- 程序有所改变。发帖如还有问题请报告
- 【征集】西西河的经济学，及清流措施，需要主动参与者，『稷下学宫』新认证方式，24年网站打算和努力目标
主题：alphaGo 系统以及人工智能的未来 -- pattern
家园 根据荣格的理论， 意识也是可以遗传的
家园 请教防止 overfitting 围棋样本量大，深度学习overfitting不会是大问题。其他样本量有限的体系，能简介下如何请教防止 overfitting吗？ 谢谢！
家园 问个问题 如果在alphaGo 和李世石比赛的时候临时把棋盘调整为29*29的大棋盘alphaGo会受多大影响?
如果给alphaGo 和李世石一年时间来适应29*29的打棋盘，情况会有什么变化么？
- 复 问个问题
家园 我觉得问题不大，学围棋都是从9x9小棋盘下过来的 早期的围棋电脑程序也设置了小棋盘的程序，由小变大，再变的更大，对机器来说应该不难调整吧？
- 复 问个问题
家园 临时调整的话 alphaGo 没有办法下，因为alphoGo 的所有学习都是针对19*19的，它的所有计算参数也是19*19的。
同样的道理，alphaGo 也没法和李世石打棋盘，因为alphaGo 的所有的原始智能来源于以前高手下棋的棋局（职业六段以上）。你给它规则，而不给它样本，它实际上并无法执行。
但是，里面有一个比较恐怖的细节是，alphaGo 实际上并不明确知道“两眼是活棋”这个规则，但是通过学习，它的网络里已经“学到”了这个规则。
家园 如果追求公平，临时调整到一个人类也没有经验的情形呢？ 我觉得对一个计算机程序来说，19X19这个设置变为其他任何的设置应该都不能称作障碍。一个好的算法，延展性应该也是不错的。
至于说到具体的规则，只要把规则描述的足够抽象，准确。也就是给它交待好下法，那就不能说它“不知道”。
我觉得这么来说，如果当场发明一些规则，人类和它都没有任何相关经验，但是规则都交待清楚明白，他们是否能一战呢？假定计算机速度足够快，它可以短时间内自己进行足够多次模拟，并从中总结出经验。而人脑也全凭自已想象，我觉得人类不一定能胜过它，因为人类棋手的技术不也来自于学习麽？
家园 这里的关键是规则所能容纳的空间 国际象棋的空间大小大约是35^80，而围棋的空间是250^150.
中国象棋，国际象棋都是因为它们的搜索空间有限，计算机根据规则靠蛮力就能基本穷举空间，因而可以战胜人类。只要规则导致的空间有限，人类已经基本没有赢的可能了。
上升到围棋后，因为其搜索空间之巨大，远超现有计算机的能力，根据规则靠蛮力无法穷举了，必须寻找其他方法。
家园 看来alphaGo无法适应规则的改变 围棋的规则很少。
19*19的棋盘，黑白二色棋子，轮流下棋；
死活规则文字描述起来非常拗口，不过放在棋盘上是一目了然的。
最后加上双方可能都出现无气状态的特殊情况的规定，围棋的基本规则就OK了。
“两眼活棋”其实不是基础围棋规则，而是从围棋死活规则中自然得出的推论，是对围棋死活情况的简明描述。
人类在游戏中制定规则、改变规则是很常见的，比如把用象棋比大小，用围棋下五子棋，还有扑克，那玩法就不知道多少了。
如果说只给电脑规则不给样本他就不知道怎么下棋的话那就很难说他有学习能力，只能说他仍然只是个工具。
死活规则:一个棋子在棋盘上，与它直线紧邻的空点是这个棋子的“气”。
直线紧邻的点上如果有同色棋子存在，这些棋子就相互连接成一个不可分割的整体。
直线紧邻的点上如果有异色棋子存在，此处的气便不存在。棋子如失去所有的气，就不能在棋盘上存在。
- 复 问个问题
家园 很难说 扩大棋盘大小对机器来说不过是多几个参数的问题，理论上来说应该是机器完胜。但对人来说，从小训练以及选拔出来的规则、直觉、技巧全部作废。
但问题是找不到足够的训练数据供机器去学习。
所以最终的结论应该是一年后李世石胜，但是多下几盘之后，机器迅速赶上并超过。
机器学习可以使机器达到比人类高一点的水平，不会比人类高很多，因为初始的训练数据是人类提供的。