专家：击败李世石不代表征服围棋 只是算法胜利_棋牌_新浪竞技风暴_新浪网
专家：击败李世石不代表征服围棋 只是算法胜利
围棋人机大战关注范围越来越广
　　据Donews报道。
　　随着Alpha Go对弈李世石的日期越来越近，人们越来越关注这场人工智能与围棋高手之间的对决。
　　业内人说：即使战胜了李世石，Alpha GO也不能真正征服围棋！
　　那么，对局者李世石是如何看待这次对决呢？
　　有媒体报道称，近日，李世石接受采访时说：“如果对手是人，我倒不会这么费神地做准备，可是对手是机器，我必须设想我一个人孤单坐在那里的情景。和机器下棋心理战行不通，到头来我只能调节自己的心理。我现在每天假象对局，设法体会一个人下棋是什么滋味。如果只论实力，说实话还是觉得我能赢。”李世石还表示，（人工智能）“想征服围棋，没那么容易”。
　　对于李世石的态度，笔者非常赞成。“征服围棋”，这是一个很有哲学味道的命题。笔者感觉，即使战胜了李世石，缺乏思想、道德感和哲学理念的Alpha GO也难以真正征服围棋！
　　几天前，关于此次对弈，笔者曾经采访了北京图灵机器人联合创始人、技术负责人韦克礼先生，根据采访实录写下了《Alpha Go对弈李世石，人工智能登场》（又一题为《AlphaGo对弈李世石，“一枰处处有亏成”！》一文。
　　这次，根据李世石的“乐观”态度，笔者与我在人工智能内容方面的内容合作者、亦在哲学方面有深入研究的张思楠进行了交流，请他给我解答了我前几天提出的那几个问题。并请他着重从哲学的角度来审视这次对决。
　　因为回答习惯使然，他将第一个和第五个问题合并在一起回答，又将第三和第四个问题结合在一起回答。以下是他的回答实录。
　　第一个问题，人工智能在围棋方面探索的原理；第五个问题，不论输赢的话，人工智能在围棋方面的探索，对人工智能的发展有何意义。
　　答：解读这个问题首先需要明晰围棋或是象棋以及所有游戏的共通性和本质，即它们都属于博弈行为，在博弈中，不确定性、不可证性和限制性总是存在着。这意味着，在推理材料有限或是当没有足够的资源来完成可证正确的计算时，仍然需要主体能做出合适的判断和行动使主体操作结果所带来的实际值趋同于主体操作目的的理想值。所以，决策的有限合理性（limited rationality）总是在博弈行为中被要求着，无论做出决策的主体是人工智能还是人类智能。
　　合理行动的具体形式必然的依据于知识，主体先有关于对象的知识，才有对对象的操作。
　　知识的正确与完整程度直接决定了主体所采取操作手段的操作效用性，即能否使主体操作的可能值（所采取手段基于实际情况下测定或预计的值）趋同于实际值（所采取手段操作后实际带来的值）趋同于理想值（相对主体目的具有效用的整体集成值），而操作效用性在趋同的结果中体现并被评价。知识的正确与完整程度越高则趋同越大，反之则趋同越小。
　　在操作中，主体所采取操作手段的可能值、实际值、理想值会有可能的偏差作为知识存于主体的认知中，而让主体最大限度的完成值与值的趋同作为始终伴随着的操作目的（追求最大的操作效用）存于主体的动机中。
　　决定知识的处理是基于一种我们称之为回归规划系统的机制。而在博弈行为中，这种机制的原理可被描述为：根据所能收集的知识，以理想值为推理基点，通过分析所采取手段的可操作性（现实可行）、所采取手段的可能值与理想值的趋同程度（效用偏差）、所采取操作手段的风险性（赌博决策）、所采取手段的优劣性（消耗比较），将所采取手段在理想值中每项的必要程度保留或舍去，必要性在于每项相对于造成当前操作的上一级的操作需求的效用程度。然后递减式的逆向推理出具有最趋同于理想值的操作效果的具有可行性的操作序列，并将此操作序列蕴含的目的确定为将执行的操作目的。随着认知进程的更新，主体调整自身的操作手段以及操作目的，并重置可能值以及理想值，进而求其优或是退而求其次。
