S***n
发帖数: 1281 | 1 ZT AlphaGo之父：一个有这一半华人血统的英国天才
2016-03-10英国范儿
昨天，一条消息引爆各大媒体头条：谷歌研发的围棋人工智能系统（AlphaGo）开局击
败韩国顶尖棋手李世石。这个事情还会持续发酵，后面几天，还有几局比赛，谁将是人
机大赛的最后赢家，现在还无法定论。
笔者自幼热爱围棋，玩到大学毕业，自我估计可达到业余三段水平；另外，笔者也算就
职于科技行业，时不时吹嘘一下，自称能写出一手好代码。夜不能寐，翻看人机大战的
棋谱，老脸羞红，心服口服。以后不敢称自己会下围棋，更不敢厚颜说自己是IT人士。
李世石下了一手好棋，绝对是世界顶尖棋手；AlphaGo神机妙算，竟然能在棋盘上运筹
帷幄。
看现场的比赛新闻图片，一个问题或许让不少读者不解：李世石名字下印韩国国旗，代
表韩国；而AlphaGo的名字下印了英国国旗。AlphaGo是谷歌旗下产品，谷歌又是美国公
司，按理说AlphaGo该代表美国才是。
李世石名字下印着韩国国旗，而AlphaGo的名字下印着美国国旗
在今天英国范儿的文章里，我们为大家介绍AlphaGo背后的一位英国天才。
研发AlphaGo的部门叫“Google DeepMind”，专门研究基于神经网络的人工智能系统，
这个部门的所在地就在英国伦敦。或许大家不知道，DeepMind曾是一家地地道道的英国
公司，在伦敦创立，主要员工都是英国人。2014年1月，谷歌不惜重金，以4亿英镑重金
收购，收编了这个仅有50多人的小公司，因此，“DeepMind” 也就变成了“Google
DeepMind”。
DeepMind 汇聚了一群异常聪明的天才，而这群天才的领头人，就是被称作“AlphaGo之
父”的杰米斯.哈萨比斯（Demis Hassabis）。
现年40岁的哈萨比斯
1976年7月，哈萨比斯生于英国伦敦，母亲是新加坡华人，父亲来自希腊的塞浦路斯。
哈萨比斯小时候就被认为是少年神童，4岁开始下国际象棋，13岁荣获国际象棋大师的
头衔，是14岁年龄组中，名列全球排名第二。当年排名第一的，是波尔加.朱迪（Judit
Polgár），那是后来被称为“有史以来最厉害的国际象棋女棋手”的神级角色。
虽然哈萨比斯是个天才，但他的父母却都是普通人：妈妈在百货公司（John Lewis）工
作，爸爸做了一连串莫名其妙的工作，包括歌词写手等。
8岁那年，哈萨比斯赢了一个重要的比赛，获得了一笔丰厚的奖金。他用这笔钱给自己
买了一台电脑，很快就迷恋上了电脑游戏。
天才就是天才，迷恋上电脑游戏的他不久不再满足别人开发的玩具。哈萨比斯自学编程
，没多久，就开始开发自己的游戏。
17岁，在一个游戏设计比赛中，哈萨比斯获得第二名，得到游戏公司“牛蛙“（
Bullfrog）的老板彼得.莫利纽克斯（Peter Molyneux）的赏识（这也是一位游戏界大
神）。哈萨比斯进入牛蛙实习，参与设计和开发了当年风靡一时的游戏：《主题公园》
(Theme Park)。
哈萨比斯在高中连跳两级，17岁考入剑桥，学习计算机专业。1997年，哈萨比斯从剑桥
毕业。1998年，哈萨比斯成立了自己的游戏公司（Elixir Studios）。这家拥有60人的
游戏公司，发布了包括《革命》和《魔鬼天才》这样风靡一时的游戏，每款都能卖出几
百万套。
1999年，年仅23岁哈萨比斯第一次参加了“智力奥林匹克运动会”，这是一个专门为天
才较量智力的国际比赛。哈萨比斯连续参加了4年，赢了5次。
2009年，因其在游戏设计上的成就，哈萨比斯被选为英国皇家艺术协会的成员。
从游戏行业获得巨大财富和名誉之后，哈萨比斯将自己的兴趣集中在自己在8岁时候就
问自己的两个问题：大脑是怎么思考的，计算机可以模拟人类吗？
2005年，哈萨比斯开始在伦敦大学学院开始攻读神经科学博士学位，希望通过研究真正
的大脑来发现对人工智能有用的线索。他选择了海马体作为研究对象。海马体主要负责
记忆和学习以及空间导向，日常生活中的短期记忆都储存在海马体中，至今人类对它的
认知还很少。哈萨比斯说：“我选了一个我们还没有很好的算法来模拟的大脑功能区。”
哈萨比斯很快就做出了成绩。2007年，他的一项研究被《科学》杂志评为“年度突破”
。研究中他发现5位健忘症患者是因为海马体受损而很难想象未来事件。从而证明了大
脑中以往被认为只与过去有关的部分对于规划未来也至关重要。
2011年，哈萨比斯成立DeepMind Technologies，其目标是“解决智能问题”。
DeepMind一直保持低调，直到2013年12月，DeepMind首次出席一次业界领先的机器学习
研究大会时，DeepMind的研究人员一开始演示他们的软件就令人惊艳。该软件可以玩雅
达利的一些游戏，包括太空入侵者以及乒乓球等，而且比任何人都玩得好。更关键的是
，软件事先并没有获得任何有关如何玩游戏的信息；提供给软件的东西只有这几样：控
制器、显示器、游戏得分，并告诉它尽可能得高分。程序通过不断地试错最后成了游戏
高手。
此前从未有人演示过具备这种能力的软件，即可以从零开始学习和掌握如此复杂的任务
。事实上，DeepMind利用了一种最近流行的机器深度学习，这种技术通过大概模拟神经
元的网络来处理数据。在场的人尽管都是专家，但还是有一点震惊，因为没人想到现阶
段能做到这种程度。
一个月后，谷歌重金收购了DeepMind。 再后来，就是我们今天看到的哈萨比斯所创造
的历史：他领导开发的人工智能AlphaGo打败了世界顶尖的围棋选手。
一个年仅40岁的天才，在世界顶尖公司的支持下，还会为我们贡献出什么呢？让我们拭
目以待。
http://chuansong.me/n/2636238 |
S***n
发帖数: 1281 | 2 这是一个新纪元的开始，大家关注一下。。
当然，跟我们相关的，是通过这个看起来简单的设计，更加理解我们所说的
intelligent，到底是怎么回事。。 |
t******g
发帖数: 17520 | 3 “这种”新纪元挺早就开始了，，还有所谓的“量子计算机”了
这种模糊逻辑的善化的breakthrough 也早就有了，“低阶”的breakthrough
其实就是把玩具小火车build更加好看而已, 高端computational intelligence。
所谓learn 也只不过是另一种计算而已
怎么说内， 对人脑的认知也算是有限， “人工智能”也只是在这种限制下
产生出来的， AI真正的breakthrough 要等真的量子计算机（可能性很小）
老中这种吸引眼球的微信吹牛的太多 |
t******g
发帖数: 17520 | 4 当然如果色空兄有其他渠道可以得知这个是新纪元的开始， 值得注意
也未可知 |
S***n
发帖数: 1281 | 5 下赢国际象棋的程序不是AI。。这次alphago是AI，算法不是人写出来的，是通过尝试
adapt出来的。。它把人类通过感觉下出的棋的部分，也提炼总结出来加以运用了。。
并且通过自己跟自己下加以优化。。人依然不知道那里的规律是什么。。
围棋里面，人知道细部的形的下法的诸多理论，对远距离布局只有粗略的几种说法，对
中等距离的多子组合没有理论，有种叫手筋的，就是对中等距离多子组合中走出好棋的
赞扬。。而alphago在中等距离组合中，比人多“懂”很多。。
所以，即便alphago走出坏棋，只要后面能实现中等距离格局，就能把坏棋变好棋。。
【在 t******g 的大作中提到】
: “这种”新纪元挺早就开始了，，还有所谓的“量子计算机”了
: 这种模糊逻辑的善化的breakthrough 也早就有了，“低阶”的breakthrough
: 其实就是把玩具小火车build更加好看而已, 高端computational intelligence。
: 所谓learn 也只不过是另一种计算而已
: 怎么说内， 对人脑的认知也算是有限， “人工智能”也只是在这种限制下
: 产生出来的， AI真正的breakthrough 要等真的量子计算机（可能性很小）
: 老中这种吸引眼球的微信吹牛的太多
|
S**U
发帖数: 7025 | 6 围棋的变化约10^170，比宇宙中的原子还多，所以不能只靠计算赢高手。
Youtube上有Demis Hassabis的访谈，提问的人包括IBM的同行等。他的目标是有各种智
能的artificial general intelligence，不是IBM那种除了下chess别的都不会(包括下
其他简单的棋)的Deep Blue。AlphaGo已经有几种智能，而且只要让它学，就能学会新
智能。
Google花大钱不是买个只会下围棋的技术。下围棋只是AGI要克服的障碍之一。 |
t******g
发帖数: 17520 | 7 初期下棋是什么？
初期下棋就是在现有的范围内（棋盘棋子对手， point of reference就是占地， 死活
气）， 最大限度的计算properbility （缘）, 从而以此推断出causality因果。
