g*******i
发帖数: 171 | 1 人工智能下围棋超过人类， 别扯淡了。 Alpha GO 还学要人帮她输入对手的落子，给
他在棋盘摆子。 Google 的图像识别牛逼吹到天上去了， 为何不用AI 机器识别棋盘上
的落子？ 为何不用机械手自己落子？
你知道 以现有的图像识别技术，判断棋子在棋盘上的节点的位置有
多难吗？ 人类棋手落子，不是精确地落在某个节点上，而是有偏差，当这些有偏差的
棋子挤在一块的时候（中盘对杀的时候），机器识别每个棋子节点位置的准确率会降到
50%一下。
人类智能的最基本的功能， 图像识别， 语言，肢体运动功能，感性认知和创造性，是
所谓的人工智能难以逾越的困难，过去50几年人工智能的在这几方面几乎没有任何突破
性的进展，看看Google Translate
和Goggle 有多屎， 就知道了。
Alphago 的算法只是使用奇技淫巧缩小了运算量，但是他的每一步棋的运算量和相应的
能量消耗，仍然 超过人脑的上亿倍。
Alpha GO 和李世石下的那几盘棋，并没有严格的科学测试环境以保证，整个过程当中
Alpha Go 没有接受人的指导，AlphaGO 至今没有公开放到网上接受任意棋手的挑战，
就更加让人怀疑了。
我是业余3段水平， 跟号称最强的Zen Go 5.0 下， Zen在我面前不堪一击， 没有任何
机会。我曾经被让4子根职业2段 下过， 我没有任何机会。做为计算机算法博士和业余
围棋选手， 我是不会相信围棋机器能击败职业九段的。 | O*******d
发帖数: 20343 | 2 当人面对失败时，有一个过程。 西方心理学家已经分析的很清楚了。 楼主现在在
denial阶段。就是不承认失败。
http://www.caregiverslibrary.org/caregivers-resources/grp-end-of-life-issues/hsgrp-grief-and-loss/psychological-responses-to-loss-article.aspx
A look at the most common psychological and emotional responses to loss.
Whether an individual copes with a significant loss or death in a positive
and constructive rather than in a negative or destructive manner depends on
the types of coping mechanisms used and the quality of support being given.
There are two major psychological responses by individuals when adjusting to
loss: (1) the use of coping mechanisms; and (2) emotional reactions. If we
wish to help friends and loved ones in time of sorrow, we need to understand
how these are expressed by them.
Coping mechanisms
Coping mechanisms operate to psychologically protect individuals and are
used to reduce the level of anxiety they feel at a given moment. This allows
them to better adjust to the loss and begin the grieving and healing
process.
Disbelief or denial: This response reduces anxiety by allowing
individuals to limit their awareness about the reality of what has happened
until the pain can be let in more slowly. Everything inside shouts “No”!
and the mind struggles to escape. Unable to tolerate the pain that would
emerge if reality were faced, the individual experiences “emotional
anesthesia.” Numbness and confusion are often predominant responses.
Sighing and crying can be readily observed. Others cannot cry and may
withdraw. This stage is relinquished more easily if people will listen to
the bereaved person and help them express their whole range of feelings.
Listening to feelings without giving advice is the best helping strategy.
Disorganization and dependence: Characterized by a period of confusion
in which the grieving person may feel out of touch with the ordinary
proceedings of life. They may exhibit very dependent behavior and a time-
orientation that focuses solely on the present. They may become quite
demanding, asking others to do things they normally can do themselves. Some
of their talk and actions may seem foolish and out of character to others.
It is wise not to make major decisions, such as selling one’s house or
moving, during this period.
Intellectualization: A coping mechanism in which the grieving person
attempts to master the loss by gathering a great deal of knowledge and
information and analyzing in detail the situations leading to the loss. They
may find out the most intricate medical data of a fatal disease, for
example. Or, they may plan in detail what will happen after the loss occurs.
Surviving individuals may rationalize the loss by saying “He’s better off
in the long run,” or “She suffered so much.” This allows the individual
to remain emotionally detached and to become an “observer” of the
situation. If it remains within reasonable bounds, intellectualization can
give the individual and family members a greater sense of control.
Emotional Reactions
Emotional responses coexist with coping mechanisms, but they do not
necessarily protect the person from the trauma of loss. They are means for
the individual to express emotions and feelings associated with the loss.
Anger and resentment are common emotions of bereaved individuals. It is
often expressed as a protest against what seems to be a cruel, unfair and
incomprehensible fate. It is a reaction to frustration—the source of which
cannot be removed, so the person feels trapped and helpless. When this
happens, the individual may project this anger onto more accessible targets
(e.g. spouse, family member, hospital, physician, the government) or others
involved in the loss chain. Overt expressions of anger, such as verbal
outbursts, sarcasm, and unreasonable or persistent demands, should be
recognized as an understandable response to a traumatic situation and not
necessarily as a personal attack. For most of us, talking openly about our
feelings helps reduce the anger.
Friends can help by listening empathetically and resisting the
temptation to return anger with anger, or becoming defensive if they make
accusations. Unexpressed anger may be turned inward and may be replaced by
silent bitterness, indifference, apathy, aggression, and ultimately,
depression.
Guilt feelings are frequently a part of the grief process. These
feelings become focused as the individual searches for the cause of the loss
thinking thoughts like these:
“What did I do wrong?”
“Could I have done anything differently?”
“If only I hadn’t _____.”
“If only I would have _____.”
When you live with someone for any length of time, you will say
things you regret. When that person dies, you suddenly realize all the
things you wanted to say and didn’t. You remember words you wish you had
not said or actions you wish you had not taken. It is human to feel guilty
and to want another chance to erase neglect or failure. If the individual
openly expresses guilt, it is better to encourage talking about it rather
than clamming up. Saying “No, you’re not to blame” doesn’t really help
either. A caring person will encourage the full expression of feelings
rather than blocking them, which would make the person feel even more guilty.
Fear and anxiety is another emotional component of bereavement. The
grieving person may exhibit feelings of helplessness, hopelessness, hurt and
anxiety. Sudden loss means rapid change and demands great adjustment.
Starting over, with a new job, with a new career, new relationships, can be
a frightening experience. Since the loss usually is not of one’s own
choosing, there may be great anxiety about an unknown future. The greater
the loss, the greater the potential change, the greater the anxiety and fear
. Joining a support group where people can freely express their worries in a
supportive environment can help reduce needless anxiety.
Shame occurs when a person is in a situation that is incompatible with
the image that one wishes others to have. Shame, guilt, anger and regret
often intertwine and are overlapping. A farmer who involuntarily leaves the
farm may believe that this reveals an intrinsic weakness or unworthiness in
himself. When friends and family try to be encouraging and reduce guilt, it
may undermine one’s sense of dignity and self-esteem. Accepting the
individual as an “OK” person and being there when needed, is true
friendship.
Loneliness and depression are considered the most painful processes.
When a loved one is removed from their lives, people often are overcome by
feelings of utter depression and isolation. Gradually the finality of the
loss sinks in—an empty chair near the TV, an unused pillow, a family photo,
a missing phone call. Sadness and depression follow and self-pity is
frequent.
Problems which are manageable when shared with a partner become
magnified when faced alone. Sometimes an individual may search for a quick
replacement. However, healing and recovery are more likely achieved if the
bereaved person completes the grieving process before seeking a new partner
or making any new lasting commitments. Delaying major decisions allows
people to see new perspectives, to make decisions more easily lived with
during the years ahead.