　　人工智能在围棋方面的探索代表着人工智能在博弈领域以及计算领域的探索和人工智能发展进程本身的进步，这意味着人工智能将可以执行更复杂和有效率的运算，所处理领域的深度和广度将会提升。
　　第二个问题，此次人工智能与围棋高手的对抗与当年深蓝有何区别。
　　答：这世上的一切博弈活动都可以被解释成“规则与规则的互相限制”，在博弈中，规则与规则所限制的复杂性取决于博弈的具体内容，而这种复杂性又直接作用在主体的计算上。深蓝所进行博弈的内容是国际象棋，它的限制可能大概在10的60次方种，而围棋的限制可能在10的700次方种，两者的计算难易程度是不同的。
　　第三个问题，如果人工智能赢了，有什么意义；第四，如果人工智能输了，李世石赢了，能代表什么。
　　答：人工智能在此博弈行为的胜利，可以意味着人工智能在博弈计算的领域已经发展至相对现在的一般人类智能而言更高的水平。不过由于人类的脑部尚未开发和利用完全，如果将此现象作为人工智能的计算水平已经完全等同或超越人类智能本身的话则显得武断。若博弈的结果是人工智能输，那么说明在博弈计算的范畴内，人类智能的水平目前相对的还可以保持在一定的高度，不过这种高度在极断的近期就会被人工智能等同或是超越。不过，我个人对此比赛的结果预测为：人工智能一败两胜或是完胜。
　　第六个问题，在笔者（指提问者姜伯静）的心目中，围棋代表着哲学。人工智能在围棋方面的造诣，是否意味着人工智能已经具备了哲学方面的思考能力。
　　答：下面是我（指回答者张思楠）作为一个哲学研究者的观点。
　　一个学科的诞生起源于人类对此学科本身的疑惑，为了解决此种形式的疑惑，才会寻找解决此种形式问题相对应的路径，所以才有了这门学科。而哲学作为研究存在本身的学科，存在的属性必然蕴含在存在的内容中，所以哲学可以被认为是所有学科的父级学科。但如果仔细划分，博弈计算是属于经济学、数学或是相关科学的范畴，而这些学科都归属于哲学。在这一点上说，围棋中所蕴含的博弈科学和决策理论同其他科学一样，蕴含着哲学的属性是成立的。但这并不代表，围棋比其他博弈行为更接近或是更远离哲学。事实上，哲学的本质仍然是研究存在和其本身意义等哲学概念的学科，尽管它需要以其他学科作为辅助研究的工具和手段。需要说明的是，这也是哲学作为学科而保留的必要性所在，因为真正哲学家的疑惑往往不是来自存在的具体形式，而是单纯的存在本身。
　　逻辑判断所处理的是关于对象的概念而非是对象本身。以单纯技术性上的推理和分析而言，人工智能现在的发展水平相对于目前人类智能在推理领域的能力来讲，可以说是更加优秀或者说是绝不逊色的。但这仍是只属于计算地范畴，也就是归纳逻辑和演绎逻辑，可以说，我们将定义好的概念交给人工智能去计算，也就是去让它去思考推理，它的确会思考并推演出给定的概念所得出的结论。但这并不代表人工智能就具备了道德。计算是一类程序，情感或者是心灵则是另一类程序。
　　第七，人工智能与围棋高手对抗，是不是意味着机器人威胁论又进了一步？
　　答：机器人威胁论成立的前提有两个。第一点，机器人相对于人类能力而言拥有更高的等级，第二点，机器人具有反人类的倾向。令机器人产生威胁倾向的思考结论的因素可能是来自于机器人的自我意识、人工心灵、合理计算、事先设定的命令集亦或者是系统的运行错误。当两项前提被同时符合时，其中任意一项前提的符合程度也就直接决定了这种威胁性的程度。在这种威胁倾向已经被符合的前提下，才可以说：机器人等级的相对优越程度越高，威胁的程度越大。而威胁性是来自对这两个前提的同时符合，单纯的符合其中一项，虽然不能被定义成是已经实在的构成了威胁，但可以被认为是增加了构成威胁的可能。就好像我们创造了原子弹，无关使用的倾向，单就原子弹的存在本身就提供了一种构成威胁的可能。