连型都看不明白， 你去搞手筋， 这就是为什么入门以后要打谱， 看N多
前人的棋局来分析， 然后才能明白手筋的妙处
所以， 人的首要任务就是分析database， 才能最大程度上计算概率
为什么围棋高手的记忆力都是比较强的， GO的创意性是棋类中最强的
即使是这样， 下棋其实照搬比创意来的多地多。
算法当然是人写出来的， 难道还是神写出来了？只不过这种算法
的feedback loop的能力是非常强的， loop 中有loop
有几个系统在同时分析和演算而已， 也就是说，每一步的走法
不会用0 1 的output来分析了， 会有一种更加科学“标准”来计算概率
而这个标准还是人定的， 对手是摸不到的， 如果懂code懂围棋的人看一眼
主要的 algorithm， 我敢肯定赢面会大很多
alphago 的心里是没有坏棋 和好棋的， 只有properbility 的运算
【在 S***n 的大作中提到】
: 下赢国际象棋的程序不是AI。。这次alphago是AI，算法不是人写出来的，是通过尝试
: adapt出来的。。它把人类通过感觉下出的棋的部分，也提炼总结出来加以运用了。。
: 并且通过自己跟自己下加以优化。。人依然不知道那里的规律是什么。。
: 围棋里面，人知道细部的形的下法的诸多理论，对远距离布局只有粗略的几种说法，对
: 中等距离的多子组合没有理论，有种叫手筋的，就是对中等距离多子组合中走出好棋的
: 赞扬。。而alphago在中等距离组合中，比人多“懂”很多。。
: 所以，即便alphago走出坏棋，只要后面能实现中等距离格局，就能把坏棋变好棋。。
|
t******g
发帖数: 17520 | 8 33的定式区区几个子， 你说的这种变化，就会exponentially的降低了
你说为什么？
说到底就是计算， 因果也是计算， 只不过人在计算上差太多了
imaginary number 人能想象吗？
会下围棋的东东是google 和政府叫板的一个手段
当然障碍也算吧
【在 S**U 的大作中提到】
: 围棋的变化约10^170，比宇宙中的原子还多，所以不能只靠计算赢高手。
: Youtube上有Demis Hassabis的访谈，提问的人包括IBM的同行等。他的目标是有各种智
: 能的artificial general intelligence，不是IBM那种除了下chess别的都不会(包括下
: 其他简单的棋)的Deep Blue。AlphaGo已经有几种智能，而且只要让它学，就能学会新
: 智能。
: Google花大钱不是买个只会下围棋的技术。下围棋只是AGI要克服的障碍之一。
|
t******g
发帖数: 17520 | 9 开局的定式和 就是前人将概率分析过以后的出的结论
小范围绞杀 没有什么脱出
長 跳 飛 尖 接 斷 掛 沖 夾 鎮 擋 虎 覷 拆 扳
碰 雙 跨 並
你说这个不是计算是什么？ |
t******g
发帖数: 17520 | 10 不要曲解我， 我可没有说alphago 不牛逼
我只是在说
微信小编能说出“即可以从零开始学习和掌握如此复杂的任务”的这种笑话，可以歇了
， 则么算从0 开始？ |
|
|
t******g
发帖数: 17520 | 11 对了还有为了吸引眼球的
一半华人血统的英国天才老妈是新加坡人
我倒是觉得新加坡人和香港人一样， 不喜欢别人说他们是Chinese
是因为不想associated with 大陆人
以前有同学被问是不是chinese， 香港来的同学都说 Hongkongnese
LOL
小编这种给祖上争光， 脸上贴金的举动， 微信上比比皆是 |
S***n
发帖数: 1281 | 12 所以，说你的所有不是所有，没错吧。。
这就是框框，只听说过编程，没有听说过neuron network。。
当然，alphago不是一个简单的AI，而是三个AI相互配合：policyAI，valueAI，“算目
”似的输赢估算数据库AI |
S**U
发帖数: 7025 | 13 这个回到what is intelligence的问题，或者AI能不能pass Turing test.
如果靠计算就能有intelligence，为什么不能靠计算?
他也提到创意，显示AI把一张画A依照另一张画B的风格重画，A'的确有B的风格。这种
结合两幅画的能力是一种低级的创意，更高级的目前还没办法。
他也承认Goal setting & planning by dividing into subgoals(e.g. how a robot
can create an action plan to go to Paris) 是AI中的难题。
【在 t******g 的大作中提到】
: 33的定式区区几个子， 你说的这种变化，就会exponentially的降低了
: 你说为什么？
: 说到底就是计算， 因果也是计算， 只不过人在计算上差太多了
: imaginary number 人能想象吗？
: 会下围棋的东东是google 和政府叫板的一个手段
: 当然障碍也算吧
|
t******g
发帖数: 17520 | 14 我是昨天才知道这个狗的， 都这个认知基本是0
作为一个学了一点点围棋的， 和不大会编程的工科生
就能得出无非就是database 的分析计算的结果
大概的模型不会有很大变化的
我记得N久前贴过一个transistor level的mimic Neurons
的帖子， IBM和斯坦福的2个
所以说你说的没听过， 不正确
所谓neuron chip 就是FPGA的“升级”版
【在 S***n 的大作中提到】
: 所以，说你的所有不是所有，没错吧。。
: 这就是框框，只听说过编程，没有听说过neuron network。。
: 当然，alphago不是一个简单的AI，而是三个AI相互配合：policyAI，valueAI，“算目
: ”似的输赢估算数据库AI
|
t******g
发帖数: 17520 | 15 是的， 这是个问题
不过首先应该是 what is real
你说猫是intelligent的being吗？
现阶段完全可以制造出一只， behavior 一模一样的
每天吃和拉萨睡， 定时来要饭， 定时上床睡觉的
你叫它sit 它就sit， 摇摇铃铛就来吃饭了．
不过这是家养猫， 出去捕食的猫那？设计出激光射杀老鼠
也是捕食, 更先进， 但是意义何在
所以说AI中的这个难题， alphago tackle 了吗？
应该还是没有
【在 S**U 的大作中提到】
: 这个回到what is intelligence的问题，或者AI能不能pass Turing test.
: 如果靠计算就能有intelligence，为什么不能靠计算?
: 他也提到创意，显示AI把一张画A依照另一张画B的风格重画，A'的确有B的风格。这种
: 结合两幅画的能力是一种低级的创意，更高级的目前还没办法。
: 他也承认Goal setting & planning by dividing into subgoals(e.g. how a robot
: can create an action plan to go to Paris) 是AI中的难题。
|
f*******e
发帖数: 5594 | 16 机器学习不是传统的简单计算，它是模拟人的大脑神经元连接方式形成的节点，通过与
外部信息互动而不断完善的过程。
【在 t******g 的大作中提到】
: “这种”新纪元挺早就开始了，，还有所谓的“量子计算机”了
: 这种模糊逻辑的善化的breakthrough 也早就有了，“低阶”的breakthrough
: 其实就是把玩具小火车build更加好看而已, 高端computational intelligence。
: 所谓learn 也只不过是另一种计算而已
: 怎么说内， 对人脑的认知也算是有限， “人工智能”也只是在这种限制下
: 产生出来的， AI真正的breakthrough 要等真的量子计算机（可能性很小）
: 老中这种吸引眼球的微信吹牛的太多
|
S**U
发帖数: 7025 | 17 Input to AlphaGo is raw sensory data. This is important. It means no
knowledge about the game is encoded. e.g. it plays video game by taking
pixels as input, and the feedback is score of a game from its action.
The neural net is not pre-programed. It learns by playing the game, and gets
better over time. It has mastered different games by learning.