Relief and recovery: Feelings of relief are difficult to admit and
acknowledge openly. Relief is so intermingled with our sense of loss that we
cannot see it isolated enough to take it for what it is—a normal, human
response. A feeling of relief does not imply any criticism for the lost
relationship. There is an overlap between relief and recovery—in fact,
feelings of relief may signal recovery. As the individual brings closure to
bereavement, and as hope softens the intense feelings of loss, a new life
begins. The person reaches out and makes constructive efforts to rebuild by
responding more readily to phone calls, attending meetings, and seeing
social gatherings as opportunities. | g*******i
发帖数: 171 | 3 AI 牛逼吹的再大， 为什么在语言理解和图像识别上，花了这么多钱，用了这么长时间
， 还是这么烂。 | i*******s
发帖数: 298 | 4 当前人类的硬件的计算速度，计算能力和feature,还远远不够support那么复杂的工程
【在 g*******i 的大作中提到】
: AI 牛逼吹的再大， 为什么在语言理解和图像识别上，花了这么多钱，用了这么长时间
: ， 还是这么烂。
| g*******i
发帖数: 171 | 5 不能自己看盘面落子，不能自己把围棋子精确地落到棋盘上，从这一点上讲， Alpha
GO 连三岁的小棋童都不如。
告诉你们点内幕吧： 韩国棋院本来为了更大的宣传效应，也为了给李世石减少心里压
力， 要求google放一个仿真机器人坐在李世石对面， 自己读棋， 落子， Google 没
有答应， 因为， google的机器人识别棋盘的可靠性太差；至于用机械手，把棋子放到
棋盘上的精确位置，可靠性就更差。一招’不慎‘， 满盘皆输， 所以Alpha Go就算背
后有100个职业九段在指导，把棋子放错位置， 那也是必输无疑。所以，广告商google
是绝对不会冒这样的风险的。 | w*****7
发帖数: 5038 | 6 楼主SB文科生吧？你的要求，每天机器人工厂都在做类似的，根本不是难事
哈哈哈
google
【在 g*******i 的大作中提到】
: 不能自己看盘面落子，不能自己把围棋子精确地落到棋盘上，从这一点上讲， Alpha
: GO 连三岁的小棋童都不如。
: 告诉你们点内幕吧： 韩国棋院本来为了更大的宣传效应，也为了给李世石减少心里压
: 力， 要求google放一个仿真机器人坐在李世石对面， 自己读棋， 落子， Google 没
: 有答应， 因为， google的机器人识别棋盘的可靠性太差；至于用机械手，把棋子放到
: 棋盘上的精确位置，可靠性就更差。一招’不慎‘， 满盘皆输， 所以Alpha Go就算背
: 后有100个职业九段在指导，把棋子放错位置， 那也是必输无疑。所以，广告商google
: 是绝对不会冒这样的风险的。
| l**k
发帖数: 1755 | 7 牛皮吹的。。。。
computer vision 你丫告诉我黑白棋盘格节点找不准，最基本的camera calibration问
题。你知不知道，现在机器人流水线上，要识别的难度高得多的都能做了？有空别光吹
，多读点书。
【在 g*******i 的大作中提到】
: 人工智能下围棋超过人类， 别扯淡了。 Alpha GO 还学要人帮她输入对手的落子，给
: 他在棋盘摆子。 Google 的图像识别牛逼吹到天上去了， 为何不用AI 机器识别棋盘上
: 的落子？ 为何不用机械手自己落子？
: 你知道 以现有的图像识别技术，判断棋子在棋盘上的节点的位置有
: 多难吗？ 人类棋手落子，不是精确地落在某个节点上，而是有偏差，当这些有偏差的
: 棋子挤在一块的时候（中盘对杀的时候），机器识别每个棋子节点位置的准确率会降到
: 50%一下。
: 人类智能的最基本的功能， 图像识别， 语言，肢体运动功能，感性认知和创造性，是
: 所谓的人工智能难以逾越的困难，过去50几年人工智能的在这几方面几乎没有任何突破
: 性的进展，看看Google Translate
| g*******i
发帖数: 171 | 8 这位同学没搞过人手模拟吧。
衣帽缝制这类对精确度和灵活度要求稍高一点的工作， 机械手都无法完成； 更别说对
精确度和灵活度要求极高的微型电子产品的组装了。 如果以上两种工作都能由所谓的
机器人完成，那占全世界60%的衣帽鞋袜的生产线就不会至今还在中国由手工完成了，
IPhone 也早就搬到美国由机器人组装了。
用AI Vision 来精确判断围棋棋子的位置看似简单实则不然，因为标准棋盘本身面积小
，而且相邻节点间距大约等于棋子宽度，人类棋手落子点不精确，落子之后，节点本身
被覆盖，大面积吃子，这都给Camera精确判断棋子位置造成很大麻烦。Camera
CalibrationC可以识别棋子位置， 问题是，准确率是多少？棋子位置的识别对准确率
要求要100%，一个棋子位置判断错了，整盘棋就输了。
如果，棋盘棋子位置确认，和机械手摆放棋子都像你说的那么简单，那么Google为什还
要放个真人（业余6段）在棋盘前为Alpha Go 输入棋子位置和摆放棋子呢？
【在 l**k 的大作中提到】
: 牛皮吹的。。。。
: computer vision 你丫告诉我黑白棋盘格节点找不准，最基本的camera calibration问
: 题。你知不知道，现在机器人流水线上，要识别的难度高得多的都能做了？有空别光吹
: ，多读点书。
| a***e
发帖数: 27968 | 9 围棋这种级别的pattern屁都不是，毫米级精度而已，不需要任何人工智能
你说点别的吧
，
【在 g*******i 的大作中提到】
: 这位同学没搞过人手模拟吧。
: 衣帽缝制这类对精确度和灵活度要求稍高一点的工作， 机械手都无法完成； 更别说对
: 精确度和灵活度要求极高的微型电子产品的组装了。 如果以上两种工作都能由所谓的
: 机器人完成，那占全世界60%的衣帽鞋袜的生产线就不会至今还在中国由手工完成了，
: IPhone 也早就搬到美国由机器人组装了。
: 用AI Vision 来精确判断围棋棋子的位置看似简单实则不然，因为标准棋盘本身面积小
: ，而且相邻节点间距大约等于棋子宽度，人类棋手落子点不精确，落子之后，节点本身
: 被覆盖，大面积吃子，这都给Camera精确判断棋子位置造成很大麻烦。Camera
: CalibrationC可以识别棋子位置， 问题是，准确率是多少？棋子位置的识别对准确率
: 要求要100%，一个棋子位置判断错了，整盘棋就输了。
| a***e
发帖数: 27968 | 10 你去看看现在高精度电路板哪个你是能手工焊的，真能扯
机械的定位精度早超过人了
，
【在 g*******i 的大作中提到】
: 这位同学没搞过人手模拟吧。
: 衣帽缝制这类对精确度和灵活度要求稍高一点的工作， 机械手都无法完成； 更别说对
: 精确度和灵活度要求极高的微型电子产品的组装了。 如果以上两种工作都能由所谓的
: 机器人完成，那占全世界60%的衣帽鞋袜的生产线就不会至今还在中国由手工完成了，
: IPhone 也早就搬到美国由机器人组装了。
: 用AI Vision 来精确判断围棋棋子的位置看似简单实则不然，因为标准棋盘本身面积小
: ，而且相邻节点间距大约等于棋子宽度，人类棋手落子点不精确，落子之后，节点本身
: 被覆盖，大面积吃子，这都给Camera精确判断棋子位置造成很大麻烦。Camera
: CalibrationC可以识别棋子位置， 问题是，准确率是多少？棋子位置的识别对准确率
: 要求要100%，一个棋子位置判断错了，整盘棋就输了。
| | | w*****7
发帖数: 5038 | 11 楼主就是孤陋寡闻的，去油管看看机器人微电子制造就会闭嘴
现在精准到几个埃级别，我们都在对原子，楼主还在对棋子
哈哈哈
【在 l**k 的大作中提到】
: 牛皮吹的。。。。
: computer vision 你丫告诉我黑白棋盘格节点找不准，最基本的camera calibration问
: 题。你知不知道，现在机器人流水线上，要识别的难度高得多的都能做了？有空别光吹
: ，多读点书。
| a***e
发帖数: 27968 | 12 其实不是速度不够，是算法问题
阿发狗也是算法优化了找到合理的决策树
人下棋也不是遍历，也是凭经验感觉筛选几个，再细算
这个"感觉”一旦被找到合理的方法量化这个东西就废了
【在 i*******s 的大作中提到】
: 当前人类的硬件的计算速度，计算能力和feature,还远远不够support那么复杂的工程
| a***e
发帖数: 27968 | 13 不知道他咋想的会认为机械落子会不准
机械手从篮子里抓个子的难度可能是这里面最难的一部
要是棋子已经load好，尼玛啥难度都没有
至于位置判断，尼玛大作业水平，那么大的对比度和规则棋盘
照个相图形处理一下就都有了
人手模拟的难度，主要还是触感，需要正确的传感器和反馈
这个主要还不是软件问题，是硬件问题
可是这个东西下棋用不到，倒是拿鸡蛋用得到
【在 w*****7 的大作中提到】
: 楼主就是孤陋寡闻的，去油管看看机器人微电子制造就会闭嘴
: 现在精准到几个埃级别，我们都在对原子，楼主还在对棋子
: 哈哈哈
| g*******i
发帖数: 171 | 14 这里谈的是人工智能的人手， 没说刷版机。人手挖土一样没法跟挖土机比。
我就问你，机器人现在找的炒的这么凶，人手的基本功能，缝制衣帽鞋袜，更高级一点
的Iphone组装，为什么机器人做不了？
【在 a***e 的大作中提到】
: 你去看看现在高精度电路板哪个你是能手工焊的，真能扯
: 机械的定位精度早超过人了
:
: ，
| a***e
发帖数: 27968 | 15 这个和下棋不相干啊，横平竖直的硬东西一点难度都没有
现在无数的缝纫就是机器做的，不过那些柔软曲里拐弯的东西需要所谓的触感很难搞
高精度高密度的压力传感器不好做，力度控制就不好做
人手据说能摸出纳米级的不平整，但这个和人工智能不相干的，是传感的问题
iphone大部分部件组装是机器的，一些需要控制好力度怕裂还不规则的才是人工
而且iphone组装对人手的需求其实比缝衣服低级，不是啥更高级的
iphone现在还用人是因为人还是便宜，早晚会机械化的
你去看看芯片封装的机器，几厘米的范围里面精确安装上百根金丝到管脚是啥精细度
就不会有真么天真的想法
【在 g*******i 的大作中提到】
: 这里谈的是人工智能的人手， 没说刷版机。人手挖土一样没法跟挖土机比。
: 我就问你，机器人现在找的炒的这么凶，人手的基本功能，缝制衣帽鞋袜，更高级一点
: 的Iphone组装，为什么机器人做不了？
| g*******i
发帖数: 171 | 16 还是理论问题。 机器人里面最重要的概念是人， 而不是机器， 机器可以在某些功能上
做得比人好， 但是没有人的综合能力， 更没有主动学习的意识。就拿做衣服来说，人
会以触觉感视觉感知来学则布料，剪裁，拼接布料，并且使用缝纫机连接布料，在须要
精细缝纫的地方比如领口，袖口，又会人工缝纫。总之， 你只要准备好了布料，各种
工具，机器，人就可以制作出衣服； 而现有的机器人,如果没有人的干预，是不可能
从头到尾把一堆布料，通过使用工具，而做成衣服的。
回到围棋，这个有上千年传统的人类的文化活动，如果把它归结到单纯的计算，别且因
为机器比人算的好，就得出结论，机器在下围棋上已经超越了人类，这就像说缝纫机做
衣服比人类裁缝师傅做的好一样的荒谬!