　　额外一提的是，现在人类的一些工作已经完全被机器所代替，机器在大部分工作领域上的表现相较人类，完成的更出色并更有效率。随着人工智能以及机器人学的发展，这种被替代的现象也会普遍增加，失业问题也会因此而严重，这在一定程度上也威胁了人的生存。
　　第八，从专业的角度，你怎么看这个事件。
　　答：此次的事件对于搜索策略、算法设计亦或者是博弈计算、决策制定等技术发展而言确实是很好地尝试和进步，在接下来的发展中，此领域的发展水平也会随着时间的推移而在效率和质量上成倍的提升，但它还不具有里程碑式的意义。因为人工智能科学的目的是研究并创造一个机器的人，而不是一个很厉害的人形机器或是计算器。建造智能实体始终作为人工智能的发展标的而存在着，而对于智能实体而言，“意识”是最重要也是最核心的部分。我个人认为区别人工智能系统同一般地交互式系统的差异可以总结为三个标准：自我意识，（即，区别自身与对象）、自我感知，（即，具有自身思考以及自身行为过程前、中、后的感知）、自我操作（即，具有介入自身的系统、数据库、已执行程序的调整）。以上的标准也同时作为人工智能科学在发展中需要解决并改善的问题，而随着这些问题的实质解决和功能满足，建造智能实体的标的也将会被实现。
　　看完张思楠的回答，我依然坚持我的观点，那就是：即使战胜了李世石，但缺乏思想、道德感和哲学理念的AlphaGO也难以真正征服围棋！尽管张思楠预测“人工智能一败两胜或是完胜”，但他也认为人工智能在目前只是一种算法程序，既没有道德，也没有心灵和情感，更谈不上思想。所以，即便说AlphaGO赢了，那也是算法的胜利，而不是其他方面的胜利。而围棋，在我看来应该并非是简单的算法，而是一个综合体。所以，即使战胜了李世石，AlphaGO也不能真正征服围棋！更何况，李世石也会研究AlphaGO的棋谱，未来怎么样还不一定呢！
　　作者：姜伯静 | 来源：iDoNews专栏
文章关键词：
收藏&&|&&&&|&&打印&&|&&关闭
您可通过新浪首页顶部 “我的收藏”， 查看所有收藏过的文章。
请用微博账号，推荐效果更好！相关文章：
最新添加资讯
24小时热门资讯
Copyright ©
All Rights Reserved. 学网 版权所有
京ICP备号-1 京公网安备02号围棋怎么玩才算赢
围棋怎么玩才算赢
学习啦【围棋】 编辑：焜权
　　简单说，就是双方都确认着子完毕的棋局，没有继续下棋的必要了。开始计算胜负。初学使用数目法计算输赢有点难度，从数子法开始比较容易上手。将双方死子清理出棋盘，统计任意一方的活棋和活棋围住的空，所谓&子空皆地&，就是把棋子和围得的空加在一起。地多者胜。当然这里有个前提是能判断棋子的死活，死活的前提是&气&。推荐看棋圣道场的入门教程，结合起图形，这些东西简单明了。入门后，还要考虑贴子的问题，但这不在初学者的考虑范围内，以后再细说。
　　围棋常用的有三种计算胜负的方法：
　　1、数子法：中国普遍采用的围棋计算胜负的方法，也叫中国数子法，现行中国围棋规则规定：执黑棋贴子3又4分之3子，也就是说185子胜，白棋177子胜;
　　当然中国也有数目的。
　　2、数目法：日本和韩国都采用数目法，韩国是向日本学习的，简称日韩规则，但与中国的数目规则不太相同，比如双活无目等。
　　3、应氏规则：与中国规则、日韩规则并列的三大围棋规则之一，由应昌期先生创立。也有缺陷，比如虚手可以当劫材，这与中国规则不同。
