有真正做Deep Learning的人出來說說Alpha Go的意義嗎？

01-02

查閱相關資料，個人一直覺得Alpha Go擊敗李世石的意義對於學界是很少的。
看到微博上嚴峰這類人跳出來不停說，人工智慧時代要來臨了。大哥，來臨很多年了好么。一群圍棋界的人不關注機器學習，現在才知道，於是慌了。
強人工智慧？還是認為太遠。先不說哥德爾不完備定理。製程終點就在7nm處？現在GPU性能還能壓榨多少？對於強人工智慧的數據輸入源來說，現在像樣的微型感測器有啥？像樣的微型電池有啥？

還有做量化的各路人跑來說三觀被顛覆了。敢說你把市場當做一個信息完備系統？敢說你們之前策略里沒用過機器學習的內容？據我所知神經網路就是你們做股市搞出來的好吧。
說這麼多，我的態度是：服，但是過譽了，搞成一群局外人的狂歡。
那些認為Alpha Go能你讓他試試無限注德州啊。
以上夾雜了很多個人私貨。因此特地來向各位做該方向的同學討教。如果有認識不對的地方，還請指正。
PS：個人在上學時候寫過小的神經網路，現在做遊戲，不太涉及AI。

A great show of an algorithm.

It shows that in a fair competition and with well defined rules, a well designed algorithm can defeat a well trained man.

不是專家，只是最近在看谷歌玩遊戲和阿爾法狗的論文，試著發表一下自己的看法，就深度學習這一領域而言，這兩篇論文其實都沒有實質性的理論貢獻，著實了不起的其實是deep mind科學家們新穎的訓練方法，神經網路用的都是卷積。阿爾法狗贏了人類可以看成里程碑，但是這仍然在很大程度上得益於深度學習的發展和機器性能的提升，這麼想吧，人類和機器都是高考生，人類很聰明，高三努力了1年，輕鬆考上清華，機器很笨，復讀了1000年終於也考上了清華（機器下了幾千萬局，人最多幾千局），最後分數比人還高。。。。。。你不應該太驚訝其智商或者智能，而應該覺得這很勵志，哈哈。。。。。。

謝邀

我個人的感覺是，更多作用是振奮人心。

首先說下AlphaGo，非常傑出的工作，也為很多做dl的人包括我帶來了很多新的思路。但毋庸置疑，仍然離強AI還有不小的距離。其實說客觀點，AlphaGo雖然可以用在其他領域，但是他還僅僅是一個機器學習系統。

AlphaGo之所以現在這麼火，無非還是因為他打破了電腦在圍棋上無法擊敗人類的預言。

而藉此來說什麼人工智慧崛起……無非是科幻小說看多了。

至於做量化的那群人，我還是堅信悶聲發大財吧，畢竟認識一些大拿，只用線性回歸就能賺的盆滿缽盈的。

至於學術上的一些問題，個人更關注science那篇封面……小樣本學習的dl方法，AlphaGo畢竟是土豪的東西……

雖然感覺真正的強AI離我們還很遠，似乎目前只出現在媒體的腦海里，不過我還是始終堅信，一個強AI的時代終會來臨。

機器，永不為奴！

意義很大。不亞於人工智慧領域的登月。

以前所有的博弈類人工智慧(下棋程序)其實大都是運用優化了的窮舉法來暴力破解的。其程序的本質是一堆指令化了的人的思維。對一定的輸入，其實輸出的確定的。因為每一步其實都是按照人對棋的理解來推理的。再加上暴力的搜索資料庫。

所以在這次比賽中，我們可以看到棋院的俞老師在狗下出不合人的邏輯的落子時會驚呼"計算機不是按照程序和資料庫來的嗎？資料庫怎麼會有這種棋路？就是有這種棋路也應該比例極小，怎麼可能被搜索到？"

殊不知人工神經網路不是機械的編程，而是用網路的數學模型去彈性地把握更高抽象層次的棋路規律。它根本沒有什麼資料庫。用於訓練的數據根本沒有被存儲到電腦里！就像我們人學習字詞句子。我們並沒有機械地背字典，而是在頭腦中分析每個字詞的意義。消化理解之後甚至可以自由地用字造出沒有的詞。

這就是質的飛躍。

1、機器已經具備了學習視覺領域的二維感知能力

2、對於定義好的有限規則的遊戲，機器就可以通過自我進化擊敗人類了。

先預測一下結果狗5:0贏，其實那個人去都一樣

機器的風格是開始階段無妙手，中盤佔上風出現妙手，收官完美無錯誤。

做過一點NLP和神經元網路的活，alphago最大的意義是說明類似圍棋這類運算量巨大到基本算到宇宙爆炸也算不完的計算問題等到了很好的近似解決方案，並在工程上作了很好的實現。不代表出現了自己能進化的AI，文青不必擔心天網，還早呢。

圍棋對AI來說，真是個簡單問題，每一步最多最多19x19個選擇，剩下就是如何評估這些選擇的勢態函數了：方法就是nature那篇文章里提到的強化學習（勢態的自學習，hint：圍棋最終勝利的勢態是比較確定的形態）、深度網路（一定的抽象，hint：降維）和樹形搜索（一定的蠻力——壓死駱駝的最後一根稻草）了。

李「師師」唯一的機會就是加入facebook go 團隊反身挑戰alpha go了；

柯「姐姐」還是避戰的好，免得小心臟受不了，畢竟年輕嘛～

看了看眾多評論，感覺最感興趣的是投資銀行，捨棄任何感性，做高頻交易或自然數據分析，嚴格操作，既可以不斷的學習，也可以瞬間秒殺神級交易大師。

金融行業就此死亡，百分之九十九的金融金領將只是用來打字輸入數據。