在DNN在做的，则完全不同。设计出一种可以学习的网络结构，然后让机器自己来学
: ——通过失败来学习。这是自然界最简单的应激反应，从阿米巴到人类智慧，其实都是
: 应激反应，只不过规模不同。比如那个机器手，其实就像一个小孩，从跌倒，到可以独
: 立行走的过程。你看到的是一个特化的生命体。
|
p*****d
发帖数: 183 | 34 第一你怎么知道股沟不设计芯片
第二cpu也未必是硬件瓶颈，scale可以up 可以out 看具体应用。碰巧deep learning在
很多场合里可以scale out 所以才大量上gpgpu
【在 g*********e 的大作中提到】
: 古狗自己又不肯设计芯片 只要因特尔没动力，硬件上就瓶颈了
|
g*********e
发帖数: 14401 | 35 股沟顶多写verilog fab这一套肯定不愿花钱搞
【在 p*****d 的大作中提到】
: 第一你怎么知道股沟不设计芯片
: 第二cpu也未必是硬件瓶颈，scale可以up 可以out 看具体应用。碰巧deep learning在
: 很多场合里可以scale out 所以才大量上gpgpu
|
p****i
发帖数: 158 | |
p****i
发帖数: 158 | |
p****i
发帖数: 158 | 38 牛逼个毛线， 就是把 ml 一点小常识又说了一遍 听半小时andrew的”水课“都能有这
水平
【在 g********i 的大作中提到】
: 原创么？ 牛逼
|
p**2
发帖数: 613 | |
e********2
发帖数: 495 | 40 说个数学原理出来看看，搞得像科普。
【在 r**********g 的大作中提到】
: 说明都还没理解这件事的不同寻常。阿法狗是一个模拟的大脑，只会下棋的大脑。
: 看看我犬正在做的另一件事。
: http://www.popsci.com/googles-robots-are-learning-hand-eye-coor
: 让机器手自己学习怎么拿东西。
: 这是一个观念上的进步。以前的人工智能，是人来总结经验，然后编写程序让机器来做
: ，其实机器并没有学习，只是照人的指令行事而已。
: 现在DNN在做的，则完全不同。设计出一种可以学习的网络结构，然后让机器自己来学
: ——通过失败来学习。这是自然界最简单的应激反应，从阿米巴到人类智慧，其实都是
: 应激反应，只不过规模不同。比如那个机器手，其实就像一个小孩，从跌倒，到可以独
: 立行走的过程。你看到的是一个特化的生命体。
|
|
|
s*****r
发帖数: 43070 | 41 被borg和flume的强大折服了，和李师师连输三盘的心情一样
【在 p****i 的大作中提到】
: 哟 有一个曾经的狗黑加入狗了
|
s*****r
发帖数: 43070 | 42 给大家科普一下远离，直接说reinforcement learning，谁懂
当年学Andrew的课，这章直接晕菜，不过考试也没考，吼吼
【在 p****i 的大作中提到】
: 牛逼个毛线， 就是把 ml 一点小常识又说了一遍 听半小时andrew的”水课“都能有这
: 水平
|
m******3
发帖数: 296 | 43 机器毕竟是机器。我之所以说他是机器，因为我觉得他做的是最优解，即便是模拟人的
大脑。
你和人下一百盘棋，会有一百盘下法。可是如果是电脑，我不确定会不会有第二种下法
。举个例子就是，在某一局局中，只要我下在某一点，下一步电脑一定会下在另一点，
不管重复多少次它都会那样下。只要是那样，我就不认为他有啥情感。
让一个人写作文描述一件事，写五六次他可以写出五六个不同的版本。语句也不会完全
一样，这才是人嘛。
【在 r**********g 的大作中提到】
: 说明都还没理解这件事的不同寻常。阿法狗是一个模拟的大脑，只会下棋的大脑。
: 看看我犬正在做的另一件事。
: http://www.popsci.com/googles-robots-are-learning-hand-eye-coor