我也在AI界混饭吃， 感觉这两年，AI 吹得太厉害， 实质的进展几乎没有。个人感觉
，先阶段急需突破的领域1.人类语言理解 2图像认知 3.人类肢体动作与平衡。但感觉
突破的希望不大。
至于感性认知， 自我意识， 和创造性， 只有上帝知道该如何在机器里实现。
【在 a***e 的大作中提到】
: 这个和下棋不相干啊，横平竖直的硬东西一点难度都没有
: 现在无数的缝纫就是机器做的，不过那些柔软曲里拐弯的东西需要所谓的触感很难搞
: 高精度高密度的压力传感器不好做，力度控制就不好做
: 人手据说能摸出纳米级的不平整，但这个和人工智能不相干的，是传感的问题
: iphone大部分部件组装是机器的，一些需要控制好力度怕裂还不规则的才是人工
: 而且iphone组装对人手的需求其实比缝衣服低级，不是啥更高级的
: iphone现在还用人是因为人还是便宜，早晚会机械化的
: 你去看看芯片封装的机器，几厘米的范围里面精确安装上百根金丝到管脚是啥精细度
: 就不会有真么天真的想法
| t******e
发帖数: 1363 | 17 文科生 不要想当然 民科思维要不得
【在 g*******i 的大作中提到】
: 人工智能下围棋超过人类， 别扯淡了。 Alpha GO 还学要人帮她输入对手的落子，给
: 他在棋盘摆子。 Google 的图像识别牛逼吹到天上去了， 为何不用AI 机器识别棋盘上
: 的落子？ 为何不用机械手自己落子？
: 你知道 以现有的图像识别技术，判断棋子在棋盘上的节点的位置有
: 多难吗？ 人类棋手落子，不是精确地落在某个节点上，而是有偏差，当这些有偏差的
: 棋子挤在一块的时候（中盘对杀的时候），机器识别每个棋子节点位置的准确率会降到
: 50%一下。
: 人类智能的最基本的功能， 图像识别， 语言，肢体运动功能，感性认知和创造性，是
: 所谓的人工智能难以逾越的困难，过去50几年人工智能的在这几方面几乎没有任何突破
: 性的进展，看看Google Translate
| l*******e
发帖数: 1869 | 18 你作为业内人士，对机器模仿人的各种姿态有更高要求，这个很好，很有进取心。但是
恕我直言，这个和下棋本身没有关键必然联系：和象棋的棋谱一样，围棋的技术水平永
远表现在下一步落子的棋盘位置，只要机器人在得到了棋局当前各个棋子的位置后，能
高妙地给出下一步最佳的棋盘坐标，它就是高手，被它因此打败的对手就只有认输。
至于该机器棋手能否模仿真人擦汗，吸氧，都不是重点。准确识别对手落子位置，也是
吹毛求疵的要求，网上下棋，谁也没有看到对方怎么抓着棋子放在棋盘上，不是一样能
够分出水平高低。。。。据说下盲棋才是最高境界，那机器绝对远比活人厉害，搞个
90 x 90 的棋盘的盲棋，真人肯定想自杀了。
能上
【在 g*******i 的大作中提到】
: 还是理论问题。 机器人里面最重要的概念是人， 而不是机器， 机器可以在某些功能上
: 做得比人好， 但是没有人的综合能力， 更没有主动学习的意识。就拿做衣服来说，人
: 会以触觉感视觉感知来学则布料，剪裁，拼接布料，并且使用缝纫机连接布料，在须要
: 精细缝纫的地方比如领口，袖口，又会人工缝纫。总之， 你只要准备好了布料，各种
: 工具，机器，人就可以制作出衣服； 而现有的机器人,如果没有人的干预，是不可能
: 从头到尾把一堆布料，通过使用工具，而做成衣服的。
: 回到围棋，这个有上千年传统的人类的文化活动，如果把它归结到单纯的计算，别且因
: 为机器比人算的好，就得出结论，机器在下围棋上已经超越了人类，这就像说缝纫机做
: 衣服比人类裁缝师傅做的好一样的荒谬!
: 我也在AI界混饭吃， 感觉这两年，AI 吹得太厉害， 实质的进展几乎没有。个人感觉
| g*******i
发帖数: 171 | 19 这位同学， 我们这讨论的是，人工智能与人对弈的问题，人工智能，这里面的智能2字
指的是人的智能， 在围棋这个游戏里面， 具体说是， 1. 识别棋盘上的棋子分布和对
手的落子，2.判断下一步落子的位置， 3.从棋盒里拿子放到棋盘上的准确位置和把被
吃掉的子拿走。 AlphaGo， 在以上3个下围棋必须的智能行为中， 有两个（1和3）须
要人的帮助来完成， 第2个行为当中， 有没有人的介入， 并没有严格的实验环境来确
认。
Google 声称 人工智能Alpha GO 在围棋游戏中 独立的战胜人类最高水平棋手。 这个
结论明显虚假， 因为Alpha Go在围棋游戏中三个必须的智能过程中， 有两个需要人类
帮助才能完成。
既然Alpha GO 选择了传统方式（真人对坐， 木质棋盘上落子， 这也是现在围棋世界
大赛的标准方式）对弈，而非网络对弈或盲棋对弈，那么，Google为什么，不借此显示
一下他自称很牛的，图像识别， 和机器人肢体运动的技术呢？
【在 l*******e 的大作中提到】
: 你作为业内人士，对机器模仿人的各种姿态有更高要求，这个很好，很有进取心。但是
: 恕我直言，这个和下棋本身没有关键必然联系：和象棋的棋谱一样，围棋的技术水平永
: 远表现在下一步落子的棋盘位置，只要机器人在得到了棋局当前各个棋子的位置后，能
: 高妙地给出下一步最佳的棋盘坐标，它就是高手，被它因此打败的对手就只有认输。
: 至于该机器棋手能否模仿真人擦汗，吸氧，都不是重点。准确识别对手落子位置，也是
: 吹毛求疵的要求，网上下棋，谁也没有看到对方怎么抓着棋子放在棋盘上，不是一样能
: 够分出水平高低。。。。据说下盲棋才是最高境界，那机器绝对远比活人厉害，搞个
: 90 x 90 的棋盘的盲棋，真人肯定想自杀了。
:
: 能上
| a*******9
发帖数: 239 | 20 本人以为，AI研究的诸领域中，自然语言处理方面的突破应该是AI突破的关键标志，为
什么呢？因为语言是思维的载体。AI如果能理解人类语言，它就能看懂专业书，有了专
业知识，复制自己就是小菜一碟。考虑到AI读书远超人类的一目十行，那么从裸机到“
专业人士”，只需要一个星期甚至几个月，而人体肉身，读到PHD(Permanent Head
Damage)，天才也得要个十来年吧。各个领域一旦大量高水平的AI出现，人类就真的一
无是处了。各种科幻电影里的人机大战就成了现实，和这些比起来，赢几个九段，套句
时髦的糙话，算个球啊。
不可否认，AI在各实践领域获得了长足的进步，在理论和方法上有很多创新，但离真正
的智能还差得很远。AlphaGo 有图灵定义的智能，但它根本判断不出和它下棋的是人还
是机器，怎么就认为它在围棋领域碾压了人类？逻辑不通啊。再有，如果不给狗喂人类
棋谱（局），或只喂狗跟狗的对局，它的棋力能提高吗？也就是说AlphaGo可能到达的
最高水平其实是人类设定的，既然这样，还是没法碾压嘛。
所以股沟狡猾狡猾的，虚晃一枪就跑了，体现其商人的一面，如果去掉AlphaGo后面的
狗头军师，只插电，甚至允许它自己学习自己经历过的人机对局，随着时间的推移，我
相信它会越下越差，甚至会神经错乱疯掉，不管你们信不信，反正我是信了。
如果摆不正人和AI的关系，我们自己也会疯掉！
能上
【在 g*******i 的大作中提到】
: 还是理论问题。 机器人里面最重要的概念是人， 而不是机器， 机器可以在某些功能上
: 做得比人好， 但是没有人的综合能力， 更没有主动学习的意识。就拿做衣服来说，人
: 会以触觉感视觉感知来学则布料，剪裁，拼接布料，并且使用缝纫机连接布料，在须要
: 精细缝纫的地方比如领口，袖口，又会人工缝纫。总之， 你只要准备好了布料，各种
: 工具，机器，人就可以制作出衣服； 而现有的机器人,如果没有人的干预，是不可能
: 从头到尾把一堆布料，通过使用工具，而做成衣服的。
: 回到围棋，这个有上千年传统的人类的文化活动，如果把它归结到单纯的计算，别且因
: 为机器比人算的好，就得出结论，机器在下围棋上已经超越了人类，这就像说缝纫机做
: 衣服比人类裁缝师傅做的好一样的荒谬!