It's a long way from AGI, but it's promising. |
t******g
发帖数: 17520 | 18 文科生吗？ 说到计算就是 传统的简单计算？
外部信息互动而不断完善的过程？ 笑话
你没有input的guideline， 如何获得外部信息？
不断完善？怎么叫完善？人设计出来的， 吧李世石的以往所有对局拿出来分析
然后和李世石实战以后的分析， 把他的pattern记录下来了， 下次和他下可以这样这
样。。。。
说白了就是如果有效分析数据的过程， 也是计算
没有程序就没有模拟， 而程序是人编的
比方说一个色子， 3面红， 三面蓝， 投一次， 红蓝的几率是一半一半
但是我投了10 次都是蓝的， 那么一次蓝的和其他9次蓝是没有关系的吗？
那就来学习吧， input， 手势， 风（空调， 人的呼吸）， 角度，地面的位置
我投了1千万次获得的数据的分析能够有效地得某一次的几率， 肯定是大于50%
（这个现实就有例子， 有人用camera 记录轮盘赌的球的速度， 能大概获得数据， 赢
钱）
这些都是数据分析on the fly, 也是一种计算
【在 f*******e 的大作中提到】
: 机器学习不是传统的简单计算，它是模拟人的大脑神经元连接方式形成的节点，通过与
: 外部信息互动而不断完善的过程。
|
f*******e
发帖数: 5594 | 19 机器学习是说它能创造出一些并不是人开始是给他们的东西，而是通过输入与输出的比
较，自我优化的过程。这不是仅仅靠人的编程，它的本质是利用了这个宇宙里的最本质
规律。
如果你认为这些也都是计算，那么deepmind创始人在演讲中也说整个人脑所做的任何事
情也都是计算。
【在 t******g 的大作中提到】
: 文科生吗？ 说到计算就是 传统的简单计算？
: 外部信息互动而不断完善的过程？ 笑话
: 你没有input的guideline， 如何获得外部信息？
: 不断完善？怎么叫完善？人设计出来的， 吧李世石的以往所有对局拿出来分析
: 然后和李世石实战以后的分析， 把他的pattern记录下来了， 下次和他下可以这样这
: 样。。。。
: 说白了就是如果有效分析数据的过程， 也是计算
: 没有程序就没有模拟， 而程序是人编的
: 比方说一个色子， 3面红， 三面蓝， 投一次， 红蓝的几率是一半一半
: 但是我投了10 次都是蓝的， 那么一次蓝的和其他9次蓝是没有关系的吗？
|
t******g
发帖数: 17520 | 20 not programmed as chess player , but programmed as chess learner
so what is chess learner, go chess learner is as same as chinese chess
learner?
I guess not, then it is pre programmed
gets
【在 S**U 的大作中提到】
: Input to AlphaGo is raw sensory data. This is important. It means no
: knowledge about the game is encoded. e.g. it plays video game by taking
: pixels as input, and the feedback is score of a game from its action.
: The neural net is not pre-programed. It learns by playing the game, and gets
: better over time. It has mastered different games by learning.
: It's a long way from AGI, but it's promising.
|
|
|
f*******e
发帖数: 5594 | 21 你说的这些不叫人工智能啊。
【在 t******g 的大作中提到】
: 文科生吗？ 说到计算就是 传统的简单计算？
: 外部信息互动而不断完善的过程？ 笑话
: 你没有input的guideline， 如何获得外部信息？
: 不断完善？怎么叫完善？人设计出来的， 吧李世石的以往所有对局拿出来分析
: 然后和李世石实战以后的分析， 把他的pattern记录下来了， 下次和他下可以这样这
: 样。。。。
: 说白了就是如果有效分析数据的过程， 也是计算
: 没有程序就没有模拟， 而程序是人编的
: 比方说一个色子， 3面红， 三面蓝， 投一次， 红蓝的几率是一半一半
: 但是我投了10 次都是蓝的， 那么一次蓝的和其他9次蓝是没有关系的吗？
|
t******g
发帖数: 17520 | 22 那我和这个人的想法是相同的。 :D
输到计算器里 1+1= 答案是2 ， 你说他是创造？ 对原始人来说， 是的
如果我和你说一组50个人有相同生日的几率基本是1，而不需要365 个人
你相信吗？
你的intuitive的prediction 和机器相比的差异是巨大的
对alphago 来说说 赢就是优化， 是你给的先决条件
【在 f*******e 的大作中提到】
: 机器学习是说它能创造出一些并不是人开始是给他们的东西，而是通过输入与输出的比
: 较，自我优化的过程。这不是仅仅靠人的编程，它的本质是利用了这个宇宙里的最本质
: 规律。
: 如果你认为这些也都是计算，那么deepmind创始人在演讲中也说整个人脑所做的任何事
: 情也都是计算。
|
t******g
发帖数: 17520 | 23 对啊，alphago 也是这样来的， 为啥alphago是
猜塞子的就不是了？更难好吧
【在 f*******e 的大作中提到】
: 你说的这些不叫人工智能啊。
|
t******g
发帖数: 17520 | 24 你如果能设计出一个猜塞子的， 那就不是阿尔法狗了是阿尔法牛 |
t******g
发帖数: 17520 | 25 还是拿probability 做事
All games of perfect information have an optimal value function, v*
(s),which determines the outcome of the game, from every board positionor
state s, under perfect play by all players. These games may be solved by
recursively computing the optimal value function in a search tree containing
approximately bd
possible sequences of moves, where b is the game’s breadth (number of
legal moves per position) and d is its depth (game length). In large games,
such as chess (b≈35, d≈80)1
and especially Go (b≈250, d≈150)1, exhaustive search is infeasible2,3
文科生看着头晕吧？
https://vk.com/doc-44016343_437229031?dl=56ce06e325d42fbc72 |
c***h
发帖数: 2262 | 26 我教过AI，觉得各位水平巨高，太厉害了
很多事我都不肯定，也差不上嘴 : )
还是佛法比较简单 |
t******g
发帖数: 17520 | 27 :D
热烈欢迎拍砖
顺便说说蒙特卡罗树搜索
【在 c***h 的大作中提到】
: 我教过AI，觉得各位水平巨高，太厉害了
: 很多事我都不肯定，也差不上嘴 : )
: 还是佛法比较简单
|
t******g
发帖数: 17520 | 28 牛逼的， 大量数据的process的能力。。。。
We trained a 13-layer policy network, which we call the SL policy
network, from 30 million positions from the KGS Go Server. The network
predicted expert moves on a held out test set with an accuracy of
57.0% using all input features, and 55.7% using only raw board position
and move history as inputs, compared to the state-of-the-art from
other research groups of 44.4% at date of submission24 (full results in
Extended Data Table 3). Small improvements in accuracy led to large
improvements in playing strength (Fig. 2a); larger networks achieve
better accuracy but are slower to evaluate during search. We also
trained a faster but less accurate rollout policy pπ(a|s), using a linear