　　但是也有他的优点：采用填满计点法，就是终盘后，把双方的围成的空都填上自己的子，然后比较谁剩的子多，剩的子多，说明总的空少，就输了。
本文已影响 人
[围棋怎么玩才算赢]相关的文章
看过本文的人还看了
1541人看了觉得好
【围棋】图文推荐内容字号：
段落设置：
字体设置：
精准搜索请尝试：
一个月前的神预测：计算机赢了人类围棋算什么
来源：作者：晓桦责编：弥尘
上个月，美国科技企业家Ben Medlock预言称，李世石对战Google人工智能程序Alphgo时，会像樊麾一样输给计算机，到那时，我们可以说这是人类历史上第一次在公认为最复杂的游戏中败给计算机了。但是，这位企业家的想法，用黄子华的话说就是“那又如何？”！以下就是他在一个月前发表的观点：人工智能在围棋上击败人类，这真正意味着什么呢？几十年来，科学家创建计算机系统就只有一个目标——拥有类似人类的大脑推理能力。我们在这条路上走了多远？这一项成就有多重要？智力是一个模糊的概念。如今有许多对智力的定义，但还没有一种定义的描述能够普遍为人们所接受。或许我们可以这么解释——高级智能包含三个主要因素：呈现（representation）——一个人工智能如何感知、模仿周围环境&&决策（planning）——人工智能如何设计行为序列来实现目标反思（Reflection）——人工智能反应周围环境和行为的能力呈现呈现是指人工智能依照周围世界创建自己的内在模式。一方面，围棋的世界很简单——19*19的格子里，黑白双方在361个点上轮流落子。然而，人工智能的呈现力不仅包括外部世界的静态结构，还有事物随时间而变化的形式，以及更重要的是，这一切都对人工智能意味着什么。围棋胜利而目标是要在棋盘上占据更多的位置，因此要成功就需要有一种能够判断接下来这步棋是否能够帮助最终胜利的可靠直觉。任何环境中的有效呈现都需要将特定的意义归属到给定目标的特定子元素中。人类记录了成千上万被赋予意义的对象之间的联系。比如，假若你被困在铁轨上（而你的目标是要生存），那么迎面而来的就包含着火车、轨道、人口死亡率等属性了。一个成功的围棋手需要判断出棋盘上所有形势、模式隐含的意义，并根据判断的结果来制定战略。为了使得对局中的问题容易驾驭，这些模式并需能够概念化。举个例子，一个人工智能程序应该要识别出不同棋局上的相似形势。AlphaGo则依靠卷积神经网络（CNN），用过去的棋局进行训练来加强策略学习。尽管围棋的世界很简单，但具体到理解形势上就变得非常具有挑战性了。这个就连人类也不能有十分大的把握。同样的想法也在现实世界中上演。你不需要识别出迎面而来的火车的材质和样式，但你要知道这是一种危险的形势：火车不会停下，要生存只能是挣脱轨道。在那一刻你要知道的，都是根据以往对于快速移动的庞然大物的认识经验而来的。那么，对标人类的呈现水平的话，AlphaGo距离还有多远？非常长远的距离。尽管围棋的游戏规则非常复杂，判断出下一步最优走法的技术很微妙，但和精确地模拟自然世界的挑战相比，围棋还是太简单了。就表现力而言，DeepMind团队利用深度/强化学习和视频游戏完成的任务可以说更有意义。但是，人工智能的呈现水平至少还有几十年的发展路程。决策智力的第二个属性——决策，可以定义为机器用内部的呈现能力来预测将能达到目的的行为序列的过程。在围棋中，机器的决策就是计算出一系列能够赢得盘面的走子方法。在一个每一步都有极高分支系数的游戏中，机器通常只能在搜索空间变得过大前提前计算几个回合。因此，机器表现力能否提供可靠的相对值测量指示是决策过程的关键。在我们的日常生活中，我们会发现在自己在不同情况下有着不同的目的。一顿饭过去几小时后，我们会感到饥饿，然后利用对世界的呈现来策划一系列的行动，以找到最近的咖啡厅，吃上一块三文治。