: 我也在AI界混饭吃， 感觉这两年，AI 吹得太厉害， 实质的进展几乎没有。个人感觉
| | | l*******e
发帖数: 1869 | 21 引用你的话：
人工智能，这里面的智能2字指的是人的智能， 在围棋这个游戏里面， 具体说是，
1. 识别棋盘上的棋子分布和对手的落子，
2.判断下一步落子的位置，
3.从棋盒里拿子放到棋盘上的准确位置和把被吃掉的子拿走。
我不否认你说的以上三条都需要人的智能参与，但是就围棋这个游戏或者比赛而言，你
说的上面三个智能中的第一和第三两个，在围棋水平里所占的比例是微乎其微的，尤其
对九段以上高手而言，假如人家从学习围棋到成为九段需要至少 10 年功夫（这个估计
不过分吧，假设 5 岁学棋），你所说的智能的第一和第三两条，我认为一个五岁孩子
最多一个小时就能学会掌握。那么你说的这些智能在九段高手的智能获得过程中所占比
例就是
1 小时 / 10x365x24 小时 = 11 ppm 即大约 十万分之一。
就算你说的两个智能标准是必须的衡量标准，其差距也只有 十万分之一。而前面其他
同学也说了，即使那种对棋盘棋子分布的识别，加上用机械手去拿走死子，也是已经做
得到的自动化技术。你号称自己研究 AI, 怎么连这个 image sensor 的原理都不知道
呢 ？我不是专家，但是工作中用到图像识别：用一个非常便宜的数码相机，同时拍摄
对方落子前后的棋盘，把对方下的棋子的位置找出来，是现在图像识别技术中托儿所水
平的技术，软件网上有免费的可以下载。
【在 g*******i 的大作中提到】
: 这位同学， 我们这讨论的是，人工智能与人对弈的问题，人工智能，这里面的智能2字
: 指的是人的智能， 在围棋这个游戏里面， 具体说是， 1. 识别棋盘上的棋子分布和对
: 手的落子，2.判断下一步落子的位置， 3.从棋盒里拿子放到棋盘上的准确位置和把被
: 吃掉的子拿走。 AlphaGo， 在以上3个下围棋必须的智能行为中， 有两个（1和3）须
: 要人的帮助来完成， 第2个行为当中， 有没有人的介入， 并没有严格的实验环境来确
: 认。
: Google 声称 人工智能Alpha GO 在围棋游戏中 独立的战胜人类最高水平棋手。 这个
: 结论明显虚假， 因为Alpha Go在围棋游戏中三个必须的智能过程中， 有两个需要人类
: 帮助才能完成。
: 既然Alpha GO 选择了传统方式（真人对坐， 木质棋盘上落子， 这也是现在围棋世界
| g*******i
发帖数: 171 | 22 对人类看似最简单的智能， 对机器来说往往是最困难的。
5岁大人类小孩的平均语言能力，图像识别能力，肢体运动平衡能力， 是现在人工智能
机器人根本无法企及的。
还有你说， ‘而前面其他
同学也说了，即使那种对棋盘棋子分布的识别，加上用机械手去拿走死子，也是已经做
得到的自动化技术。你号称自己研究 AI, 怎么连这个 image sensor 的原理都不知道
呢 ？’
你么总是拿工厂里面的机械手来跟人工智能范畴下的肢体运动最对比， 这是错误的。
棋手在棋盘前的动作是人的智能的肢体运动， 而并非工厂生产线上机械手的机械运动。
区别：
1. 智能肢体运动，是图像识别，位置判断， 平衡维持 的一体化， 灵活的运动， 而
不是像机械手那样只会按事先通过程序设定好的步骤做机械运动。
2. 智能智能肢体运动，不需要外界辅助装置来帮助定位和平衡。现在的机械手做了些
诸如image sensor的自主图像识别和定位功能， 但是1. 只适用于严格设定好的生产线
局部条件，他必须有外部光电装置（生产线局部边界处安装的定位器）帮助调整位置和
确定坐标， 以保证机械手动作的精度。
人类棋手把棋子放歪了，会自己发现并调整，机械手动作出现偏差， 如果没有人工干
预， 是不会自发去调整的。
还是一句话，摆放棋子，如果真像一般人想象的那样简单，精确和可靠， 为什么
Google不做呢？ 能借机展示一下’强大的‘机器人技术，Google这个广告商何乐而不
为呢？
【
在 lightblue (clear) 的大作中提到: 】 | d**********u
发帖数: 3371 | 23 首先我是搞AI的, 很多年了.
因为机械手臂和图像识别都不是难点.... 花个万把块钱就随便实现了.... 用不用没有
都无所谓....
当然如果你不是搞AI的 说出这些话 可以理解...
捉摸这些的性质 就跟那些日本的做机器人的货色整天捉摸着怎么把机器人的外表弄的
更像人一样
在特定领域和限定条件下, 比如识别棋盘, 对AI来说是小菜一碟.
刚想起来昨天看了一个介绍薯片生产线的视屏, 除了传统的机械应用达到全自动化以外
, 传动带上还有一个自动识别好坏薯片切片的摄像机和识别软件, 在薯片经过的千分之
一秒期间识别合格薯片 并用气枪打掉不合格的薯片... 在特殊的应用环境下, 闭合边
界问题里, AI, (很多时候是EE的信号处理, 比如医疗图像处理), 的应用成功率是非常
高的.
AI的难点在于真正的人工智能, 在开放世界中能够应对几乎所有的变化, 达到总结和归
纳整理信息和知识, 比如自动驾驶, 事实上是一个远难过围棋AI几个数量级的问题, 围
棋AI能被关注, 也不过是因为是第一次突破罢了. 用不了几年, 肯定帅人类棋力几十条
街.