softmax of small pattern features (see Extended Data Table 4) with
weights π; this achieved an accuracy of 24.2%, using just 2μs to select
an action, rather than 3ms for the policy network. |
t******g
发帖数: 17520 | 29 Google 也有可能和政府勾结， 去并购那些研究公司
霸占人力和科技资源， 搞垄断
毕竟这个东西对国防和其他产业有着相当密切的联系
比方说自己会开的车子，装甲车， drone 啥的 |
l****y
发帖数: 4773 | 30 顶！d=====(￣▽￣*)b
【在 S***n 的大作中提到】
: 下赢国际象棋的程序不是AI。。这次alphago是AI，算法不是人写出来的，是通过尝试
: adapt出来的。。它把人类通过感觉下出的棋的部分，也提炼总结出来加以运用了。。
: 并且通过自己跟自己下加以优化。。人依然不知道那里的规律是什么。。
: 围棋里面，人知道细部的形的下法的诸多理论，对远距离布局只有粗略的几种说法，对
: 中等距离的多子组合没有理论，有种叫手筋的，就是对中等距离多子组合中走出好棋的
: 赞扬。。而alphago在中等距离组合中，比人多“懂”很多。。
: 所以，即便alphago走出坏棋，只要后面能实现中等距离格局，就能把坏棋变好棋。。
|
|
|
S***n
发帖数: 1281 | 31 ZT AlphaGo之父：一个有这一半华人血统的英国天才
2016-03-10英国范儿
昨天，一条消息引爆各大媒体头条：谷歌研发的围棋人工智能系统（AlphaGo）开局击
败韩国顶尖棋手李世石。这个事情还会持续发酵，后面几天，还有几局比赛，谁将是人
机大赛的最后赢家，现在还无法定论。
笔者自幼热爱围棋，玩到大学毕业，自我估计可达到业余三段水平；另外，笔者也算就
职于科技行业，时不时吹嘘一下，自称能写出一手好代码。夜不能寐，翻看人机大战的
棋谱，老脸羞红，心服口服。以后不敢称自己会下围棋，更不敢厚颜说自己是IT人士。
李世石下了一手好棋，绝对是世界顶尖棋手；AlphaGo神机妙算，竟然能在棋盘上运筹
帷幄。
看现场的比赛新闻图片，一个问题或许让不少读者不解：李世石名字下印韩国国旗，代
表韩国；而AlphaGo的名字下印了英国国旗。AlphaGo是谷歌旗下产品，谷歌又是美国公
司，按理说AlphaGo该代表美国才是。
李世石名字下印着韩国国旗，而AlphaGo的名字下印着美国国旗
在今天英国范儿的文章里，我们为大家介绍AlphaGo背后的一位英国天才。
研发AlphaGo的部门叫“Google DeepMind”，专门研究基于神经网络的人工智能系统，
这个部门的所在地就在英国伦敦。或许大家不知道，DeepMind曾是一家地地道道的英国
公司，在伦敦创立，主要员工都是英国人。2014年1月，谷歌不惜重金，以4亿英镑重金
收购，收编了这个仅有50多人的小公司，因此，“DeepMind” 也就变成了“Google
DeepMind”。
DeepMind 汇聚了一群异常聪明的天才，而这群天才的领头人，就是被称作“AlphaGo之
父”的杰米斯.哈萨比斯（Demis Hassabis）。
现年40岁的哈萨比斯
1976年7月，哈萨比斯生于英国伦敦，母亲是新加坡华人，父亲来自希腊的塞浦路斯。
哈萨比斯小时候就被认为是少年神童，4岁开始下国际象棋，13岁荣获国际象棋大师的
头衔，是14岁年龄组中，名列全球排名第二。当年排名第一的，是波尔加.朱迪（Judit
Polgár），那是后来被称为“有史以来最厉害的国际象棋女棋手”的神级角色。
虽然哈萨比斯是个天才，但他的父母却都是普通人：妈妈在百货公司（John Lewis）工
作，爸爸做了一连串莫名其妙的工作，包括歌词写手等。
8岁那年，哈萨比斯赢了一个重要的比赛，获得了一笔丰厚的奖金。他用这笔钱给自己
买了一台电脑，很快就迷恋上了电脑游戏。
天才就是天才，迷恋上电脑游戏的他不久不再满足别人开发的玩具。哈萨比斯自学编程
，没多久，就开始开发自己的游戏。
17岁，在一个游戏设计比赛中，哈萨比斯获得第二名，得到游戏公司“牛蛙“（
Bullfrog）的老板彼得.莫利纽克斯（Peter Molyneux）的赏识（这也是一位游戏界大
神）。哈萨比斯进入牛蛙实习，参与设计和开发了当年风靡一时的游戏：《主题公园》
(Theme Park)。
哈萨比斯在高中连跳两级，17岁考入剑桥，学习计算机专业。1997年，哈萨比斯从剑桥
毕业。1998年，哈萨比斯成立了自己的游戏公司（Elixir Studios）。这家拥有60人的
游戏公司，发布了包括《革命》和《魔鬼天才》这样风靡一时的游戏，每款都能卖出几
百万套。
1999年，年仅23岁哈萨比斯第一次参加了“智力奥林匹克运动会”，这是一个专门为天
才较量智力的国际比赛。哈萨比斯连续参加了4年，赢了5次。
2009年，因其在游戏设计上的成就，哈萨比斯被选为英国皇家艺术协会的成员。
从游戏行业获得巨大财富和名誉之后，哈萨比斯将自己的兴趣集中在自己在8岁时候就
问自己的两个问题：大脑是怎么思考的，计算机可以模拟人类吗？
2005年，哈萨比斯开始在伦敦大学学院开始攻读神经科学博士学位，希望通过研究真正
的大脑来发现对人工智能有用的线索。他选择了海马体作为研究对象。海马体主要负责
记忆和学习以及空间导向，日常生活中的短期记忆都储存在海马体中，至今人类对它的
认知还很少。哈萨比斯说：“我选了一个我们还没有很好的算法来模拟的大脑功能区。”
哈萨比斯很快就做出了成绩。2007年，他的一项研究被《科学》杂志评为“年度突破”
。研究中他发现5位健忘症患者是因为海马体受损而很难想象未来事件。从而证明了大
脑中以往被认为只与过去有关的部分对于规划未来也至关重要。
2011年，哈萨比斯成立DeepMind Technologies，其目标是“解决智能问题”。
DeepMind一直保持低调，直到2013年12月，DeepMind首次出席一次业界领先的机器学习
研究大会时，DeepMind的研究人员一开始演示他们的软件就令人惊艳。该软件可以玩雅
达利的一些游戏，包括太空入侵者以及乒乓球等，而且比任何人都玩得好。更关键的是
，软件事先并没有获得任何有关如何玩游戏的信息；提供给软件的东西只有这几样：控
制器、显示器、游戏得分，并告诉它尽可能得高分。程序通过不断地试错最后成了游戏
高手。
此前从未有人演示过具备这种能力的软件，即可以从零开始学习和掌握如此复杂的任务
。事实上，DeepMind利用了一种最近流行的机器深度学习，这种技术通过大概模拟神经
元的网络来处理数据。在场的人尽管都是专家，但还是有一点震惊，因为没人想到现阶
段能做到这种程度。
一个月后，谷歌重金收购了DeepMind。 再后来，就是我们今天看到的哈萨比斯所创造
的历史：他领导开发的人工智能AlphaGo打败了世界顶尖的围棋选手。
一个年仅40岁的天才，在世界顶尖公司的支持下，还会为我们贡献出什么呢？让我们拭
目以待。
http://chuansong.me/n/2636238 |
S***n
发帖数: 1281 | 32 这是一个新纪元的开始，大家关注一下。。
当然，跟我们相关的，是通过这个看起来简单的设计，更加理解我们所说的
intelligent，到底是怎么回事。。 |
t******g
发帖数: 17520 | 33 “这种”新纪元挺早就开始了，，还有所谓的“量子计算机”了
这种模糊逻辑的善化的breakthrough 也早就有了，“低阶”的breakthrough
其实就是把玩具小火车build更加好看而已, 高端computational intelligence。
所谓learn 也只不过是另一种计算而已
怎么说内， 对人脑的认知也算是有限， “人工智能”也只是在这种限制下
产生出来的， AI真正的breakthrough 要等真的量子计算机（可能性很小）
老中这种吸引眼球的微信吹牛的太多 |
t******g
发帖数: 17520 | 34 当然如果色空兄有其他渠道可以得知这个是新纪元的开始， 值得注意
也未可知 |
S***n
发帖数: 1281 | 35 下赢国际象棋的程序不是AI。。这次alphago是AI，算法不是人写出来的，是通过尝试
adapt出来的。。它把人类通过感觉下出的棋的部分，也提炼总结出来加以运用了。。
并且通过自己跟自己下加以优化。。人依然不知道那里的规律是什么。。
围棋里面，人知道细部的形的下法的诸多理论，对远距离布局只有粗略的几种说法，对
中等距离的多子组合没有理论，有种叫手筋的，就是对中等距离多子组合中走出好棋的
赞扬。。而alphago在中等距离组合中，比人多“懂”很多。。
所以，即便alphago走出坏棋，只要后面能实现中等距离格局，就能把坏棋变好棋。。
【在 t******g 的大作中提到】
: “这种”新纪元挺早就开始了，，还有所谓的“量子计算机”了
: 这种模糊逻辑的善化的breakthrough 也早就有了，“低阶”的breakthrough
: 其实就是把玩具小火车build更加好看而已, 高端computational intelligence。
: 所谓learn 也只不过是另一种计算而已
: 怎么说内， 对人脑的认知也算是有限， “人工智能”也只是在这种限制下
: 产生出来的， AI真正的breakthrough 要等真的量子计算机（可能性很小）
: 老中这种吸引眼球的微信吹牛的太多
|
S**U
发帖数: 7025 | 36 围棋的变化约10^170，比宇宙中的原子还多，所以不能只靠计算赢高手。
