超级军网人机大战引发的思考
来源：百度文库 编辑：超级军网 时间：2024/04/28 22:48:27
人机大战引发的思考
不久前，由谷歌旗下“深层思维”公司创建的人工智能系统“阿尔法围棋”，在人机围棋大赛中以四比一的成绩击败了围棋冠军李世石。这场人机大赛在业内外均引起很大反响，站在不同角度会有不同看法。业内人士关注焦点是围棋棋艺及相关问题。业外人士看法也就不尽相同。不会担心自己饭碗会被机器人抢走。对围棋的爱好也不在乎胜负。
人與机器的棋盤對弈歷史已經接近60年。人机大战的胜负的内含到底是什么？這是一種脑力比拼游戲，還是智慧碰撞？
1.谷歌公司的埃里克·施密特说的那样“无论谁在比赛中获胜，人类都将是最大的赢家。”
2.有人说是“狗战胜了人”；“人工智能战胜了人”；“人的群体智慧集成化战胜个体智慧”。各种说法不足为怪。
3.也有人相信机器在许多方面将来会超过人，但像“意识”、“情感”、“洞察力”、“创新”，机器人真的是没有办法超过人。
4.也有人认为：在结构上、功能上，机器人都不具备生物脑的复杂性特点。是不可能超过人。持这一观点的人是对脑科学有深度了解的人士。
5.也有人不同意这种看法，认为人脑的运行机制能通过机器模仿,能人造“脑”。这就超出人工智能学科的研究范畴。将来如果有人失忆，能否将人造“记忆”安装到人脑内，这就要解决人机接口，人机兼容、能源等诸多问题。这会涉及纳米技术及相关领域。目前是不可能实现。
6.从人工智能的角度，“狗战胜人”是靠运算能力，还是靠超強记忆百万个棋谱？
“阿尔法围棋”用了一种新方法，这个方法几乎完全靠自主自学，并通过观察成功与失败案例来掌握得胜技巧。不斷進化。“深蓝”之所以能够有超人的绝佳表现，几乎纯粹是靠运算能力：它存储了数百万个国际象棋案例，因此能在众多可能性中进行筛选，从而确定下一步棋的最佳位置。然而围棋落子的可能性要多得多，也就是说，单纯靠运算能力是不可能取胜的。即便是运算速度最快的电脑都无法模拟哪怕其中一小部分。
7.系统使用了一种名为“深层学习”的方法，能够梳理出模式抓住重点。“深层学习”系统采取类似人脑运行方式，学习是在神经元之间形成并加强关联的过程。因而被称作“神经网络”。它在软件中建立起数十亿节点和关联，使用案例“训练集”来强化刺激（正在下的棋）和反应（下一步棋）间的关联，再对系统进行新刺激，并观察其反应。再通过“强化学习”的技术，“阿尔法围棋”还和自己下了数百万盘棋，以记住有效走法和战略。[1]如果这种说法成立，这意味着以下两方面问题：一方面人工智能模仿人脑功能结构获得进展；另一方面也在验证人脑的棋艺功能的运行机制。
为什么这样说呢？下面来讨论这一问题。 人机大战引发的思考
不久前，由谷歌旗下“深层思维”公司创建的人工智能系统“阿尔法围棋”，在人机围棋大赛中以四比一的成绩击败了围棋冠军李世石。这场人机大赛在业内外均引起很大反响，站在不同角度会有不同看法。业内人士关注焦点是围棋棋艺及相关问题。业外人士看法也就不尽相同。不会担心自己饭碗会被机器人抢走。对围棋的爱好也不在乎胜负。
人與机器的棋盤對弈歷史已經接近60年。人机大战的胜负的内含到底是什么？這是一種脑力比拼游戲，還是智慧碰撞？
1.谷歌公司的埃里克·施密特说的那样“无论谁在比赛中获胜，人类都将是最大的赢家。”
2.有人说是“狗战胜了人”；“人工智能战胜了人”；“人的群体智慧集成化战胜个体智慧”。各种说法不足为怪。
