柯洁回应首战失利，惜败AlphaGo，柯洁认为主要是还没有找到它的弱点，“它确实下得太好了，很多地方都值得我们学习，AlphaGo让我们明白没有什么棋是不能下的，它正在越来越多地改变我们最初对围棋的理解。”柯洁表示，如果把AlphaGo当作人来看的话，它今年跟去年完全是两个人，因为人工智能是在进化的。
从早上10点半到下午接近3点，柯洁执黑与AlphaGo鏖战了4个多小时。他以小目三三开局，但AlphaGo并没有受到影响，用超强的计算能力持续对柯洁压制。尽管宫子阶段柯洁竭尽全力，但也没有找到逆转的机会。战至单官收完，黑棋盘面6目，按照中国规则数棋，柯洁以1/4子惜败。
不可否认，这盘棋柯洁已经发挥得非常出色，却仍无法阻挡AlphaGo前进的步伐。尽管最终是最微小的差距，但从过程来看，柯洁一直没有太好的赢棋机会。难得的是，柯洁赛前收起了他一贯的骄傲，“我觉得我们人类只要努力过了拼搏过了，就算输也没有什么遗憾的。”结果，以中国围棋规则中最小的劣势输棋，对柯洁来说已然成功。
“就算阿法狗战胜了李世石，但它赢不了我。”曾经，柯洁是如此看待AlphaGo，但去年年底到今年年初，这名世界围棋第一人在面对AlphaGo新版本Master时遭遇连败。而在今天的乌镇，举世瞩目的人机大战2.0首战中，柯洁依然败下阵来，不过只以四分之一子小负的他，还有机会赢吗？
柯洁首战惜败AlphaGo
需要指出的是，和去年人机大战1.0不同，在比赛用时分配上，当时李世石对AlphaGo的用时是每方2小时，1分钟读秒5次，而此次则是每方用时3小时，1分钟读秒5次，这样的改变自然是为了更大程度上为人类提供利好，但这样依然无力帮助柯洁战胜AlphaGo。
“它确实下得太好了，很多地方都值得我们学习，AlphaGo让我们明白没有什么棋是不能下的，它正在越来越多地改变我们最初对围棋的理解。”柯洁表示，如果把AlphaGo当作人来看的话，它今年跟去年完全是两个人。
比赛前日，柯洁曾发微博表示，这是他最后三场的人机大战。对于之后两场比赛，他说：“AlphaGo的弱点我现在还没有找到，但是对自己要永远有信心，我觉得能跟AlphaGo对决是我人生中最荣幸的事，所以我会全力以赴下后面的两盘棋，珍惜这个机会。”
在为期5天的围棋峰会中，除了AlphaGo和柯洁进行的三番战之外，古力和连笑将分别与AlphaGo组队进行配对赛，五位中国顶尖职业棋手将组成战团，以集体智慧对抗人工智能。柯洁将于明天早上10点半再度登场，对战AlphaGo。
柯洁迎战AlphaGo表现优于李世石？
据香港《经济日报》5月23日报道，根据清华航院AI神算子给出的数据是，双方行棋至106手，柯洁胜率持续提升至45.91，落后仅7目。至108手，柯洁胜率为45.63。
与去年对弈AlphaGo的韩国棋手李世石相比，李世石首局4个半小时完成186手；其胜率曾维持在40％开头，一度升至47％左右，但随后又在116手后跌至仅两成多。
从初步推据推算，柯洁的表现可能已好于去年李世石。
当然这些报道是港媒的说法，不管怎么说，我们都相信人定胜天，只是在一些计算、功能性的层面人类确实是比不个机器，但是机器毕竟是为人类服务的，就像中国围棋名将柯洁与谷歌人工智能系统AlphaGo的人机围棋大战，尽管落败，但与去年挑战AlphaGo的韩国棋手李世石相比，柯洁的表现有过之而无不及。
中国围棋协会主席王汝南认为，到目前为止还是很有意思的，柯洁有备而来，备战还是很详细的。
韩国棋手金庭贤点评柯洁今天的表现时，以前柯洁和人类下，始终显得很从容。但今天脸上充血，显得很紧张。
人工智能注定统治人类？
AlphaGo挑战现排名世界第一的围棋国手柯洁九段，对于这件事，创新工场李开复评价道，此次对决人类胜率几乎为零。
