“李开复：AlphaGo 若打败了世界冠军，意味着什么？”

本篇文章3586字，读完约9分钟

电商平台【科技在线】

创新工场会长李开复就阿尔法go和李世石的人机战争发表了自己的意见。 他认为四个月前的阿尔法go几乎不可能打败李世石，但这四个月阿尔法go进步了不少，比赛应该很精彩。 但是，不管这次的结果如何，机器在1-2年内一定会完胜人类。 战胜人类之后呢？ 可以制造通用的大脑吗？ 意味着机器能思考吗？ 机器无法超越人类的问题是什么？

以下是阿尔法go为了李开复能战胜李世石吗？ 知道的回答原文:

直接回答这个问题，然后分解alpha go和人工智能的未来。 我认为阿尔法go在这次比赛中打败李世石是比较悬的，1-2年内必然会完胜人类。

根据二者的elo (围棋等级)，可以计算出年末阿尔法go打败李世石的概率相当低。 你是怎么计算出来的？ alpha go去年末的分布式版本的elo为3168 (见下图)，李世石的elo约为3532 ) (见世界围棋棋手的elo: go ratings，下方的第二张图)。

这两个级别的两名棋手对战后，李世石每局的胜算为89%

公式为: how to guide:convertingelodifferencestowinningprobabilities:chess链接地址: Reddit/r/chess/comments/2y6ezm/how (当然，根据原10月的阿尔法go，只有1.1%，但是现在既然有了很大的进步，就不一样了。 今天可能已经超过了。 请参照以下第3点。

阿尔法go不是打败了欧洲吗？ 有些人认为挑战世界是有希望的，因为阿尔法go在去年年底击败了欧洲樊麾。 但樊麿是职业二段( elo 3000左右)，李世石是职业九段) elo 3532 )。 这两个人的区别巨大，完全不能混淆。 比如，乒乓球打败非洲并不代表他能挑战中国。

阿尔法go在这几个月取得了飞跃，能打败李世石吗？ 阿尔法go的负责人说:“外界不知道我们这几个月取得了非常大的进步。 (来自geek wire// alpha谷歌地球-室内-室内-室内-地图/。 这确实有可能。 阿尔法go进步的做法有两种。 (一)增加硬件。 从nature的副本可以看出，从1202个cpu到1920个cpu，alpha go的elo只增加了28个。 而且，如果直线增加cpu，就看不到直线的elo的成长。 要达到364 elo点的上升，所需的cpu将是天文数字。 (一份副本估计至少需要10万个cpu。 miles brundage /博客-后期/苹果进度)。 当然，谷歌有机器，但如果纯粹添加机器，并行计算会遇到相互协调的瓶颈。 也就是说，假设有10万台机器，它们的总计算能力很高，但相互之间的协调会成为瓶颈。 在几个月内增加两位数的cpu来调整算法，降低瓶颈应该不容易。 (2)追加学习功能) alpha go有基于高级棋手棋谱的学习、自我对战、自我学习两种学习功能。 前者已经采用了16万次高手比赛，后者也在一个巨大的单元内训练了8天。 在这方面一定会有进步，但要超越世界可能并不容易。 之后，让我们考虑其他的解体方法。 从过去深蓝击败世界的成长过程来看，深蓝约在1993年达到大师级水平，4年后在6场比赛中击败了世界(提高了约500elo积分)。 今天的阿尔法go应该和1993年的深蓝相似，刚刚进入职业大师的水平。 要打败世界，不需要四年的时间，但几个月似乎是不够的。

以上未被考虑的因素有什么，alpha go会赢吗？ 如果谷歌没有刻意与樊麾抗衡，或者在其他学习和并行计算方面超过了nature的叙述，那么alpha go获胜的可能性就很大。

我有新消息。 李世石预料自己会大获全胜。 不是5-0也不是4-1。 他的目标是达到5:0，一盘也不输。 阿尔法go的负责人认为，这四个月取得了非常大的进步，因此有50%的概率可以战胜李世石。 ）

既然写了这么多，我就对这个主题再谈一些意见:

阿尔法go是什么？ 在今年1月的“全国”( Nature/Nature/Journal/v 529/n 7587/full/Nature 16961 )上，它是围棋优化设计的周密深入学习引擎， 采用神经网络和mcts )。该系统比以前的围棋系统提高了近1000分的elo，剩下的5级上升到打败职业2级的水平，超过了前人对围棋行业的预测，达到了人工智能行业的一个里程碑。