3.也有人相信机器在许多方面将来会超过人，但像“意识”、“情感”、“洞察力”、“创新”，机器人真的是没有办法超过人。
4.也有人认为：在结构上、功能上，机器人都不具备生物脑的复杂性特点。是不可能超过人。持这一观点的人是对脑科学有深度了解的人士。
5.也有人不同意这种看法，认为人脑的运行机制能通过机器模仿,能人造“脑”。这就超出人工智能学科的研究范畴。将来如果有人失忆，能否将人造“记忆”安装到人脑内，这就要解决人机接口，人机兼容、能源等诸多问题。这会涉及纳米技术及相关领域。目前是不可能实现。
6.从人工智能的角度，“狗战胜人”是靠运算能力，还是靠超強记忆百万个棋谱？
“阿尔法围棋”用了一种新方法，这个方法几乎完全靠自主自学，并通过观察成功与失败案例来掌握得胜技巧。不斷進化。“深蓝”之所以能够有超人的绝佳表现，几乎纯粹是靠运算能力：它存储了数百万个国际象棋案例，因此能在众多可能性中进行筛选，从而确定下一步棋的最佳位置。然而围棋落子的可能性要多得多，也就是说，单纯靠运算能力是不可能取胜的。即便是运算速度最快的电脑都无法模拟哪怕其中一小部分。
7.系统使用了一种名为“深层学习”的方法，能够梳理出模式抓住重点。“深层学习”系统采取类似人脑运行方式，学习是在神经元之间形成并加强关联的过程。因而被称作“神经网络”。它在软件中建立起数十亿节点和关联，使用案例“训练集”来强化刺激（正在下的棋）和反应（下一步棋）间的关联，再对系统进行新刺激，并观察其反应。再通过“强化学习”的技术，“阿尔法围棋”还和自己下了数百万盘棋，以记住有效走法和战略。[1]如果这种说法成立，这意味着以下两方面问题：一方面人工智能模仿人脑功能结构获得进展；另一方面也在验证人脑的棋艺功能的运行机制。
为什么这样说呢？下面来讨论这一问题。
不久前，由谷歌旗下“深层思维”公司创建的人工智能系统“阿尔法围棋”，在人机围棋大赛中以四比一的成绩击败了围棋冠军李世石。这场人机大赛在业内外均引起很大反响，站在不同角度会有不同看法。业内人士关注焦点是围棋棋艺及相关问题。业外人士看法也就不尽相同。不会担心自己饭碗会被机器人抢走。对围棋的爱好也不在乎胜负。
人與机器的棋盤對弈歷史已經接近60年。人机大战的胜负的内含到底是什么？這是一種脑力比拼游戲，還是智慧碰撞？
1.谷歌公司的埃里克·施密特说的那样“无论谁在比赛中获胜，人类都将是最大的赢家。”
2.有人说是“狗战胜了人”；“人工智能战胜了人”；“人的群体智慧集成化战胜个体智慧”。各种说法不足为怪。
3.也有人相信机器在许多方面将来会超过人，但像“意识”、“情感”、“洞察力”、“创新”，机器人真的是没有办法超过人。
4.也有人认为：在结构上、功能上，机器人都不具备生物脑的复杂性特点。是不可能超过人。持这一观点的人是对脑科学有深度了解的人士。
5.也有人不同意这种看法，认为人脑的运行机制能通过机器模仿,能人造“脑”。这就超出人工智能学科的研究范畴。将来如果有人失忆，能否将人造“记忆”安装到人脑内，这就要解决人机接口，人机兼容、能源等诸多问题。这会涉及纳米技术及相关领域。目前是不可能实现。
6.从人工智能的角度，“狗战胜人”是靠运算能力，还是靠超強记忆百万个棋谱？
“阿尔法围棋”用了一种新方法，这个方法几乎完全靠自主自学，并通过观察成功与失败案例来掌握得胜技巧。不斷進化。“深蓝”之所以能够有超人的绝佳表现，几乎纯粹是靠运算能力：它存储了数百万个国际象棋案例，因此能在众多可能性中进行筛选，从而确定下一步棋的最佳位置。然而围棋落子的可能性要多得多，也就是说，单纯靠运算能力是不可能取胜的。即便是运算速度最快的电脑都无法模拟哪怕其中一小部分。