Youtube上有Demis Hassabis的访谈，提问的人包括IBM的同行等。他的目标是有各种智
能的artificial general intelligence，不是IBM那种除了下chess别的都不会(包括下
其他简单的棋)的Deep Blue。AlphaGo已经有几种智能，而且只要让它学，就能学会新
智能。
Google花大钱不是买个只会下围棋的技术。下围棋只是AGI要克服的障碍之一。 |
t******g
发帖数: 17520 | 37 初期下棋是什么？
初期下棋就是在现有的范围内（棋盘棋子对手， point of reference就是占地， 死活
气）， 最大限度的计算properbility （缘）, 从而以此推断出causality因果。
连型都看不明白， 你去搞手筋， 这就是为什么入门以后要打谱， 看N多
前人的棋局来分析， 然后才能明白手筋的妙处
所以， 人的首要任务就是分析database， 才能最大程度上计算概率
为什么围棋高手的记忆力都是比较强的， GO的创意性是棋类中最强的
即使是这样， 下棋其实照搬比创意来的多地多。
算法当然是人写出来的， 难道还是神写出来了？只不过这种算法
的feedback loop的能力是非常强的， loop 中有loop
有几个系统在同时分析和演算而已， 也就是说，每一步的走法
不会用0 1 的output来分析了， 会有一种更加科学“标准”来计算概率
而这个标准还是人定的， 对手是摸不到的， 如果懂code懂围棋的人看一眼
主要的 algorithm， 我敢肯定赢面会大很多
alphago 的心里是没有坏棋 和好棋的， 只有properbility 的运算
【在 S***n 的大作中提到】
: 下赢国际象棋的程序不是AI。。这次alphago是AI，算法不是人写出来的，是通过尝试
: adapt出来的。。它把人类通过感觉下出的棋的部分，也提炼总结出来加以运用了。。
: 并且通过自己跟自己下加以优化。。人依然不知道那里的规律是什么。。
: 围棋里面，人知道细部的形的下法的诸多理论，对远距离布局只有粗略的几种说法，对
: 中等距离的多子组合没有理论，有种叫手筋的，就是对中等距离多子组合中走出好棋的
: 赞扬。。而alphago在中等距离组合中，比人多“懂”很多。。
: 所以，即便alphago走出坏棋，只要后面能实现中等距离格局，就能把坏棋变好棋。。
|
t******g
发帖数: 17520 | 38 33的定式区区几个子， 你说的这种变化，就会exponentially的降低了
你说为什么？
说到底就是计算， 因果也是计算， 只不过人在计算上差太多了
imaginary number 人能想象吗？
会下围棋的东东是google 和政府叫板的一个手段
当然障碍也算吧
【在 S**U 的大作中提到】
: 围棋的变化约10^170，比宇宙中的原子还多，所以不能只靠计算赢高手。
: Youtube上有Demis Hassabis的访谈，提问的人包括IBM的同行等。他的目标是有各种智
: 能的artificial general intelligence，不是IBM那种除了下chess别的都不会(包括下
: 其他简单的棋)的Deep Blue。AlphaGo已经有几种智能，而且只要让它学，就能学会新
: 智能。
: Google花大钱不是买个只会下围棋的技术。下围棋只是AGI要克服的障碍之一。
|
t******g
发帖数: 17520 | 39 开局的定式和 就是前人将概率分析过以后的出的结论
小范围绞杀 没有什么脱出
長 跳 飛 尖 接 斷 掛 沖 夾 鎮 擋 虎 覷 拆 扳
碰 雙 跨 並
你说这个不是计算是什么？ |
t******g
发帖数: 17520 | 40 不要曲解我， 我可没有说alphago 不牛逼
我只是在说
微信小编能说出“即可以从零开始学习和掌握如此复杂的任务”的这种笑话，可以歇了
， 则么算从0 开始？ |
|
|
t******g
发帖数: 17520 | 41 对了还有为了吸引眼球的
一半华人血统的英国天才老妈是新加坡人
我倒是觉得新加坡人和香港人一样， 不喜欢别人说他们是Chinese
是因为不想associated with 大陆人
以前有同学被问是不是chinese， 香港来的同学都说 Hongkongnese
LOL
小编这种给祖上争光， 脸上贴金的举动， 微信上比比皆是 |
S***n
发帖数: 1281 | 42 所以，说你的所有不是所有，没错吧。。
这就是框框，只听说过编程，没有听说过neuron network。。
当然，alphago不是一个简单的AI，而是三个AI相互配合：policyAI，valueAI，“算目
”似的输赢估算数据库AI |
S**U
发帖数: 7025 | 43 这个回到what is intelligence的问题，或者AI能不能pass Turing test.
如果靠计算就能有intelligence，为什么不能靠计算?
他也提到创意，显示AI把一张画A依照另一张画B的风格重画，A'的确有B的风格。这种
结合两幅画的能力是一种低级的创意，更高级的目前还没办法。
他也承认Goal setting & planning by dividing into subgoals(e.g. how a robot
can create an action plan to go to Paris) 是AI中的难题。
【在 t******g 的大作中提到】
: 33的定式区区几个子， 你说的这种变化，就会exponentially的降低了
: 你说为什么？
: 说到底就是计算， 因果也是计算， 只不过人在计算上差太多了
: imaginary number 人能想象吗？
: 会下围棋的东东是google 和政府叫板的一个手段
: 当然障碍也算吧
|
t******g
发帖数: 17520 | 44 我是昨天才知道这个狗的， 都这个认知基本是0
作为一个学了一点点围棋的， 和不大会编程的工科生
就能得出无非就是database 的分析计算的结果
大概的模型不会有很大变化的
我记得N久前贴过一个transistor level的mimic Neurons
的帖子， IBM和斯坦福的2个
所以说你说的没听过， 不正确
所谓neuron chip 就是FPGA的“升级”版
【在 S***n 的大作中提到】
: 所以，说你的所有不是所有，没错吧。。
: 这就是框框，只听说过编程，没有听说过neuron network。。
: 当然，alphago不是一个简单的AI，而是三个AI相互配合：policyAI，valueAI，“算目
: ”似的输赢估算数据库AI
|
t******g
发帖数: 17520 | 45 是的， 这是个问题
不过首先应该是 what is real
你说猫是intelligent的being吗？
现阶段完全可以制造出一只， behavior 一模一样的
每天吃和拉萨睡， 定时来要饭， 定时上床睡觉的
你叫它sit 它就sit， 摇摇铃铛就来吃饭了．
不过这是家养猫， 出去捕食的猫那？设计出激光射杀老鼠
也是捕食, 更先进， 但是意义何在
所以说AI中的这个难题， alphago tackle 了吗？
应该还是没有
【在 S**U 的大作中提到】
: 这个回到what is intelligence的问题，或者AI能不能pass Turing test.
: 如果靠计算就能有intelligence，为什么不能靠计算?
: 他也提到创意，显示AI把一张画A依照另一张画B的风格重画，A'的确有B的风格。这种
: 结合两幅画的能力是一种低级的创意，更高级的目前还没办法。
: 他也承认Goal setting & planning by dividing into subgoals(e.g. how a robot
: can create an action plan to go to Paris) 是AI中的难题。
|
f*******e
发帖数: 5594 | 46 机器学习不是传统的简单计算，它是模拟人的大脑神经元连接方式形成的节点，通过与
外部信息互动而不断完善的过程。
【在 t******g 的大作中提到】
: “这种”新纪元挺早就开始了，，还有所谓的“量子计算机”了
: 这种模糊逻辑的善化的breakthrough 也早就有了，“低阶”的breakthrough
: 其实就是把玩具小火车build更加好看而已, 高端computational intelligence。
: 所谓learn 也只不过是另一种计算而已
: 怎么说内， 对人脑的认知也算是有限， “人工智能”也只是在这种限制下
: 产生出来的， AI真正的breakthrough 要等真的量子计算机（可能性很小）
: 老中这种吸引眼球的微信吹牛的太多
|
S**U
发帖数: 7025 | 47 Input to AlphaGo is raw sensory data. This is important. It means no
knowledge about the game is encoded. e.g. it plays video game by taking
pixels as input, and the feedback is score of a game from its action.
The neural net is not pre-programed. It learns by playing the game, and gets
better over time. It has mastered different games by learning.
