主题：alphaGo 系统以及人工智能的未来 -- pattern

婴儿对猫的识别还包括声音， 触觉乃至嗅觉。 内容比电脑看照片丰富的多。

另外婴儿的学习过程是 Supervised.

随着深度视觉的发展，2D和3D融合的计算机视觉是可以预期的。多摄像头形成视觉空间或单摄像头通过移动产生深度视觉空间都已经实现。很多的研究开始融合深度数据进行识别。

人工智能的发展，目前似乎都是集中于解决问题，主动发现问题似乎是弱项，长期看则不确定。有一点，人类是由内心的欲望推动去做一件事情的，人工智能则没有自发的欲望，所以它目前只能是工具。

从技术层面看，很难说目前的深度学习一定是在一条正确的路上。深度学习的输入是源数据，深度学习过程自己去提取特征，所以需要大量的数据。这种提取过程，目前都是基于深度卷积网络或类似结构。人类在智能发展的过程中，则会对对象提取特征。在深度学习之前，支持向量机（SVM）是基于特征的。只是现在深度学习的风头掩盖了支持向量机。对于特征，人类是有一些重要的发现的。比如植物，具有自相似性，也就是枝条和枝干是相似的，枝条和枝条之间也是相似的。这种相似性，我的理解是由DNA决定的，也就是说，枝条的形状是由DNA和外部环境共同作用形成的。DNA决定什么时候什么地方细胞会分裂，而外部环境则决定这个细胞能不能长成，并进一步分裂。人类能够抽象出这种规律，并有可能提取出这种规律用于识别。深度学习目前则不能，它接受的就是图像，目前的模型无法跨学科去利用别的知识。从这点看，深度学习本身还有很长的路。

从解决问题的能力看，人工智能大规模替代人工是可以预期的。人类的生活生产，充斥着大量的程序化的重复劳动，即使有些看起来突发的问题，也有所谓的套路。但人工智能在具有自己的欲望之前，只可能是人类的仆人，不可能超越人类。

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？

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。

不过根据古力等高手的分析，从过程来看，李世石开始是有很大的优势的，根据棋面很多职业棋手甚至认为alphaGo 还不具备和李世石抗衡的能力；然而后来剧情出现了大逆转，李世石在官子阶段连续出现大的失误，最后投子认输。

这个结果在意料中，也在意料外。意料中是alphaGo 果然是依靠人类的失误来赢棋，意料之外是第一盘alphaGo 就赢了。就现在的表现看，我认为李世石会吸取第一盘的教训，调整对机器下棋的不适感，减少失误。因此还是基本维持原来的判断，即李世石会赢剩下的4盘。

“我叫李世石，我是一名来自韩国的棋手，今天早上出门前我在网上各大投注点用尽家财下了巨额赌注买我自己输，我想，这就是人类比人工智能强的地方。”

笑话归笑话，这次被打脸的围棋界高手不少，聂老率队，号称零封碾压人工智能的没预料到是这个局面。

在知乎有人通过zen看棋，60手时zen就认为黑棋药丸了，哪来的什么优势啊。

alphaGo 再厉害，学习的对象还是人类的顶尖高手。即使明年再举行比赛，我认为人类也还是有很大的几率获得胜利的。

摄像头、录音机等和人的眼、耳差距太大

没想到alphaGo 进步如此之快，还以为这会发生在明年。我找个地方静静。

现在都看出来了，A狗只在乎输赢，所以赢一点就可以了，看不出棋力有多高，在于对手的棋力。

谷歌的人说人家根本就没改狗狗的参数，与去年那场棋是一样的，倒是机器增加了20多台，但对于整体提高也不大。这是最惊人的地方。不是原来多数人以为的这四个月的进步很大的缘故。

如果这次A狗碾压小李的话，大家对柯洁是不是还会有信心就另说了。

至少目前看，AI棋力还没有全暴露出来。

如果去掉阿法狗的数据库，单凭游戏规则的学习，阿法狗还能胜么？如果凭着数据库里的对局资料和强大的运算能力，以时间换取胜利，和深蓝又有什么区别？