創(chuàng)新工場會長李開復(fù)就阿爾法go和李世石的人機戰(zhàn)爭發(fā)表了自己的意見。 他認為四個月前的阿爾法go幾乎不可能打敗李世石，但這四個月阿爾法go進步了不少，比賽應(yīng)該很精彩。 但是，不管這次的結(jié)果如何，機器在1-2年內(nèi)一定會完勝人類。 戰(zhàn)勝人類之后呢？ 可以制造通用的大腦嗎？ 意味著機器能思考嗎？ 機器無法超越人類的問題是什么？

以下是阿爾法go為了李開復(fù)能戰(zhàn)勝李世石嗎？ 知道的回答原文:

直接回答這個問題，然后分解alpha go和人工智能的未來。 我認為阿爾法go在這次比賽中打敗李世石是比較懸的，1-2年內(nèi)必然會完勝人類。

根據(jù)二者的elo (圍棋等級)，可以計算出年末阿爾法go打敗李世石的概率相當?shù)汀?你是怎么計算出來的？ alpha go去年末的分布式版本的elo為3168 (見下圖)，李世石的elo約為3532 ) (見世界圍棋棋手的elo: go ratings，下方的第二張圖)。

這兩個級別的兩名棋手對戰(zhàn)后，李世石每局的勝算為89%

公式為: how to guide:convertingelodifferencestowinningprobabilities:chess鏈接地址: Reddit/r/chess/comments/2y6ezm/how (當然，根據(jù)原10月的阿爾法go，只有1.1%，但是現(xiàn)在既然有了很大的進步，就不一樣了。 今天可能已經(jīng)超過了。 請參照以下第3點。

阿爾法go不是打敗了歐洲嗎？ 有些人認為挑戰(zhàn)世界是有希望的，因為阿爾法go在去年年底擊敗了歐洲樊麾。 但樊麿是職業(yè)二段( elo 3000左右)，李世石是職業(yè)九段) elo 3532 )。 這兩個人的區(qū)別巨大，完全不能混淆。 比如，乒乓球打敗非洲并不代表他能挑戰(zhàn)中國。

阿爾法go在這幾個月取得了飛躍，能打敗李世石嗎？ 阿爾法go的負責人說:“外界不知道我們這幾個月取得了非常大的進步。 (來自geek wire// alpha谷歌地球-室內(nèi)-室內(nèi)-室內(nèi)-地圖/。 這確實有可能。 阿爾法go進步的做法有兩種。 (一)增加硬件。 從nature的副本可以看出，從1202個cpu到1920個cpu，alpha go的elo只增加了28個。 而且，如果直線增加cpu，就看不到直線的elo的成長。 要達到364 elo點的上升，所需的cpu將是天文數(shù)字。 (一份副本估計至少需要10萬個cpu。 miles brundage /博客-后期/蘋果進度)。 當然，谷歌有機器，但如果純粹添加機器，并行計算會遇到相互協(xié)調(diào)的瓶頸。 也就是說，假設(shè)有10萬臺機器，它們的總計算能力很高，但相互之間的協(xié)調(diào)會成為瓶頸。 在幾個月內(nèi)增加兩位數(shù)的cpu來調(diào)整算法，降低瓶頸應(yīng)該不容易。 (2)追加學(xué)習功能) alpha go有基于高級棋手棋譜的學(xué)習、自我對戰(zhàn)、自我學(xué)習兩種學(xué)習功能。 前者已經(jīng)采用了16萬次高手比賽，后者也在一個巨大的單元內(nèi)訓(xùn)練了8天。 在這方面一定會有進步，但要超越世界可能并不容易。 之后，讓我們考慮其他的解體方法。 從過去深藍擊敗世界的成長過程來看，深藍約在1993年達到大師級水平，4年后在6場比賽中擊敗了世界(提高了約500elo積分)。 今天的阿爾法go應(yīng)該和1993年的深藍相似，剛剛進入職業(yè)大師的水平。 要打敗世界，不需要四年的時間，但幾個月似乎是不夠的。

以上未被考慮的因素有什么，alpha go會贏嗎？ 如果谷歌沒有刻意與樊麾抗衡，或者在其他學(xué)習和并行計算方面超過了nature的敘述，那么alpha go獲勝的可能性就很大。

我有新消息。 李世石預(yù)料自己會大獲全勝。 不是5-0也不是4-1。 他的目標是達到5:0，一盤也不輸。 阿爾法go的負責人認為，這四個月取得了非常大的進步，因此有50%的概率可以戰(zhàn)勝李世石。 ）

既然寫了這么多，我就對這個主題再談一些意見:

阿爾法go是什么？ 在今年1月的“全國”( Nature/Nature/Journal/v 529/n 7587/full/Nature 16961 )上，它是圍棋優(yōu)化設(shè)計的周密深入學(xué)習引擎， 采用神經(jīng)網(wǎng)絡(luò)和mcts )。該系統(tǒng)比以前的圍棋系統(tǒng)提高了近1000分的elo，剩下的5級上升到打敗職業(yè)2級的水平，超過了前人對圍棋行業(yè)的預(yù)測，達到了人工智能行業(yè)的一個里程碑。