【在 g*******i 的大作中提到】
: 人工智能下围棋超过人类， 别扯淡了。 Alpha GO 还学要人帮她输入对手的落子，给
: 他在棋盘摆子。 Google 的图像识别牛逼吹到天上去了， 为何不用AI 机器识别棋盘上
: 的落子？ 为何不用机械手自己落子？
: 你知道 以现有的图像识别技术，判断棋子在棋盘上的节点的位置有
: 多难吗？ 人类棋手落子，不是精确地落在某个节点上，而是有偏差，当这些有偏差的
: 棋子挤在一块的时候（中盘对杀的时候），机器识别每个棋子节点位置的准确率会降到
: 50%一下。
: 人类智能的最基本的功能， 图像识别， 语言，肢体运动功能，感性认知和创造性，是
: 所谓的人工智能难以逾越的困难，过去50几年人工智能的在这几方面几乎没有任何突破
: 性的进展，看看Google Translate
| d**********u
发帖数: 3371 | 24 综上 图像识别的难点在于开放世界
要识别全世界所有的猫狗, 汽车, (Google 2013年的文章号称起达到人类水平了, 其实
还差得远, 因为不管用什么数据集, 最后总是闭合的), 是一个特别难的题, 因为不断
的有新的猫狗, 汽车出来, 现行的AI就算是
Deep Learning大部分是没有识别区分性特征的能力的, 比如先识别汽车的轮子, 车架,
从而判断是汽车..., 13, 14年有2篇文章将过只要针对性的对deep network的输入加0
.02%, 肉眼无法识别的干扰, 就可以完全误导其判断. 这些都是因为开放世界的输入太
过庞大, 变化性太多, AI自己识别抓取关键特征非常难.
但是识别棋盘, 真是小菜一碟...., 看看USPS用的手写识别软件, 20年前Lecun做出来
的, 测试准确率高达99.998(MNIST dataset), 就因为手写识别是个闭合世界的识别过
程, 只用针对手写字母就可以了.
但是这些闭合世界的识别算法, 不能被称为"人工智能", (理论上, 按照这个标准, 这
个世界上是没有人工智能出现过的) 他们根本就不会想, 也没有自我意识, 只不过通过
找到一些巧妙的处理和学习训练方法, 数学函数的拟合, 表现得出来像人类在某些方面
的能力罢了. 就和工程上做高精度雷达, 机械手臂, 一个性质.
【在 d**********u 的大作中提到】
: 首先我是搞AI的, 很多年了.
: 因为机械手臂和图像识别都不是难点.... 花个万把块钱就随便实现了.... 用不用没有
: 都无所谓....
: 当然如果你不是搞AI的 说出这些话 可以理解...
: 捉摸这些的性质 就跟那些日本的做机器人的货色整天捉摸着怎么把机器人的外表弄的
: 更像人一样
: 在特定领域和限定条件下, 比如识别棋盘, 对AI来说是小菜一碟.
: 刚想起来昨天看了一个介绍薯片生产线的视屏, 除了传统的机械应用达到全自动化以外
: , 传动带上还有一个自动识别好坏薯片切片的摄像机和识别软件, 在薯片经过的千分之
: 一秒期间识别合格薯片 并用气枪打掉不合格的薯片... 在特殊的应用环境下, 闭合边
| g*******i
发帖数: 171 | 25 对人类看似最简单的智能， 对机器来说往往是最困难的。
5岁大人类小孩的平均语言能力，图像识别能力，肢体运动平衡能力， 是现在人工智能
机器人根本无法企及的。
还有你说， ‘而前面其他
同学也说了，即使那种对棋盘棋子分布的识别，加上用机械手去拿走死子，也是已经做
得到的自动化技术。你号称自己研究 AI, 怎么连这个 image sensor 的原理都不知道
呢 ？’
你么总是拿工厂里面的机械手来跟人工智能范畴下的肢体运动最对比， 这是错误的。
棋手在棋盘前的动作是人的智能的肢体运动， 而并非工厂生产线上机械手的机械运动。
区别：
1. 智能肢体运动，是图像识别，位置判断， 平衡维持 的一体化， 灵活的运动， 而
不是像机械手那样只会按事先通过程序设定好的步骤做机械运动。
2. 智能智能肢体运动，不需要外界辅助装置来帮助定位和平衡。现在的机械手做了些
诸如image sensor的自主图像识别和定位功能， 但是1. 只适用于严格设定好的生产线
局部条件，他必须有外部光电装置（生产线局部边界处安装的定位器）帮助调整位置和
确定坐标， 以保证机械手动作的精度。
人类棋手把棋子放歪了，会自己发现并调整，机械手动作出现偏差， 如果没有人工干
预， 是不会自发去调整的。
还是一句话，摆放棋子，如果真像一般人想象的那样简单，精确和可靠， 为什么
Google不做呢？ 能借机展示一下’强大的‘机器人技术，Google这个广告商何乐而不
为呢？
【 | d**********u
发帖数: 3371 | 26 因为做机械手臂来下棋是白花钱, 谁会买, 做出来也不会有人关心.....
但是学术界有人做, 而且很早之前就有人做过了, 现在根本就没人关心这个问题.
随便贴个youtube视频吧.
https://www.youtube.com/watch?v=x5r_znpqW14
不要说这个, 比如更有趣的包剪锤机器人, 可以永远赢和人类的包剪锤比赛, 原理就是
在你要出拳钱的一瞬间, 通过你肌肉的运动, 识别和预测你要出拳的趋势, 从而永远赢
得比赛.
https://www.youtube.com/watch?v=ZVNnoOcohaU
AI里面的机械学这一块的, 不要说下棋, 拿个杯子, 在任何复杂的平面上2肢站立 (
Boston Dynamic现在做的最好), 奔跑, 跳跃障碍都不是问题了.
要真要做比较, 到图像识别, USPS识别手写地址, 手写的输入空间是不是比棋盘的输入
空间复杂多了, 为毛有人做, 而且做得这么好, 因为做出来, 每年省个上亿开销不成问
题.
我觉得你既然是CS的, 好好找个身边做AI的人问问才是真的.
动。
【在 g*******i 的大作中提到】
: 对人类看似最简单的智能， 对机器来说往往是最困难的。
: 5岁大人类小孩的平均语言能力，图像识别能力，肢体运动平衡能力， 是现在人工智能
: 机器人根本无法企及的。
: 还有你说， ‘而前面其他
: 同学也说了，即使那种对棋盘棋子分布的识别，加上用机械手去拿走死子，也是已经做
: 得到的自动化技术。你号称自己研究 AI, 怎么连这个 image sensor 的原理都不知道
: 呢 ？’
: 你么总是拿工厂里面的机械手来跟人工智能范畴下的肢体运动最对比， 这是错误的。
: 棋手在棋盘前的动作是人的智能的肢体运动， 而并非工厂生产线上机械手的机械运动。
: 区别：
| d**********u
发帖数: 3371 | 27 一句话, 因为摆放旗子是小儿科, 已经没有人关心了, 也不能创造价值. 所以没有人做
..., 要是google在他们AlphaGo的论文里面附带介绍他们的下棋机械手臂和识别软件,
会被人笑话的.
随便放一个boston dynamic做的直立行走机器人
https://www.youtube.com/watch?v=rVlhMGQgDkY
你觉得在任意复杂的地面上(雪地, 草地)直立行走和摆棋子, 哪个更难, 你要说后者更
难我就没话说了, 之所以前者有人做, 是因为军方警方需要 (拆炸弹, 救人等等), 大
量的砸钱让人研究.
动。
【在 g*******i 的大作中提到】
: 对人类看似最简单的智能， 对机器来说往往是最困难的。
: 5岁大人类小孩的平均语言能力，图像识别能力，肢体运动平衡能力， 是现在人工智能
: 机器人根本无法企及的。
: 还有你说， ‘而前面其他
: 同学也说了，即使那种对棋盘棋子分布的识别，加上用机械手去拿走死子，也是已经做
: 得到的自动化技术。你号称自己研究 AI, 怎么连这个 image sensor 的原理都不知道
: 呢 ？’
: 你么总是拿工厂里面的机械手来跟人工智能范畴下的肢体运动最对比， 这是错误的。
: 棋手在棋盘前的动作是人的智能的肢体运动， 而并非工厂生产线上机械手的机械运动。
: 区别：
| q*****a
发帖数: 237 | 28 下围棋和机械手什么的有毛钱关系
网上下也是下
棋盘下去也是下
楼主完全本末倒置
【在 g*******i 的大作中提到】
: 人工智能下围棋超过人类， 别扯淡了。 Alpha GO 还学要人帮她输入对手的落子，给
: 他在棋盘摆子。 Google 的图像识别牛逼吹到天上去了， 为何不用AI 机器识别棋盘上
: 的落子？ 为何不用机械手自己落子？
: 你知道 以现有的图像识别技术，判断棋子在棋盘上的节点的位置有
: 多难吗？ 人类棋手落子，不是精确地落在某个节点上，而是有偏差，当这些有偏差的
: 棋子挤在一块的时候（中盘对杀的时候），机器识别每个棋子节点位置的准确率会降到
: 50%一下。
: 人类智能的最基本的功能， 图像识别， 语言，肢体运动功能，感性认知和创造性，是
: 所谓的人工智能难以逾越的困难，过去50几年人工智能的在这几方面几乎没有任何突破
: 性的进展，看看Google Translate
| d**********u
发帖数: 3371 | 29 而且google也不是完全不会搞噱头和炒冷饭的
比如他们开始搞玩游戏的AI, 这东西其实很多年前陆陆续续的有人做, 学术界也有几个
小会议针对游戏AI的.
https://www.youtube.com/watch?v=05rEefXlmhI
比如这个, 我仅仅知道的几个, 十来年前有人坐的用2层神经网络加Genetic Algorithm
的玩Super Mario的程序. 其实很容易就实现了.