阿尔法go是科学的创新突破吗？ 阿尔法go是一个精密设计的卓越工程，达到了历史性的行业里程碑。 但是，nature拷贝没有新的发明。 alpha go的优点是集成了不同的机器学习技术。 例如reinforcement learning、deep neural network、policy+Valicy mcts的整合可以说是创新)、棋谱学习和自我学习的整合、非常可扩展的架构( Google的计算资源， 这个项目不仅有世界机器学习技术，还有非常高效的代码，把谷歌世界宏伟的计算资源一一发挥出来(不仅仅是比赛录取，在训练alpha go时也同样重要)。

alpha go的飞跃增长表现在:1) 15-20名世界计算机科学家和机器学习专家(这是围棋行业少有的豪华团队。 你可能觉得这没什么大不了的，但请考虑这类专家的稀缺性)2)前述的技术、创新、集成、优化。 3 )全球大型谷歌后台计算平台由供应团队采用，4 )整合cpu+gpu的计算能力。

因为alpha go是通用的大脑，所以可以在任何行业使用吗？ alpha go中深度学习、神经网络、mcts和alpha go的扩展能力计算能力是通用技术。 阿尔法go的成功还验证了这些技术的扩展性。 但是，alpha go实际上做了相当多的围棋行业优化； 除了上述系统调整·整合以外，其中也有通过人工设定进行调整的参数。 alphago的团队在nature上也表示，alphago不是完全的自我对战端到端的学习(就像以前同一个团队制作atari ai，使用端到端，在没有人工干预的情况下玩电动游戏一样) 如果alpha go今天要进入新的应用行业，那么应该能够使用alpha go的基础技术和alpha go的团队，迅速有效地开发处理方案。 这就是阿尔法go真正优于深蓝的地方。 但是，上述开发也需要相当长的时间，同时需要世界上非常稀有的深度计算科学家(目前年待遇行情达到250万美元)。 。 因此，alpha go还不能说是通用技术平台，并不是工程师可以调动采用api，距离还很远。

如果这次阿尔法go没有打败李世石，还需要多长时间？ ibm深蓝从进入主场水平到在比赛中击败世界花了4年的时间。 阿尔法戈应该比深蓝更快地提升自己。 因为深蓝需要新版本的硬件，以及与kasparov进行比较的人工调整优化，alpha go是基于谷歌的硬件计算平台，以及比较通用的深度学习算法。 所以，预想几个月太短了，四年太长了，1-2年的时间吧。

从国际象棋到围棋，到底是一个重大的突破吗？ 确实，在这个文案中，(在国际象棋行业，电脑已经能战胜人脑，但围棋行业的电脑还差多少？ 链接: zhihu/question/21714457 )，最初的回答者分析了围棋的多和杂，但国际象棋只有它。 1997年深蓝打败世界时，深蓝采用人工调整的判断函数，认为通过特殊设计的硬件和暴力探索( brute-force )征服了国际象棋类的多而杂，但围棋探索太广)是顺手的选择。 机器学习+并行计算+大量的数据，能够克服这些数字上的难题，至少足以超越这些难题的人。

阿尔法go打败了世界，是说计算机超过了人脑吗？ 还是可以考虑一下？

我的回答是:

在逻辑上可以推测的问题上，机器试图把人类远远抛在后面。 机器的速度越来越快，学习能力进一步加强，数据会更多。 当时，大家都在争论国际象棋输给机器没什么大不了的。 围棋才是真正的智慧。 只是我们人类维护自己的尊严，但不现实。 今天，我们必须面对现实！

在大数据+机器学习+大并行计算的时代，可以看到在预测、分解、推荐等方面创造巨大商业价值和客户价值的无数商机和产品。 但是，这些处理方案和人类相比，其实意义不大。 因为人的差距太远了。 (例如，推荐引擎可以推荐你可能会买的产品、想吃的料理、想认知的人。 自动交易可以获得更高的投资收益率和风险比率)。

在感知方面，人类也被机器超越。 今天的语音识别、脸部识别、未来的自动驾驶，都是例子。

但是，对于任何科幻电影的粉丝们来说，这些还是冰冷的技术，机器人会人性化吗？ 这还不清楚。 毕竟，在感情、喜怒哀乐、七情六欲、人文艺术、美与爱、价值观等方面，机器离人还很远，甚至连基础都没有。 对人工智能的研究者来说，这是下一个挑战。 对于我们人类来说，让右脑迅速发展直到下一个突破吧。