7.系统使用了一种名为“深层学习”的方法，能够梳理出模式抓住重点。“深层学习”系统采取类似人脑运行方式，学习是在神经元之间形成并加强关联的过程。因而被称作“神经网络”。它在软件中建立起数十亿节点和关联，使用案例“训练集”来强化刺激（正在下的棋）和反应（下一步棋）间的关联，再对系统进行新刺激，并观察其反应。再通过“强化学习”的技术，“阿尔法围棋”还和自己下了数百万盘棋，以记住有效走法和战略。[1]如果这种说法成立，这意味着以下两方面问题：一方面人工智能模仿人脑功能结构获得进展；另一方面也在验证人脑的棋艺功能的运行机制。
为什么这样说呢？下面来讨论这一问题。 人机大战引发的思考
不久前，由谷歌旗下“深层思维”公司创建的人工智能系统“阿尔法围棋”，在人机围棋大赛中以四比一的成绩击败了围棋冠军李世石。这场人机大赛在业内外均引起很大反响，站在不同角度会有不同看法。业内人士关注焦点是围棋棋艺及相关问题。业外人士看法也就不尽相同。不会担心自己饭碗会被机器人抢走。对围棋的爱好也不在乎胜负。
人與机器的棋盤對弈歷史已經接近60年。人机大战的胜负的内含到底是什么？這是一種脑力比拼游戲，還是智慧碰撞？
1.谷歌公司的埃里克·施密特说的那样“无论谁在比赛中获胜，人类都将是最大的赢家。”
2.有人说是“狗战胜了人”；“人工智能战胜了人”；“人的群体智慧集成化战胜个体智慧”。各种说法不足为怪。
3.也有人相信机器在许多方面将来会超过人，但像“意识”、“情感”、“洞察力”、“创新”，机器人真的是没有办法超过人。
4.也有人认为：在结构上、功能上，机器人都不具备生物脑的复杂性特点。是不可能超过人。持这一观点的人是对脑科学有深度了解的人士。
5.也有人不同意这种看法，认为人脑的运行机制能通过机器模仿,能人造“脑”。这就超出人工智能学科的研究范畴。将来如果有人失忆，能否将人造“记忆”安装到人脑内，这就要解决人机接口，人机兼容、能源等诸多问题。这会涉及纳米技术及相关领域。目前是不可能实现。
6.从人工智能的角度，“狗战胜人”是靠运算能力，还是靠超強记忆百万个棋谱？
“阿尔法围棋”用了一种新方法，这个方法几乎完全靠自主自学，并通过观察成功与失败案例来掌握得胜技巧。不斷進化。“深蓝”之所以能够有超人的绝佳表现，几乎纯粹是靠运算能力：它存储了数百万个国际象棋案例，因此能在众多可能性中进行筛选，从而确定下一步棋的最佳位置。然而围棋落子的可能性要多得多，也就是说，单纯靠运算能力是不可能取胜的。即便是运算速度最快的电脑都无法模拟哪怕其中一小部分。
7.系统使用了一种名为“深层学习”的方法，能够梳理出模式抓住重点。“深层学习”系统采取类似人脑运行方式，学习是在神经元之间形成并加强关联的过程。因而被称作“神经网络”。它在软件中建立起数十亿节点和关联，使用案例“训练集”来强化刺激（正在下的棋）和反应（下一步棋）间的关联，再对系统进行新刺激，并观察其反应。再通过“强化学习”的技术，“阿尔法围棋”还和自己下了数百万盘棋，以记住有效走法和战略。[1]如果这种说法成立，这意味着以下两方面问题：一方面人工智能模仿人脑功能结构获得进展；另一方面也在验证人脑的棋艺功能的运行机制。
为什么这样说呢？下面来讨论这一问题。