: 让机器手自己学习怎么拿东西。
: 这是一个观念上的进步。以前的人工智能，是人来总结经验，然后编写程序让机器来做
: ，其实机器并没有学习，只是照人的指令行事而已。
: 现在DNN在做的，则完全不同。设计出一种可以学习的网络结构，然后让机器自己来学
: ——通过失败来学习。这是自然界最简单的应激反应，从阿米巴到人类智慧，其实都是
: 应激反应，只不过规模不同。比如那个机器手，其实就像一个小孩，从跌倒，到可以独
: 立行走的过程。你看到的是一个特化的生命体。
|
r**********g
发帖数: 22734 | 44 说得太对了。如果有人感觉这也叫牛逼，正说明大家都要学习。
【在 p****i 的大作中提到】
: 牛逼个毛线， 就是把 ml 一点小常识又说了一遍 听半小时andrew的”水课“都能有这
: 水平
|
g****s
发帖数: 340 | 45 写得很好。其实人类的感情，可以看成一种复杂的loss function。人类的创意和变化
，与monte carlo异曲同工。 |
gw
发帖数: 2175 | 46 这只狗可能会走不同的点
希望石头能在某一盘试试
【在 m******3 的大作中提到】
: 机器毕竟是机器。我之所以说他是机器，因为我觉得他做的是最优解，即便是模拟人的
: 大脑。
: 你和人下一百盘棋，会有一百盘下法。可是如果是电脑，我不确定会不会有第二种下法
: 。举个例子就是，在某一局局中，只要我下在某一点，下一步电脑一定会下在另一点，
: 不管重复多少次它都会那样下。只要是那样，我就不认为他有啥情感。
: 让一个人写作文描述一件事，写五六次他可以写出五六个不同的版本。语句也不会完全
: 一样，这才是人嘛。
|
l*****z
发帖数: 3022 | 47 估计也会有不同的下法，因为不能穷举，所以随机采样选最佳，瞎猜，哈哈
【在 m******3 的大作中提到】
: 机器毕竟是机器。我之所以说他是机器，因为我觉得他做的是最优解，即便是模拟人的
: 大脑。
: 你和人下一百盘棋，会有一百盘下法。可是如果是电脑，我不确定会不会有第二种下法
: 。举个例子就是，在某一局局中，只要我下在某一点，下一步电脑一定会下在另一点，
: 不管重复多少次它都会那样下。只要是那样，我就不认为他有啥情感。
: 让一个人写作文描述一件事，写五六次他可以写出五六个不同的版本。语句也不会完全
: 一样，这才是人嘛。
|
w**z
发帖数: 8232 | 48 帮你转 program 版了，那里有个叫 wdong 是搞 AI, 你们可以切磋一下。
【在 r**********g 的大作中提到】
: 说明都还没理解这件事的不同寻常。阿法狗是一个模拟的大脑，只会下棋的大脑。
: 看看我犬正在做的另一件事。
: http://www.popsci.com/googles-robots-are-learning-hand-eye-coor
: 让机器手自己学习怎么拿东西。
: 这是一个观念上的进步。以前的人工智能，是人来总结经验，然后编写程序让机器来做
: ，其实机器并没有学习，只是照人的指令行事而已。
: 现在DNN在做的，则完全不同。设计出一种可以学习的网络结构，然后让机器自己来学
: ——通过失败来学习。这是自然界最简单的应激反应，从阿米巴到人类智慧，其实都是
: 应激反应，只不过规模不同。比如那个机器手，其实就像一个小孩，从跌倒，到可以独
: 立行走的过程。你看到的是一个特化的生命体。
|
k***f
发帖数: 264 | 49 这样的算法早就有了。就叫基因算法。genetic algorithm. 对当初我们要解决的问题
，还是很有效的。
function |
r**********g
发帖数: 22734 | 50 遗传算法跟我说的是两回事。
【在 k***f 的大作中提到】
: 这样的算法早就有了。就叫基因算法。genetic algorithm. 对当初我们要解决的问题
: ，还是很有效的。
: function
|