It's a long way from AGI, but it's promising. |
t******g
发帖数: 17520 | 48 文科生吗？ 说到计算就是 传统的简单计算？
外部信息互动而不断完善的过程？ 笑话
你没有input的guideline， 如何获得外部信息？
不断完善？怎么叫完善？人设计出来的， 吧李世石的以往所有对局拿出来分析
然后和李世石实战以后的分析， 把他的pattern记录下来了， 下次和他下可以这样这
样。。。。
说白了就是如果有效分析数据的过程， 也是计算
没有程序就没有模拟， 而程序是人编的
比方说一个色子， 3面红， 三面蓝， 投一次， 红蓝的几率是一半一半
但是我投了10 次都是蓝的， 那么一次蓝的和其他9次蓝是没有关系的吗？
那就来学习吧， input， 手势， 风（空调， 人的呼吸）， 角度，地面的位置
我投了1千万次获得的数据的分析能够有效地得某一次的几率， 肯定是大于50%
（这个现实就有例子， 有人用camera 记录轮盘赌的球的速度， 能大概获得数据， 赢
钱）
这些都是数据分析on the fly, 也是一种计算
【在 f*******e 的大作中提到】
: 机器学习不是传统的简单计算，它是模拟人的大脑神经元连接方式形成的节点，通过与
: 外部信息互动而不断完善的过程。
|
f*******e
发帖数: 5594 | 49 机器学习是说它能创造出一些并不是人开始是给他们的东西，而是通过输入与输出的比
较，自我优化的过程。这不是仅仅靠人的编程，它的本质是利用了这个宇宙里的最本质
规律。
如果你认为这些也都是计算，那么deepmind创始人在演讲中也说整个人脑所做的任何事
情也都是计算。
【在 t******g 的大作中提到】
: 文科生吗？ 说到计算就是 传统的简单计算？
: 外部信息互动而不断完善的过程？ 笑话
: 你没有input的guideline， 如何获得外部信息？
: 不断完善？怎么叫完善？人设计出来的， 吧李世石的以往所有对局拿出来分析
: 然后和李世石实战以后的分析， 把他的pattern记录下来了， 下次和他下可以这样这
: 样。。。。
: 说白了就是如果有效分析数据的过程， 也是计算
: 没有程序就没有模拟， 而程序是人编的
: 比方说一个色子， 3面红， 三面蓝， 投一次， 红蓝的几率是一半一半
: 但是我投了10 次都是蓝的， 那么一次蓝的和其他9次蓝是没有关系的吗？
|
t******g
发帖数: 17520 | 50 not programmed as chess player , but programmed as chess learner
so what is chess learner, go chess learner is as same as chinese chess
learner?
I guess not, then it is pre programmed
gets
【在 S**U 的大作中提到】
: Input to AlphaGo is raw sensory data. This is important. It means no
: knowledge about the game is encoded. e.g. it plays video game by taking
: pixels as input, and the feedback is score of a game from its action.
: The neural net is not pre-programed. It learns by playing the game, and gets
: better over time. It has mastered different games by learning.
: It's a long way from AGI, but it's promising.
|
|
|
f*******e
发帖数: 5594 | 51 你说的这些不叫人工智能啊。
【在 t******g 的大作中提到】
: 文科生吗？ 说到计算就是 传统的简单计算？
: 外部信息互动而不断完善的过程？ 笑话
: 你没有input的guideline， 如何获得外部信息？
: 不断完善？怎么叫完善？人设计出来的， 吧李世石的以往所有对局拿出来分析
: 然后和李世石实战以后的分析， 把他的pattern记录下来了， 下次和他下可以这样这
: 样。。。。
: 说白了就是如果有效分析数据的过程， 也是计算
: 没有程序就没有模拟， 而程序是人编的
: 比方说一个色子， 3面红， 三面蓝， 投一次， 红蓝的几率是一半一半
: 但是我投了10 次都是蓝的， 那么一次蓝的和其他9次蓝是没有关系的吗？
|
t******g
发帖数: 17520 | 52 那我和这个人的想法是相同的。 :D
输到计算器里 1+1= 答案是2 ， 你说他是创造？ 对原始人来说， 是的
如果我和你说一组50个人有相同生日的几率基本是1，而不需要365 个人
你相信吗？
你的intuitive的prediction 和机器相比的差异是巨大的
对alphago 来说说 赢就是优化， 是你给的先决条件
【在 f*******e 的大作中提到】
: 机器学习是说它能创造出一些并不是人开始是给他们的东西，而是通过输入与输出的比
: 较，自我优化的过程。这不是仅仅靠人的编程，它的本质是利用了这个宇宙里的最本质
: 规律。
: 如果你认为这些也都是计算，那么deepmind创始人在演讲中也说整个人脑所做的任何事
: 情也都是计算。
|
t******g
发帖数: 17520 | 53 对啊，alphago 也是这样来的， 为啥alphago是
猜塞子的就不是了？更难好吧
【在 f*******e 的大作中提到】
: 你说的这些不叫人工智能啊。
|
t******g
发帖数: 17520 | 54 你如果能设计出一个猜塞子的， 那就不是阿尔法狗了是阿尔法牛 |
t******g
发帖数: 17520 | 55 还是拿probability 做事
All games of perfect information have an optimal value function, v*
(s),which determines the outcome of the game, from every board positionor
state s, under perfect play by all players. These games may be solved by
recursively computing the optimal value function in a search tree containing
approximately bd
possible sequences of moves, where b is the game’s breadth (number of
legal moves per position) and d is its depth (game length). In large games,
such as chess (b≈35, d≈80)1
and especially Go (b≈250, d≈150)1, exhaustive search is infeasible2,3
文科生看着头晕吧？
https://vk.com/doc-44016343_437229031?dl=56ce06e325d42fbc72 |
c***h
发帖数: 2262 | 56 我教过AI，觉得各位水平巨高，太厉害了
很多事我都不肯定，也差不上嘴 : )
还是佛法比较简单 |
t******g
发帖数: 17520 | 57 :D
热烈欢迎拍砖
顺便说说蒙特卡罗树搜索
【在 c***h 的大作中提到】
: 我教过AI，觉得各位水平巨高，太厉害了
: 很多事我都不肯定，也差不上嘴 : )
: 还是佛法比较简单
|
t******g
发帖数: 17520 | 58 牛逼的， 大量数据的process的能力。。。。
We trained a 13-layer policy network, which we call the SL policy
network, from 30 million positions from the KGS Go Server. The network
predicted expert moves on a held out test set with an accuracy of
57.0% using all input features, and 55.7% using only raw board position
and move history as inputs, compared to the state-of-the-art from
other research groups of 44.4% at date of submission24 (full results in
Extended Data Table 3). Small improvements in accuracy led to large
improvements in playing strength (Fig. 2a); larger networks achieve
better accuracy but are slower to evaluate during search. We also
trained a faster but less accurate rollout policy pπ(a|s), using a linear
softmax of small pattern features (see Extended Data Table 4) with
weights π; this achieved an accuracy of 24.2%, using just 2μs to select
an action, rather than 3ms for the policy network. |
t******g
发帖数: 17520 | 59 Google 也有可能和政府勾结， 去并购那些研究公司
霸占人力和科技资源， 搞垄断
毕竟这个东西对国防和其他产业有着相当密切的联系
比方说自己会开的车子，装甲车， drone 啥的 |
l****y
发帖数: 4773 | 60 顶！d=====(￣▽￣*)b
【在 S***n 的大作中提到】
: 下赢国际象棋的程序不是AI。。这次alphago是AI，算法不是人写出来的，是通过尝试
: adapt出来的。。它把人类通过感觉下出的棋的部分，也提炼总结出来加以运用了。。
: 并且通过自己跟自己下加以优化。。人依然不知道那里的规律是什么。。
: 围棋里面，人知道细部的形的下法的诸多理论，对远距离布局只有粗略的几种说法，对
: 中等距离的多子组合没有理论，有种叫手筋的，就是对中等距离多子组合中走出好棋的
: 赞扬。。而alphago在中等距离组合中，比人多“懂”很多。。
: 所以，即便alphago走出坏棋，只要后面能实现中等距离格局，就能把坏棋变好棋。。
|
|
|
S**U
发帖数: 7025 | 61 DeepMind的创办人已经说不会用于国防与情报，看你信不信了。
AlphaGo能不能通过修改的Turing test?