这满足了暂时的目的——饥饿——生物性层级中的一个目标，因求生意志产生的根本动力。目标、呈现和决策三者之间有着紧密的联系。没有一系列的目标，我们不可能在呈现的基础上对事物分派意义，而且通常来说，呈现的形式越丰富可靠，所需要的决策步骤就越少。于围棋而言，如果你的知识呈现不足以判断每一个子的形势和力量强弱，你就需要考虑一大堆有可能的走子方法，来计算出哪一种方案最有胜算。历史上，这个问题一直困扰着围棋AI。其实同理地，如果你不熟悉身处的路况，你也会要走许多弯路才找到目的地。所以，我们可以如何对比AlphaGo这类人工智能程序和普通人类的决策能力呢？在现有充分的呈现条件下，计算机更善于决策。数字计算机的速度可以依靠内部的数字结构同时处理多种策略，那么在有许多不确定的选择需要探索验证时，计算机就有优势了。这意味着，计算机事必擅长许多智力游戏，只要这些游戏的呈现条件相对简单（围棋的外表没什么，就361个点和黑白子）。同样，计算机也会擅长于解答数学难题，或者在海量数据中寻找有意义的模式。由于具有高水平的角度，人类决策相对简单，但这依靠对世界格外丰富的呈现。想象一下，当人类试图去吸引一名同伴时，他/她或许需要策划一系列的活动，比如一个晚餐邀请等等。为了达到目的，高级的策划还需要一些小计划来支持，比如寻找一家适当的餐厅等等。但是，这其中真正复杂的问题是，见到对方后合理表达想法的“精细模型”——言辞、行动和肢体语言，以及根据现场选择下一步行动的决策能力。而这些所谓决策的过程，实际上更是针对外部的内部呈现。人类某些决策行为显然是高度复杂的。成功的设计和一个庞大、复杂的目标设计（比如汽车），需要大量详细的设计以及不同的人许多不同的努力和协助。然而，这些操作的复杂性对于构建自然界的内部呈现来说都只是微小的部分。因此，决策并不足以成为开发人类层次的人工智能的障碍。而就算计算机能够使用工具、能够胜任许多复杂任务，这也没什么了不起的。它们对自然界的呈现与人类相比，依旧渺小。反思反思是指人工智能考虑周围环境和行为及思考过程的能力。这个属性就是我们所称的意识或自我意识。因为最难以理解，这是最困难的一部分。为了理解人类大脑的自我意识，前人提出了一系列的解释。传统上，二元论哲学将非物质的“灵魂”称之为意识，而最新的意见表示，它只是高阶类人脑信息系统中的一个自然产生的特征。尽管我们没有一个缺乏一个公认科学的解释，但是在我们自身的认识基础上，也能对意识作出一些描述。就像我们能够反观一些我们观察的事件等等。据研究者提出，意识是伴随自然语言的演变而在人类大脑中产生的。当大脑获得改善功能交际和反思自己的话语，以及考虑那些导致了特定行为的过程的能力时，意识就不自觉地产生。人们普遍认为，意识是高等哺乳动物来自大脑皮层的功能——大脑中掌握语言和推理的功能区。要弄清楚为什么人类智力拥有非凡的反思能力，我们还有很多研究问题需要解决。然而，我们可以相对确定的是，AlphaGo并不具有这个特性。任何其他现有的人工智能系统都不具有。反思究竟是高级智能的先决条件，还是只是一个衍生物，这个问题还有待解决。但无论如何这都提醒我们，我们对高级智能还有多少未解之谜。总结总之，熟练的围棋对弈是人工智能的一大成就，我们在开发能够识别环境的人工智能系统和高效决策的算法上已经做得越来越好。只是，我们对机器反思能力的探究仍然处于黎明前的黑暗，我们甚至不知道，机器意识对于人类真正意味着什么。不过，这在哲学和科学领域都是一个有趣的问题。
大家都在买
软媒旗下软件：
IT之家，软媒旗下科技门户网站 - 爱科技，爱这里。
Copyright (C) , All Rights Reserved.
版权所有 鲁ICP备号