李开复说，AlphaGo和李世石的人机大战是第一次，可能还有悬念，但是现在进化的AlphaGo和柯洁的人机大战，不再拥有任何其他的可能。李开复指出，AlphaGo和柯洁的比赛并非没有意义，而是在科学价值层面已经失去看点。他呼吁既然AlphaGo和冷扑大师，已经让机器在游戏领域的“不可战胜”不再有悬念，那不如把更多的精力投入到人工智能的商业应用层面。
还有个观点是这样说的：如果人工智能比作一个生物，那为什么这种生物比人类对下棋更执着？
很难说清究竟是谁第一个教会了计算机下棋，二十世纪最伟大的计算机科学专家克劳德·香农在1949年发表了论文《编程实现计算机下（国际）象棋》。
而另一位同样被载入计算机发展史的学者艾伦·图灵在1952年编写了第一个计算机下棋程序——当时计算机的算力无法支撑这个程序的运转，图灵用笔和纸进行模拟验算与人类同事对弈，每走一步要花半小时的时间，最后输了。
如果AlphaGo战胜柯洁，那么就意味着：从学会下棋到在棋盘游戏领域完胜人类，人工智能等了这一天50年。如果输了，它还要继续进化下去。其实早在20世纪50年代、70年代、90年代和21世纪初，分别有人预言“人工智能马上就要统治人类了”。
要知道，在深度学习出现之前，单层神经网络算法只能做简单的线性判断。为了解决非线性判断，研究人员发明的多层神经网络在训练上又需要几乎不可实现的计算量。直到上面描述的参数一层一层自动传导的“反向传播”机制出现，才让深度学习成为了可以实际应用的技术。
在多层神经网络中的每一个“神经元”都与我们大脑中的神经元一样简单而优雅，却能至少在一定程度上模拟我们的大脑对世界的感知和判断。这让采用深度学习的人工智能真的可以用一个“孩子”来形容。人工智能的进步会来自于两方面：一方面爆炸式的算法改进，另一方面是渐进式的算力提升。
人工智能一直在持续进步，回顾人工智能的进步史，尽管时间并不确定我们却不难得出这样一个结论：人工智能终将战胜人类。
人类对算法的研究，更像是对宇宙客观存在的发现。尽管它依然需要积累、尝试和科学家的睿智，但它对人工智能的影响是突变式的。就像我们可以将物理学分为牛顿发现万有引力前和发现万有引力后一样。
多层神经网络算法可能并不是未来真正高级人工智能的最终算法。这意味着即便以AlphaGo为代表的此时代人工智能，在现实生活中可能永远是现在这幅智障模样。但并不意味着人工智能发展会就此停滞。
与算法不同，算力的进步是一种对工程精度和工业化水平的考验——尽管摩尔定律已经主见失效，但量子计算机、生物计算机等前沿计算设备可能会让算力的进步继续下去。
围绕AlphaGo，背后的技术包括图像处理、大数据分析等，这些技术目前在其它领域的使用还在早期探索阶段，只在AlphaGo研究的中间环节某些领域应用，但是在未来肯定会在多个领域推广相关的技术。
AlphaGo之父Demis Hassabis
AlphaGo之父Demis Hassabis表示，目前信息过载和系统冗杂是人类面临的巨大挑战。希望利用AI找到元解决方案。“我们的目标是实现‘人工智能科学家’或‘人工智能辅助科学‘。”
“人工智能和所有强大的新技术一样，在伦理和责任的约束中造福人类。” Demis Hassabis说。这意味着，人工智能应该是应用于科学、制药等领域，而不是应用于研发武器、战争上;此外，人工智能不能只为少数几家公司使用，而是为全人类所共享。
我们确实发现AlphaGo已经展示出了创造力，在某一个领域它甚至已经可以模仿人类直觉了。但是小编认为科幻小说中被机器人统治的场景出现的概率很小，既然已经有预计会出现这种情况，人类在发展人工智能的同时就不会加以手段和限制条件？肯定有双赢的策略可以去规避。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）