我认为如果从下棋来看，九段高手还是可以判断是否在与AlphaGo下棋，因为世界上围
棋九段人数有限。
人可以自由运用外在资讯来简化、回答问题，unconstrained problem solving还是AI
的弱点。
【在 t******g 的大作中提到】
: Google 也有可能和政府勾结， 去并购那些研究公司
: 霸占人力和科技资源， 搞垄断
: 毕竟这个东西对国防和其他产业有着相当密切的联系
: 比方说自己会开的车子，装甲车， drone 啥的
|
S***n
发帖数: 1281 | 62 这次，从alphago那里，学会很多。。
可以重新打分了。。从细部精算，中距组合，远距配合上，alphago都是得80分。。
而人在这三项的知识上，得分分别是99分，40分，60分。。
所以人输给机器，是输在中长距老犯错误上了。。而平常人对人的比赛，这两个方面，
是弱对弱。。由此，人就依赖感觉。。感觉，灵感，其实是潜意识计算。。维数更高的
计算。。
而人要发挥灵感，需要的是放松的心态。。要实现放松，就要放下。。放不放得下，就
看心态了。。所以说：棋如其人。。
怎么放下？。。可以心理辅导。。但最究竟的，是修道。。
看现场的比赛新闻图片，一个问题或许让不少读者不解：李世石名字下印韩国国旗，代
表韩国；而AlphaGo的名字下印了英国国旗。AlphaGo是谷歌旗下产品，谷歌又是美国公
司，按理说AlphaGo该代表美国才是。
李世石名字下印着韩国国旗，而AlphaGo的名字下印着美国国旗
在今天英国范儿的文章里，我们为大家介绍AlphaGo背后的一位英国天才。
研发AlphaGo的部门叫“Google DeepMind”，专门研究基于神经网络的人工智能系统，
这个部门的所在地就在英国伦敦。或许大家不知道，DeepMind曾是一家地地道道的英国
公司，在伦敦创立，主要员工都是英国人。2014年1月，谷歌不惜重金，以4亿英镑重金
收购，收编了这个仅有50多人的小公司，因此，“DeepMind” 也就变成了“Google
DeepMind”。
DeepMind 汇聚了一群异常聪明的天才，而这群天才的领头人，就是被称作“AlphaGo之
父”的杰米斯.哈萨比斯（Demis Hassabis）。
现年40岁的哈萨比斯
1976年7月，哈萨比斯生于英国伦敦，母亲是新加坡华人，父亲来自希腊的塞浦路斯。
哈萨比斯小时候就被认为是少年神童，4岁开始下国际象棋，13岁荣获国际象棋大师的
头衔，是14岁年龄组中，名列全球排名第二。当年排名第一的，是波尔加.朱迪（Judit
Polgár），那是后来被称为“有史以来最厉害的国际象棋女棋手”的神级角色。
虽然哈萨比斯是个天才，但他的父母却都是普通人：妈妈在百货公司（John Lewis）工
作，爸爸做了一连串莫名其妙的工作，包括歌词写手等。
8岁那年，哈萨比斯赢了一个重要的比赛，获得了一笔丰厚的奖金。他用这笔钱给自己
买了一台电脑，很快就迷恋上了电脑游戏。
天才就是天才，迷恋上电脑游戏的他不久不再满足别人开发的玩具。哈萨比斯自学编程
，没多久，就开始开发自己的游戏。
17岁，在一个游戏设计比赛中，哈萨比斯获得第二名，得到游戏公司“牛蛙“（
Bullfrog）的老板彼得.莫利纽克斯（Peter Molyneux）的赏识（这也是一位游戏界大
神）。哈萨比斯进入牛蛙实习，参与设计和开发了当年风靡一时的游戏：《主题公园》
(Theme Park)。
哈萨比斯在高中连跳两级，17岁考入剑桥，学习计算机专业。1997年，哈萨比斯从剑桥
毕业。1998年，哈萨比斯成立了自己的游戏公司（Elixir Studios）。这家拥有60人的
游戏公司，发布了包括《革命》和《魔鬼天才》这样风靡一时的游戏，每款都能卖出几
百万套。
1999年，年仅23岁哈萨比斯第一次参加了“智力奥林匹克运动会”，这是一个专门为天
才较量智力的国际比赛。哈萨比斯连续参加了4年，赢了5次。
2009年，因其在游戏设计上的成就，哈萨比斯被选为英国皇家艺术协会的成员。
从游戏行业获得巨大财富和名誉之后，哈萨比斯将自己的兴趣集中在自己在8岁时候就
问自己的两个问题：大脑是怎么思考的，计算机可以模拟人类吗？
2005年，哈萨比斯开始在伦敦大学学院开始攻读神经科学博士学位，希望通过研究真正
的大脑来发现对人工智能有用的线索。他选择了海马体作为研究对象。海马体主要负责
记忆和学习以及空间导向，日常生活中的短期记忆都储存在海马体中，至今人类对它的
认知还很少。哈萨比斯说：“我选了一个我们还没有很好的算法来模拟的大脑功能区。”
哈萨比斯很快就做出了成绩。2007年，他的一项研究被《科学》杂志评为“年度突破”
。研究中他发现5位健忘症患者是因为海马体受损而很难想象未来事件。从而证明了大
脑中以往被认为只与过去有关的部分对于规划未来也至关重要。
2011年，哈萨比斯成立DeepMind Technologies，其目标是“解决智能问题”。
DeepMind一直保持低调，直到2013年12月，DeepMind首次出席一次业界领先的机器学习
研究大会时，DeepMind的研究人员一开始演示他们的软件就令人惊艳。该软件可以玩雅
达利的一些游戏，包括太空入侵者以及乒乓球等，而且比任何人都玩得好。更关键的是
，软件事先并没有获得任何有关如何玩游戏的信息；提供给软件的东西只有这几样：控
制器、显示器、游戏得分，并告诉它尽可能得高分。程序通过不断地试错最后成了游戏
高手。
此前从未有人演示过具备这种能力的软件，即可以从零开始学习和掌握如此复杂的任务
。事实上，DeepMind利用了一种最近流行的机器深度学习，这种技术通过大概模拟神经
元的网络来处理数据。在场的人尽管都是专家，但还是有一点震惊，因为没人想到现阶
段能做到这种程度。
一个月后，谷歌重金收购了DeepMind。 再后来，就是我们今天看到的哈萨比斯所创造
的历史：他领导开发的人工智能AlphaGo打败了世界顶尖的围棋选手。
一个年仅40岁的天才，在世界顶尖公司的支持下，还会为我们贡献出什么呢？让我们拭
目以待。
http://chuansong.me/n/2636238
【在 l****y 的大作中提到】
: 顶！d=====(￣▽￣*)b
|
t******g
发帖数: 17520 | 63 信不信不重要， 只是个concern
turing 本人是个牛人， 不过这个test的局限性是有的， 而你
现在把turing的 用自然语言交流的方式， 换成了棋的交流方式，
那就是把测试条件改了， 个人觉得这个测试就更废了
说句难听话， 大家在网上交流， 连男女都分不清
真地以为能分清机器人和人?
AI
【在 S**U 的大作中提到】
: DeepMind的创办人已经说不会用于国防与情报，看你信不信了。
: AlphaGo能不能通过修改的Turing test?
: 我认为如果从下棋来看，九段高手还是可以判断是否在与AlphaGo下棋，因为世界上围
: 棋九段人数有限。
: 人可以自由运用外在资讯来简化、回答问题，unconstrained problem solving还是AI
: 的弱点。
|
t******g
发帖数: 17520 | 64 脱出人的角度去诠释宏观和微观的现象和法则， 会发现“相对”简单
而在于人角度去诠释这个认知区域是绝对复杂的
前面也说了， 到底什么是real的， 到底什么是人， 人归根结底是不是
一堆记忆， 和靠习性来做选择的机器内？做人是不是像下棋一样
每一步都可以被“optimally modified” ， 还是这个“有选择”是一种假象？
真有选择的只有在intention范围之内的， 影响是全局性的， 所以
又是并不直接感觉到， 就像是给车子加92的油， 和加 89 的油
现在问题是， 大家或许是89 和92 混着加的， 这就无限复杂化了 |
Y**u
发帖数: 5466 | 65 职业棋手和狗狗的区别是职业棋手下蹦盘了的时候不会自降十八级。。。：） 如果不
是人为的, 这样的智能要是用在其它的领域里还是蛮恐怖的。 |
H**r
发帖数: 10015 | 66 文科生
【在 f*******e 的大作中提到】
: 机器学习不是传统的简单计算，它是模拟人的大脑神经元连接方式形成的节点，通过与
: 外部信息互动而不断完善的过程。
|
n********n
发帖数: 8336 | 67 以后的国家战略公司战略就可以用机器了, 懂孙子兵法的机器将成为国之重器。 :) |
f*******e
发帖数: 5594 | 68 说的好！
【在 S***n 的大作中提到】
: 这次，从alphago那里，学会很多。。
: 可以重新打分了。。从细部精算，中距组合，远距配合上，alphago都是得80分。。
: 而人在这三项的知识上，得分分别是99分，40分，60分。。
: 所以人输给机器，是输在中长距老犯错误上了。。而平常人对人的比赛，这两个方面，
: 是弱对弱。。由此，人就依赖感觉。。感觉，灵感，其实是潜意识计算。。维数更高的
: 计算。。
: 而人要发挥灵感，需要的是放松的心态。。要实现放松，就要放下。。放不放得下，就
: 看心态了。。所以说：棋如其人。。
: 怎么放下？。。可以心理辅导。。但最究竟的，是修道。。
:
|
f*******e
发帖数: 5594 | 69 是你很厉害啊，还教过AI。我只是在AI的初期做过一些研究，后来我的一个同学就专门
做这个方向了。
【在 c***h 的大作中提到】
: 我教过AI，觉得各位水平巨高，太厉害了
: 很多事我都不肯定，也差不上嘴 : )
: 还是佛法比较简单
|
t******g
发帖数: 17520 | 70 36楼不是我的马夹
【在 f*******e 的大作中提到】
: 是你很厉害啊，还教过AI。我只是在AI的初期做过一些研究，后来我的一个同学就专门
: 做这个方向了。
|
|
|
x******a
发帖数: 6336 | |
S***n
发帖数: 1281 | 72 这个宇宙最本质的，是“无”。。
有此本质的好处，是你不管跌入何等深渊，其实你依然离本质不远。。回家的路，依然
很近。。
有此本质的坏处，是你这风筝，总有线拽着，你做的，总要摆回来。。所以“任意”达
不到绝对性。。
【在 x******a 的大作中提到】
: 这个宇宙里的最本质规律是个什么东西？上帝？
|
S***n
发帖数: 1281 | 73 他们说是distributed version 18。。不知道是什么含义。。
挺希望能把那alphago的成果，做出产品来销售。。
那样，就“证明”了AI可以成为实用产品。。 |
S***n
发帖数: 1281 | 74 你们两个，用的是什么样的硬件？用的说什么样的软件平台呀？
我也想玩玩AI了。。
AI的难题，在于如何吧复杂问题分成好多简单问题单元，然后单元让AI去对付。。而单
元如何协调，还是要靠人的智慧来剖析，设计。。
【在 f*******e 的大作中提到】
: 是你很厉害啊，还教过AI。我只是在AI的初期做过一些研究，后来我的一个同学就专门
: 做这个方向了。
|
t******g
发帖数: 17520 | 75 嘿嘿， 你觉得没有开始用机器？
美国苏联测试原子蛋 超过快2000次， 仅仅是测试威力?