阿爾法go是科學(xué)的創(chuàng)新突破嗎？ 阿爾法go是一個精密設(shè)計的卓越工程，達到了歷史性的行業(yè)里程碑。 但是，nature拷貝沒有新的發(fā)明。 alpha go的優(yōu)點是集成了不同的機器學(xué)習技術(shù)。 例如reinforcement learning、deep neural network、policy+Valicy mcts的整合可以說是創(chuàng)新)、棋譜學(xué)習和自我學(xué)習的整合、非?？蓴U展的架構(gòu)( Google的計算資源， 這個項目不僅有世界機器學(xué)習技術(shù)，還有非常高效的代碼，把谷歌世界宏偉的計算資源一一發(fā)揮出來(不僅僅是比賽錄取，在訓(xùn)練alpha go時也同樣重要)。

alpha go的飛躍增長表現(xiàn)在:1) 15-20名世界計算機科學(xué)家和機器學(xué)習專家(這是圍棋行業(yè)少有的豪華團隊。 你可能覺得這沒什么大不了的，但請考慮這類專家的稀缺性)2)前述的技術(shù)、創(chuàng)新、集成、優(yōu)化。 3 )全球大型谷歌后臺計算平臺由供應(yīng)團隊采用，4 )整合cpu+gpu的計算能力。

因為alpha go是通用的大腦，所以可以在任何行業(yè)使用嗎？ alpha go中深度學(xué)習、神經(jīng)網(wǎng)絡(luò)、mcts和alpha go的擴展能力計算能力是通用技術(shù)。 阿爾法go的成功還驗證了這些技術(shù)的擴展性。 但是，alpha go實際上做了相當多的圍棋行業(yè)優(yōu)化； 除了上述系統(tǒng)調(diào)整·整合以外，其中也有通過人工設(shè)定進行調(diào)整的參數(shù)。 alphago的團隊在nature上也表示，alphago不是完全的自我對戰(zhàn)端到端的學(xué)習(就像以前同一個團隊制作atari ai，使用端到端，在沒有人工干預(yù)的情況下玩電動游戲一樣) 如果alpha go今天要進入新的應(yīng)用行業(yè)，那么應(yīng)該能夠使用alpha go的基礎(chǔ)技術(shù)和alpha go的團隊，迅速有效地開發(fā)處理方案。 這就是阿爾法go真正優(yōu)于深藍的地方。 但是，上述開發(fā)也需要相當長的時間，同時需要世界上非常稀有的深度計算科學(xué)家(目前年待遇行情達到250萬美元)。 。 因此，alpha go還不能說是通用技術(shù)平臺，并不是工程師可以調(diào)動采用api，距離還很遠。

如果這次阿爾法go沒有打敗李世石，還需要多長時間？ ibm深藍從進入主場水平到在比賽中擊敗世界花了4年的時間。 阿爾法戈應(yīng)該比深藍更快地提升自己。 因為深藍需要新版本的硬件，以及與kasparov進行比較的人工調(diào)整優(yōu)化，alpha go是基于谷歌的硬件計算平臺，以及比較通用的深度學(xué)習算法。 所以，預(yù)想幾個月太短了，四年太長了，1-2年的時間吧。

從國際象棋到圍棋，到底是一個重大的突破嗎？ 確實，在這個文案中，(在國際象棋行業(yè)，電腦已經(jīng)能戰(zhàn)勝人腦，但圍棋行業(yè)的電腦還差多少？ 鏈接: zhihu/question/21714457 )，最初的回答者分析了圍棋的多和雜，但國際象棋只有它。 1997年深藍打敗世界時，深藍采用人工調(diào)整的判斷函數(shù)，認為通過特殊設(shè)計的硬件和暴力探索( brute-force )征服了國際象棋類的多而雜，但圍棋探索太廣)是順手的選擇。 機器學(xué)習+并行計算+大量的數(shù)據(jù)，能夠克服這些數(shù)字上的難題，至少足以超越這些難題的人。

阿爾法go打敗了世界，是說計算機超過了人腦嗎？ 還是可以考慮一下？

我的回答是:

在邏輯上可以推測的問題上，機器試圖把人類遠遠拋在后面。 機器的速度越來越快，學(xué)習能力進一步加強，數(shù)據(jù)會更多。 當時，大家都在爭論國際象棋輸給機器沒什么大不了的。 圍棋才是真正的智慧。 只是我們?nèi)祟惥S護自己的尊嚴，但不現(xiàn)實。 今天，我們必須面對現(xiàn)實！

在大數(shù)據(jù)+機器學(xué)習+大并行計算的時代，可以看到在預(yù)測、分解、推薦等方面創(chuàng)造巨大商業(yè)價值和客戶價值的無數(shù)商機和產(chǎn)品。 但是，這些處理方案和人類相比，其實意義不大。 因為人的差距太遠了。 (例如，推薦引擎可以推薦你可能會買的產(chǎn)品、想吃的料理、想認知的人。 自動交易可以獲得更高的投資收益率和風險比率)。

在感知方面，人類也被機器超越。 今天的語音識別、臉部識別、未來的自動駕駛，都是例子。

但是，對于任何科幻電影的粉絲們來說，這些還是冰冷的技術(shù)，機器人會人性化嗎？ 這還不清楚。 畢竟，在感情、喜怒哀樂、七情六欲、人文藝術(shù)、美與愛、價值觀等方面，機器離人還很遠，甚至連基礎(chǔ)都沒有。 對人工智能的研究者來說，這是下一個挑戰(zhàn)。 對于我們?nèi)祟悂碚f，讓右腦迅速發(fā)展直到下一個突破吧。