Deep Mind那些人不会不知道这个, 不过玩这个噱头一个是觉得有意思, 会有人关注,
另一个是他们想做一个通用所有游戏的AI, 无需人工干预, 遇到任何新游戏, 自己训练
启发. 因为AI的通用性是AI研究的大难题. 就像前面说的, 识别手写字母为容易, 是因
为只需要识别手写字幕, 你拿这套程序去识别猫狗就歇菜了.
同一个AI, 能用一套算法应对全世界所有可能的输入 (或者说非常大范围的输入和应用
), 这才是爆炸性的突破, 真正的AI的曙光, Deep Learning在一定程度上看到了这样的
潜力, (图像, 音频, 视频等等等等都能用, 而且效果好) 所以才火的不行. 这个
Andrew Ng的一个视频里有过介绍, 讲deep learning的general intelligence的.
动。
【在 g*******i 的大作中提到】
: 对人类看似最简单的智能， 对机器来说往往是最困难的。
: 5岁大人类小孩的平均语言能力，图像识别能力，肢体运动平衡能力， 是现在人工智能
: 机器人根本无法企及的。
: 还有你说， ‘而前面其他
: 同学也说了，即使那种对棋盘棋子分布的识别，加上用机械手去拿走死子，也是已经做
: 得到的自动化技术。你号称自己研究 AI, 怎么连这个 image sensor 的原理都不知道
: 呢 ？’
: 你么总是拿工厂里面的机械手来跟人工智能范畴下的肢体运动最对比， 这是错误的。
: 棋手在棋盘前的动作是人的智能的肢体运动， 而并非工厂生产线上机械手的机械运动。
: 区别：
| l*******e
发帖数: 1869 | 30 很同意你说的，人类很简单的一些智能，机器远远无法达到。但是我前面说的重点是，
一句话，你说的这些智能，并非围棋棋艺智能，或者说在下围棋的关键智能里，仅贡献
很小成分。围棋高手，在网上照样水平高，半身不遂只好让自己的孩子来帮着摆子一样
也一样体现高超棋艺，别人不会因为此高手某局棋是网络上下的，或者自己儿子帮着摆
子提子的，就贬低这个棋手的能力。
比如说张飞武艺勇力比你高强得多，你非要说他炖牛肉水平比你差，因为他的身体强壮
来自爱吃牛肉，不能总买，所以需要自己做。 本来是你和张飞比武艺，按照你的逻辑
，成了比做牛肉的厨艺了。
动。
【在 g*******i 的大作中提到】
: 对人类看似最简单的智能， 对机器来说往往是最困难的。
: 5岁大人类小孩的平均语言能力，图像识别能力，肢体运动平衡能力， 是现在人工智能
: 机器人根本无法企及的。
: 还有你说， ‘而前面其他
: 同学也说了，即使那种对棋盘棋子分布的识别，加上用机械手去拿走死子，也是已经做
: 得到的自动化技术。你号称自己研究 AI, 怎么连这个 image sensor 的原理都不知道
: 呢 ？’
: 你么总是拿工厂里面的机械手来跟人工智能范畴下的肢体运动最对比， 这是错误的。
: 棋手在棋盘前的动作是人的智能的肢体运动， 而并非工厂生产线上机械手的机械运动。
: 区别：
| | | g*******i
发帖数: 171 | 31 我的专攻不是人类肢体运动， 因为人工智能环境识别与人类肢体运动密切相关， 所以
对人类肢体运动人工智能密切跟踪。
先明确一个概念， 我们这里讨论的不是机械手臂—根据事先设定好的程序，完成某一
特定的机械性功能；完成围棋对局的手臂是人工智能手臂，人工智能手臂的定义是在视
觉，触觉等中枢系统控制下能够完成各种手臂动作，进而实现各种人的手臂能实现的各
种功能。
Boston Dynamic 的机器人ATLAS的手臂应该说是最接近的人工智能手臂，按理说，能够
完成‘在任何复杂的平面上2肢站立，奔跑, 跳跃障碍’，那么读棋，摆放棋子应该是
小菜一碟。可是实际情况远非如此简单。别的不说，最关键的问题是可靠性（
Reliability）问题。围棋对局中，可靠性必须是100%，下过围棋的人都知道，读错和
摆错一个子的位置， 在跟9段高手的对局中，那就必输无疑。
说一千，道一万，Google 如果认为Boston Dynamic 的机器人那么可靠，精确， 为何
不把他接上背后的神经网络，坐在人的对面， 而完成一盘符合国际围棋大赛规则的围
棋对局呢？那样造成的轰动效应应该远比放一个6段高手在棋盘旁边帮着读棋摆棋要大
的多吧。广告商Google会错过这么一个宣传自己‘人工智能’伟大成就的机会？
你提到 Boston Dynamic 太好了， Google 2013年买下这个公司， 去年计划卖给
Toyota and Amazon；知道当年IBM为何把PC业务卖给联想吗? Youtube 上那个Boston
Dynamic机器人被推倒后能自己站起来的视频，能实现机器人自己站起来，确实不容易
，是个不小的成就，但是，注意一下，那个机器人，每次都是在前后的方向被推倒。从
侧面推到， 能不能自己站起来？还是个巨大的难题。
至于那个机器人下chess的视频， 首先是不是被实现设定好的棋局？再有围棋棋盘比
chess棋盘精细的多，这个问题不想多说了，
总之一句话，Google自己的机器人，如果
真的那麽精确可靠，为何不坐在人类棋手对面，而要用人类帮助读棋，摆棋呢？
【在 d**********u 的大作中提到】
: 因为做机械手臂来下棋是白花钱, 谁会买, 做出来也不会有人关心.....
: 但是学术界有人做, 而且很早之前就有人做过了, 现在根本就没人关心这个问题.
: 随便贴个youtube视频吧.
: https://www.youtube.com/watch?v=x5r_znpqW14
: 不要说这个, 比如更有趣的包剪锤机器人, 可以永远赢和人类的包剪锤比赛, 原理就是
: 在你要出拳钱的一瞬间, 通过你肌肉的运动, 识别和预测你要出拳的趋势, 从而永远赢
: 得比赛.
: https://www.youtube.com/watch?v=ZVNnoOcohaU
: AI里面的机械学这一块的, 不要说下棋, 拿个杯子, 在任何复杂的平面上2肢站立 (
: Boston Dynamic现在做的最好), 奔跑, 跳跃障碍都不是问题了.
| v*****a
发帖数: 1332 | 32 各位，这个绝对是来黑我“计算机算法博士”的。。。
我tm就是“计算机算法博士”，5字头的选修课，只要带一点图像识别的topic的课，就
应该知道，识别棋盘上的黑白子，难度连final project都不够。。。
这个绝对是学文的来黑我cs博士的。。。我们再差也不至于这样啊 | v*****a
发帖数: 1332 | 33 我不是搞AI的，但我至少是“计算机算法博士”，
真不知道LZ的博士怎么弄下来的。
计算机解决任何问题，都分三步
都是要人工去观察
然后人工建模
然后计算机search optimized solution
我觉得AI对应，也分了几个层次
1，围棋/象棋这一类的，输赢的模型已经非常清楚了。本质上就是一个BF搜索，连算法
都不要，不考虑searching space的话，不超过10行程序就能行吧。所谓AI在这里的作
用，就是快速search，甚至连global optimization都不能保证。（这个是简单模型）
1.5，德州扑克这样的游戏，模型比较复杂，比如bluffing，不同的对手有不同的表现
，如果打一个桌子的话，更麻烦。这里就涉及model training的问题（具体我不知道AI
业内怎么做，猜的）（这个是复杂模型）
2，更多的游戏，完全不给计算机解释，就给他看棋谱，让他自己去figure out具体的
规则，然后最优化。（这个就是程序自动建模）
3，更难的就是，连输入的棋谱都是模糊的，需要计算机自己去找。（这个几乎不可能
把，这个基本上属于天网了）
Algorithm
【在 d**********u 的大作中提到】
: 而且google也不是完全不会搞噱头和炒冷饭的
: 比如他们开始搞玩游戏的AI, 这东西其实很多年前陆陆续续的有人做, 学术界也有几个
: 小会议针对游戏AI的.