禁销中国intel的CPU 借口就是银河是用于测算核战结果的
【在 n********n 的大作中提到】
: 以后的国家战略公司战略就可以用机器了, 懂孙子兵法的机器将成为国之重器。 :)
|
l****u
发帖数: 2166 | 76 这个是宗教，某些科学，哲学，希望解决的问题。
不同的宗教哲学会有不同的理解，结论和解释。在他们之间，结论是不统一的，所以信
仰是个不断的选择过程。
我感觉每个人的精神之路，应该是每个人的个人宗教，我们借鉴圣者的经验，然后结合
自己的经历，自我体验。
如果有个基本规律或者真相，它必然是对任何状态都是在实施，所以必然是我们何时何
地都可以体悟到的，我们必然是已经生活在其中，只是我们没有意识到而已。
真相必然是即便智力低下的婴儿，没有文化熏陶过的孩童，或者瞎子聋子，或者一辈子
不曾与人生活过的孤独者，都能领悟到的。
这个就是说，真相不依靠文字不依靠智力不依靠健康不依靠社群不依靠思考。
寻找它的某些道路，会依靠思考身体文字或者智力，但是寻找到的真相是不依靠的。
就是说，存在本身就是存在于真相中。但是我们不能够确定真相一定是在存在中。
但是任何的存在，都有无穷多的角度和主题，如何去一一分辨哪些是真哪些是假？这个
就是佛陀的教诲的深度，他说，观察这三个角度：无常无我和不完美。
别的宗教也许会提到不同的角度，比如说上帝。选择哪个角度，跟此时此刻的个人体验
有关联。好处是选了一个以后还可以改。
【在 x******a 的大作中提到】
: 这个宇宙里的最本质规律是个什么东西？上帝？
|
f*******e
发帖数: 5594 | 77 那个时候还是用的小型机这样的东西，现在早没有了。刚开始的时候叫的人工智能主要
就是计算机算法方面的，现在基本改叫机器学习了，而人工智能的概念更广阔一些。目
前人工智能的应用在模式识别、图像识别、语音识别这些方面都已经比较成熟了。
【在 S***n 的大作中提到】
: 你们两个，用的是什么样的硬件？用的说什么样的软件平台呀？
: 我也想玩玩AI了。。
: AI的难题，在于如何吧复杂问题分成好多简单问题单元，然后单元让AI去对付。。而单
: 元如何协调，还是要靠人的智慧来剖析，设计。。
|
f*******e
发帖数: 5594 | 78 我又没怀疑你啊 ：）
【在 t******g 的大作中提到】
: 36楼不是我的马夹
|
p******n
发帖数: 2449 | 79 人和机器狗的区别在于人能认识善恶，人有大善大恶，大是大非的认知能力。
机器没有，狗狗能认识小恩小惠，却不能认识大善大恶。
机器比人有能力，火车跑的比人快，一般棋手早就下不过电脑。这有什么奇怪？
能力，智力这些都不是智慧。智慧是人知道善恶的能力。
【在 Y**u 的大作中提到】
: 职业棋手和狗狗的区别是职业棋手下蹦盘了的时候不会自降十八级。。。：） 如果不
: 是人为的, 这样的智能要是用在其它的领域里还是蛮恐怖的。
|
p******n
发帖数: 2449 | 80 谷歌用的这个技术机器的复杂程度可以想像，你至少要懂神经学吧，才能设计这种学习
机器。
这里让人佩服的是李世石，太厉害了，还是赢了机器一局。
机器可以算上亿步，李最多算几步棋，能演绎的是相比太有限的，李能赢只能说是神来
之笔。
人是有点能力的，这种能力只能来自和宇宙信息的融合，人才能知道那么点东西。
人依靠的是自己的灵性，而机器是没有的，动物也有灵性，却没有人的道德。
【在 S***n 的大作中提到】
: 你们两个，用的是什么样的硬件？用的说什么样的软件平台呀？
: 我也想玩玩AI了。。
: AI的难题，在于如何吧复杂问题分成好多简单问题单元，然后单元让AI去对付。。而单
: 元如何协调，还是要靠人的智慧来剖析，设计。。
|
|
|
t******g
发帖数: 17520 | 81 我知道， 我的重點不在這裏， 哈哈
【在 f*******e 的大作中提到】
: 我又没怀疑你啊 ：）
|
t******g
发帖数: 17520 | 82 说实在的， 都别神经学了，那么容易弄清楚？
知不知道大脑一直在和肌肉说话？
一秒钟很多很多次
一旦不说了， 就出大事了， 比方说， A－ Hole 的扩约机， 你以为真的你在憋史？
这条通道有问题了， 也就是随时随地的事。。。
如果真那么容易弄清楚？drug store 里面的成人纸尿裤为始末还这么多？
术业有专攻，干点儿实事吧 |
p******n
发帖数: 2449 | 83 围棋的起源来自中国古老的智慧，九宫八卦。所谓棋道不是为输赢，而是在下棋的过程
中，
感悟天人合一的静态。如果以输赢为目标就本末倒置了。
所以令人敬佩的还是李世石，因为这说明人走的和机器走的是完全不同的道路。
谷歌想通过深度思考这家公司来量化人的智慧，这是根本做不到的，输赢本身就已经把
方向引错了。
人的学习能力是智力的一种表现，和智慧的关系不大。
人的能力和智慧只能来自对道的感悟，来自和宇宙信息通融后带来的升华。
【在 Y**u 的大作中提到】
: 职业棋手和狗狗的区别是职业棋手下蹦盘了的时候不会自降十八级。。。：） 如果不
: 是人为的, 这样的智能要是用在其它的领域里还是蛮恐怖的。
|
c***h
发帖数: 2262 | 84
那是将近十年前教的，把经典AI课本教一下而已，
更深的，自觉自己程度还不够好。
【在 f*******e 的大作中提到】
: 是你很厉害啊，还教过AI。我只是在AI的初期做过一些研究，后来我的一个同学就专门
: 做这个方向了。
|
p******n
发帖数: 2449 | 85 人下不过机器是人的七情六欲太多，机器没有这些，人要学机器，没有过多的联想。
大概才能看穿全局，军版适合机器人下。
【在 Y**u 的大作中提到】
: 职业棋手和狗狗的区别是职业棋手下蹦盘了的时候不会自降十八级。。。：） 如果不
: 是人为的, 这样的智能要是用在其它的领域里还是蛮恐怖的。
|
p******n
发帖数: 2449 | 86 老邢的网站最本质的规律是个什么东西？老邢不是上帝。
【在 x******a 的大作中提到】
: 这个宇宙里的最本质规律是个什么东西？上帝？
|