: https://www.youtube.com/watch?v=05rEefXlmhI
: 比如这个, 我仅仅知道的几个, 十来年前有人坐的用2层神经网络加Genetic Algorithm
: 的玩Super Mario的程序. 其实很容易就实现了.
: Deep Mind那些人不会不知道这个, 不过玩这个噱头一个是觉得有意思, 会有人关注,
: 另一个是他们想做一个通用所有游戏的AI, 无需人工干预, 遇到任何新游戏, 自己训练
: 启发. 因为AI的通用性是AI研究的大难题. 就像前面说的, 识别手写字母为容易, 是因
: 为只需要识别手写字幕, 你拿这套程序去识别猫狗就歇菜了.
| a***e
发帖数: 27968 | 34 尼玛真能扯淡，你是不是认为在网上或者计算机上用鼠标下的围棋不算符合围棋规则的
棋局？
谁规定的必须用一个类似人的手抓棋落子才叫人工智能下围棋？
棋盘读棋更是不需要任何人工智能的东西，就是个简单的图像算法，一个数码相机加简
单算法
就能搞定，而且精度比人靠谱，类似判断百米赛谁赢比人眼靠谱
这几样简单情形都不是人的优势，别自取其辱
人手的模拟很复杂没错，但是和下棋这件事情无关
没有模板的图像识别可能很复杂，也和下棋无关
事实上你这种抬杠做法是个无底洞
这些做到了你会开始机器怎么不能模拟人的情绪，怎么不紧张不流汗
怎么不会判断对手情绪等等，扯淡没边了
其实你可以就说一句话包赢，“还不是个人脑子”
人工智能的难度，是学习能力的模拟，自适应，总结，慢慢形成合理信息提取和预测判
断这种
【在 g*******i 的大作中提到】
: 我的专攻不是人类肢体运动， 因为人工智能环境识别与人类肢体运动密切相关， 所以
: 对人类肢体运动人工智能密切跟踪。
: 先明确一个概念， 我们这里讨论的不是机械手臂—根据事先设定好的程序，完成某一
: 特定的机械性功能；完成围棋对局的手臂是人工智能手臂，人工智能手臂的定义是在视
: 觉，触觉等中枢系统控制下能够完成各种手臂动作，进而实现各种人的手臂能实现的各
: 种功能。
: Boston Dynamic 的机器人ATLAS的手臂应该说是最接近的人工智能手臂，按理说，能够
: 完成‘在任何复杂的平面上2肢站立，奔跑, 跳跃障碍’，那么读棋，摆放棋子应该是
: 小菜一碟。可是实际情况远非如此简单。别的不说，最关键的问题是可靠性（
: Reliability）问题。围棋对局中，可靠性必须是100%，下过围棋的人都知道，读错和
| a***e
发帖数: 27968 | 35 你说的这些都和围棋吓赢人类不相干
现在的机器其实可以用几根丝线直接做出衣服。
全世界可能没有一个人手工可以做到
给你一堆布料不加训练你也不见得能做出来，能说你没智能么？
下围棋对AI算法是个挑战因为维数多开放复杂所以这次是个突破
没人说alphago可以替你写博士论文
你也不用费劲证明alpha狗不是人，这个大家都清楚
但是下围棋这件事大家都赢不了了不要硬拗了
这件事情不是坏事，高手可以研究以前被认为太复杂放弃研究的东西了
比如五路上的定式之类的。这个算法应该是挖到人类以前没看到或者体会不到的东西了
能上
【在 g*******i 的大作中提到】
: 还是理论问题。 机器人里面最重要的概念是人， 而不是机器， 机器可以在某些功能上
: 做得比人好， 但是没有人的综合能力， 更没有主动学习的意识。就拿做衣服来说，人
: 会以触觉感视觉感知来学则布料，剪裁，拼接布料，并且使用缝纫机连接布料，在须要
: 精细缝纫的地方比如领口，袖口，又会人工缝纫。总之， 你只要准备好了布料，各种
: 工具，机器，人就可以制作出衣服； 而现有的机器人,如果没有人的干预，是不可能
: 从头到尾把一堆布料，通过使用工具，而做成衣服的。
: 回到围棋，这个有上千年传统的人类的文化活动，如果把它归结到单纯的计算，别且因
: 为机器比人算的好，就得出结论，机器在下围棋上已经超越了人类，这就像说缝纫机做
: 衣服比人类裁缝师傅做的好一样的荒谬!
: 我也在AI界混饭吃， 感觉这两年，AI 吹得太厉害， 实质的进展几乎没有。个人感觉
| a***e
发帖数: 27968 | 36 google为什么需要在下围棋的时候显示图像识别， 和机器人肢体运动的技术的技术呢？
你的理由没有任何说服力，人李试试没意见你倒是有意见了
你要愿意，可以上网做个poll，看看都少人认为这些是AI围棋软件的一部分？
至于你说第二步，现实是人干预的话应该是胜率更低
【在 g*******i 的大作中提到】
: 这位同学， 我们这讨论的是，人工智能与人对弈的问题，人工智能，这里面的智能2字
: 指的是人的智能， 在围棋这个游戏里面， 具体说是， 1. 识别棋盘上的棋子分布和对
: 手的落子，2.判断下一步落子的位置， 3.从棋盒里拿子放到棋盘上的准确位置和把被
: 吃掉的子拿走。 AlphaGo， 在以上3个下围棋必须的智能行为中， 有两个（1和3）须
: 要人的帮助来完成， 第2个行为当中， 有没有人的介入， 并没有严格的实验环境来确
: 认。
: Google 声称 人工智能Alpha GO 在围棋游戏中 独立的战胜人类最高水平棋手。 这个
: 结论明显虚假， 因为Alpha Go在围棋游戏中三个必须的智能过程中， 有两个需要人类
: 帮助才能完成。
: 既然Alpha GO 选择了传统方式（真人对坐， 木质棋盘上落子， 这也是现在围棋世界
| g*******i
发帖数: 171 | 37 哪个世界正规围棋比赛是要人来帮助读棋谱，落子的？
总之一句话，Google自己的机器人，如果
真的那麽精确可靠，为何不坐在人类棋手对面，而要用人类帮助读棋，摆棋呢？
【在 a***e 的大作中提到】
: 尼玛真能扯淡，你是不是认为在网上或者计算机上用鼠标下的围棋不算符合围棋规则的
: 棋局？
: 谁规定的必须用一个类似人的手抓棋落子才叫人工智能下围棋？
: 棋盘读棋更是不需要任何人工智能的东西，就是个简单的图像算法，一个数码相机加简
: 单算法
: 就能搞定，而且精度比人靠谱，类似判断百米赛谁赢比人眼靠谱
: 这几样简单情形都不是人的优势，别自取其辱
: 人手的模拟很复杂没错，但是和下棋这件事情无关
: 没有模板的图像识别可能很复杂，也和下棋无关
: 事实上你这种抬杠做法是个无底洞
| m*****n
发帖数: 3644 | 38 你这种思维模式，看不到任何问题的重点实质。估计你在生活中和人交流也有很大的问
题，也没有能和你深刻交流的朋友。
另外，你说自己是博士，这个不可能。不管什么专业的博士，也不管多水，基本的逻辑
思维都有。你这个思维，论文第一块literature review就是小学生水平都不如。小学
生还能教，你这个思维路子，教都教不出。 | g********x
发帖数: 7361 | 39 各位将军，不要浪费时间了，你们是不可能说服一个民科的 | i***h
发帖数: 12655 | 40 老型的器人吧，来创造流量的
【在 g********x 的大作中提到】
: 各位将军，不要浪费时间了，你们是不可能说服一个民科的
| | | h*******i
发帖数: 96 | | I******i
发帖数: 203 | 42 哈哈，记得中国乒乓球队有个发球机什么的。。。你说的那些落子机器什么的不是技术
的难点。
这么说吧，中餐馆炒个鱼香肉丝什么的不需要从养猪开始吧。 | a**1
发帖数: 338 | 43 AI cannot shit as real man. AI is just no of shit-----louzhu
銆鍦guangwudi (鍏夋甯 鐨勫ぇ浣滀腑鎻愬埌: 銆br />
ぇ锛涓轰粈涔堝湪璇█鐞嗚В鍜屽浘鍍忚瘑鍒笂锛岃姳浜嗚繖涔堝閽憋紝鐢ㄤ
簡杩欎箞闀挎椂闂达紝 杩樻槸杩欎箞鐑傘 | a***e
发帖数: 27968 | 44 为什么google需要这么做呢，为了显摆？
这是个AI算法的程序，谁跟你说这是个机器人了？
尼玛你把一个转播的安排当成必要条件
其实给李世石一个屏幕和鼠标这个比赛也是这个效果，
你这种细枝末节不觉得无聊么？
【在 g*******i 的大作中提到】
: 哪个世界正规围棋比赛是要人来帮助读棋谱，落子的？
: 总之一句话，Google自己的机器人，如果
: 真的那麽精确可靠，为何不坐在人类棋手对面，而要用人类帮助读棋，摆棋呢？
| z*****k
发帖数: 600 | 45 LZ应该是出于悲愤，曾经迷过围棋的都多多少少有这样的痛。因为余味不好，感觉就是
又一个走下坡的中医。Ai现在就是一个大hype，说不定这个bubble哪天就破了。现在上
来责备能代表什么? 觉得自己搞AI的，搞NN研究牛x的,尤其还是懂棋的，还是想想为啥
就没有够敏锐事先站出来至少给条警示预测神经网发展有导致围棋上突破。 | g*******i
发帖数: 171 | 46 我悲愤的不是人类围棋； 围棋只是业余爱好， 真有职业九段机器人天天陪我玩，我高
兴还来不及呢！
我郁闷的是，这么多年，这麽多钱， 这么多天才的一辈子都耗在了‘人工智能’这个
大坑里，搞出来的都是些中看不中用的东西，真正有用的，如自然语言理解， 图像识
别，狗屁突破没搞出来， 吹的震天响。
忽悠全世界人开始担心机器人毁灭人类！我只能说这个世界傻逼太多！
先把钱和人力多花在治理环境污染上吧，正在毁灭人类的是空气和水污染。别指望人工
智能能毁灭人类，也别指望人工智能帮助人类解决环境污染问题。
悲愤的扯远了，回到‘人工智能’这个话题，最新进展，深度学习，和神经网络， 在
自然语言理解和开放图像识别，这两个最基本人类智能领域，根本没有帮助。其实硅谷
的‘创业者’太想做出像样点的翻译/对话， 立体图像识别的智能产品，因为背后
的商机太大了，到现在最好的也就是， Google Translator or Goggle,这两样东西可
靠性，和精确性都太差，与商用标准要求的可靠性，和精确性差的太远了。
语言就不说了，太困难了， 实在是太困难了，原因很简单，人类自己学外语都学不好
， 你去教机器如何学习外语，结果可想而知。
图像识别应该容易一点吧，没有语言特有的Context的问题， 其实，也不简单， 老子
几年花在教机器，如何区分物体边界，说通俗点， 一个苹果放在一个南瓜上，这是两
个objects不是一个。机器就是学不会。机器能认出分别摆放的苹果和南瓜，但是把两
个东西有接触的放在一起，机器无论人怎么教他， 他就是认不出这是一个苹果放在南
瓜上，而是认为这是他以前没见过的新的物体。
感觉还没搞清楚人类语言和图像认知的原理。现在的深度学习和神经网络，本质上是用
数理统计对已知结果进行归纳总结，在此基础上对新的输入进行‘mapping’，而且认
为，精度不够是因为，经验数据不够大，处理器速度不够快。搞的是数据存储，cpu数
量和耗电量成几何级数增长，但是精度和可靠性就是上不来。
【在 z*****k 的大作中提到】
: LZ应该是出于悲愤，曾经迷过围棋的都多多少少有这样的痛。因为余味不好，感觉就是
: 又一个走下坡的中医。Ai现在就是一个大hype，说不定这个bubble哪天就破了。现在上
: 来责备能代表什么? 觉得自己搞AI的，搞NN研究牛x的,尤其还是懂棋的，还是想想为啥
: 就没有够敏锐事先站出来至少给条警示预测神经网发展有导致围棋上突破。
| a****l
发帖数: 8211 | 47 运用在棋类上,每一步都是有可以定量化判断的依据的,以前唯一的问题是无法处理那么
多定量的数据.用在语言理解,图像识别上,还没有人想出怎么样将语言定量.
【在 g*******i 的大作中提到】
: AI 牛逼吹的再大， 为什么在语言理解和图像识别上，花了这么多钱，用了这么长时间
: ， 还是这么烂。
| w********2
发帖数: 632 | 48 This approach is not good, to use a generalized ai algorithms. The key is to
recognize the pattern of outworld subjects, then assign different
specialized algorithms for special subjects. Currently, AI lacks complex
pattern recognition as human beings. Also in chess playing, in free wheeling
style human being beats super ai easily.
Algorithm
【在 d**********u 的大作中提到】
: 而且google也不是完全不会搞噱头和炒冷饭的
: 比如他们开始搞玩游戏的AI, 这东西其实很多年前陆陆续续的有人做, 学术界也有几个
: 小会议针对游戏AI的.
: https://www.youtube.com/watch?v=05rEefXlmhI
: 比如这个, 我仅仅知道的几个, 十来年前有人坐的用2层神经网络加Genetic Algorithm
: 的玩Super Mario的程序. 其实很容易就实现了.
: Deep Mind那些人不会不知道这个, 不过玩这个噱头一个是觉得有意思, 会有人关注,
: 另一个是他们想做一个通用所有游戏的AI, 无需人工干预, 遇到任何新游戏, 自己训练
: 启发. 因为AI的通用性是AI研究的大难题. 就像前面说的, 识别手写字母为容易, 是因
: 为只需要识别手写字幕, 你拿这套程序去识别猫狗就歇菜了.
| Y***C
发帖数: 249 | 49 基础理论不突破，AI能大幅进步是个看起来很奇怪的事情。但是不是有一个让人不寒而
栗的事实，就是人的思维其实只是大数据，并行和概率的结合而以，基本机制和现在的
计算机并没有不同。人所谓的艺术思维，直觉，大局观，都只是对现实进行简化计算做
出的跳跃性结论而以，和魔术一样，看起来神奇，揭开谜底发现还是冷冰冰的常识。
是不是人的思维根本就没什么特别的，只要计算能力再提高，开始像人脑一样，用上亿
个单元进行并行的计算，再加上学习和自我优化的过程，就能看到计算机象人类一样地
思考。
能上
【在 g*******i 的大作中提到】
: 还是理论问题。 机器人里面最重要的概念是人， 而不是机器， 机器可以在某些功能上
: 做得比人好， 但是没有人的综合能力， 更没有主动学习的意识。就拿做衣服来说，人
: 会以触觉感视觉感知来学则布料，剪裁，拼接布料，并且使用缝纫机连接布料，在须要
: 精细缝纫的地方比如领口，袖口，又会人工缝纫。总之， 你只要准备好了布料，各种
: 工具，机器，人就可以制作出衣服； 而现有的机器人,如果没有人的干预，是不可能
: 从头到尾把一堆布料，通过使用工具，而做成衣服的。
: 回到围棋，这个有上千年传统的人类的文化活动，如果把它归结到单纯的计算，别且因
: 为机器比人算的好，就得出结论，机器在下围棋上已经超越了人类，这就像说缝纫机做
: 衣服比人类裁缝师傅做的好一样的荒谬!
: 我也在AI界混饭吃， 感觉这两年，AI 吹得太厉害， 实质的进展几乎没有。个人感觉
| w*******e
发帖数: 734 | 50 看样子你对AI的发展不是很了解啊。你试过Convolutional NeuralNet没有？苹果和南
瓜分不开？现在富士苹果和PinkLady放在一起都分得开。
【在 g*******i 的大作中提到】
: 我悲愤的不是人类围棋； 围棋只是业余爱好， 真有职业九段机器人天天陪我玩，我高
: 兴还来不及呢！
: 我郁闷的是，这么多年，这麽多钱， 这么多天才的一辈子都耗在了‘人工智能’这个
: 大坑里，搞出来的都是些中看不中用的东西，真正有用的，如自然语言理解， 图像识
: 别，狗屁突破没搞出来， 吹的震天响。
: 忽悠全世界人开始担心机器人毁灭人类！我只能说这个世界傻逼太多！
: 先把钱和人力多花在治理环境污染上吧，正在毁灭人类的是空气和水污染。别指望人工
: 智能能毁灭人类，也别指望人工智能帮助人类解决环境污染问题。
: 悲愤的扯远了，回到‘人工智能’这个话题，最新进展，深度学习，和神经网络， 在
: 自然语言理解和开放图像识别，这两个最基本人类智能领域，根本没有帮助。其实硅谷
| | | w*******e
发帖数: 734 | 51 给你看一个automatic image captioning的例子吧。
http://cs.stanford.edu/people/karpathy/sfmltalk.pdf
【在 w*******e 的大作中提到】
: 看样子你对AI的发展不是很了解啊。你试过Convolutional NeuralNet没有？苹果和南
: 瓜分不开？现在富士苹果和PinkLady放在一起都分得开。
| c****l
发帖数: 18 | |
|
