왕소천의 인간-기계 전쟁에 대한 견해?

AlphaGo 의 발표는 위대한 이정표이며, 나는 다시 한번 그것에 대해 이야기하게 되었다.

먼저 내 주장1:알파고는 두 달 후에 이세돌 전체를 물리칠 것이다.

표시를 남겨라, 이 문장 마지막에, 나는 단언 2 에 대해 이야기할 것이다.

중학교 때부터 나는 알고리즘으로 게임을 해결하는 게임 문제에 푹 빠져 창조적으로 검색으로 몇 가지 문제를 완성했다. 요 몇 년 동안 심도 있는 학습이 출현한 후, 나는 바둑을 돌파할 기회가 있다고 느꼈다. 칭화의 공동 실험실과 몇 차례 토론을 했는데, 나는 이 방향이 가능하다고 생각한다. 아쉽게도 기벌능력이 부족하여 이 방면의 투자를 조직할 수 없다.

이번에 구글의 DeepMind 팀은 심도 있는 학습 분야의 최고 팀이다. 자원, 능력, 가스 분야에는 문제가 없습니다. 파격적인 기술은 평가와 바둑의 심도 있는 학습에 기반을 두고 있다.

많은 토론을 보고, 이전 바둑에서 알파고의 기풍을 판단할 수 있고, 이 알고리즘의 강함을 추론해 낼 수 있다. 마치 배를 새기고 검을 구하는 것과 같다. 우리의 핵심은 알파고 (AlphaGo) 가 사용하는 기술에 대한 심층적인 이해로 돌아가는 것이다. 토론을 용이하게 하기 위해, 검색 가지를 핵심으로 하는 진한 남색 체스와 검색 가지+깊이 학습을 핵심으로 하는 알파 고의 세 가지 차이점을 비교했습니다.

1. 바둑과 장기의 가장 큰 차이점은 장기의 평가 함수를 정의하기가 매우 어렵다는 것이다. 장기는 여러 가지' 특징' 을 찾아 점수를 매길 수 있다. 예를 들면 말 한 마리가 얼마나 많은 점수를 잃었는지, 한 병사가 몸을 구부려 밑줄에 얼마나 많은 점수를 넣었는지, 바둑은 안 된다. 흑백기사가 빽빽하게 붙어 있는데, 그전에 또 연관이 있어서 법칙을 요약하기가 어렵다. 이것은 또한 전통적인 알고리즘의 가장 약한 문제 중 하나이다. 우리가 얼굴 인식을 하는 것처럼, 한 눈에 장 이삼사 () 라는 것을 알 수 있다. 기계 알고리즘은 시동이 어렵다. 이 문제는 마침 최근 몇 년 동안 심도 있는 학습의 가장 큰 돌파구였다. 심화 학습은 사람들이 알고리즘을 설계하여' 특징을 찾는' 것을 필요로 하지 않는다. 대량의 원시 데이터와 태그 쌍을 통해 기계는 자동으로 특징을 발견할 수 있으며, 인간보다 나쁘지 않다. 몇 년 전, 많은 사람들은 기계가 이미지 처리에 어려움을 겪고 있다고 생각했다. 코를 어떻게 정의하고 추상화합니까? 귀? 눈? 그러나 지난 1, 2 년 동안 심도 있는 학습은 비약적으로 발전하여 일거에 인류를 능가했다. 20 15 얼굴 인식 방면에서 기계의 인식 능력은 이미 사람을 능가하였다. 이는 사람이 수천만 년 동안 진화한 핵심 능력 중 하나이다. 바둑의 바둑 한 판은 19* 19 의 한 폭의 그림으로 이해될 수 있고, 다른 바둑의 규칙은 매우 간단하다 (컴퓨터 규칙으로 쉽게 번역됨). 바로 심도 있는 학습이 잘하는 곳에 있다. 검색+심도 있는 학습, 이 알고리즘은 바둑의 규칙을 완전히 포괄하며, 사람이 바둑을 두는 사고 과정과 패턴은 알파고의 하위 집합일 뿐이다. 이것은 이런 알고리즘이 천장이 없고 바둑 분야에서 통관을 할 기회가 있다는 것을 결정한다.

2. 알파고에 비해 진한 파란색의 가장 큰 장점은' 학습능력' 이다. 진한 파란색의 시작은 데이터베이스 바둑의 설립에 더 많이 의존하지만, 일반화 능력 (일거수일투족) 이 없다. 전대미문의 방식으로 바둑을 두는 것은 어리석은 일일 수 있다. 이후의 핵심 능력은 바로 컴퓨팅 능력이다. 폭력 수색 (물론 최고의 가지치기도 있지만 여전히 폭력적) 을 통해 10-20 단계를 벗어나 최적의 경로를 선택하려고 노력했다. 이런 복잡성은 지수급으로 NP 문제가 되어 계산 능력에 의해 제한된다. 이 시스템의 알고리즘은 죽은 것으로, 고정된 매개변수 하에서 고정된 성능을 가질 수 있다. 매개변수를 조정하고 알고리즘을 변경하는 것은 모두 엔지니어의 일이다. 이 시스템의 천장은 컴퓨터가 얼마나 강력한지, 엔지니어가 얼마나 똑똑한지이다. 알파고는 더 많은 데이터 구동입니다. 그에게 더 많은 장기 데이터를 먹여줌으로써 그는' 신경망' 을 최적화할 수 있고, 같은 계산자원으로 더 똑똑해지고, 일거수일투족을 할 수 있는 능력이 있어 사람 (또는 모방인이 디자인한 것) 에 매우 가깝다. 그리고 우리는 기계가 데이터를 처리할 수 있는 능력이 충분히 빠르다는 것을 알고 있으며, 잘못된 심정을 범하지 않았다는 것을 알고 있다. 이는 이 시스템이 오늘 인터넷에서 수집할 수 있는 바둑을 모두 배우면 최고의 기사가 될 수 있다는 것을 결정한다.

가장 끔찍한 것은 위의 두 가지가 아닙니다. 바둑의 경우 알파고는 인터넷에서 데이터를 수집하여 공부할 뿐만 아니라 스스로 배우고 직접 할 수 있다. 영화' 초검해커' 본 적 있어요? 시간이 지날수록 인공지능은 더욱 똑똑해질 수 있다. 김용 소설에서 늙은 개구쟁이는 자신의 왼손과 오른손을' 좌측 우측' 으로 하여 천하무적의 무공이 되었다. 그것은 단지 이야기일 뿐, 장기 분야에서, 알파고는 이런 디자인을 가지고 있어, 이 무공을 실현시켰다! 아직 두 달이 남았다. 알파고 (AlphaGo) 는 천장이 없는 기계로,' 좌우 봉원' 에서 최고봉에 올라 무적의 바둑 고수가 될 수 있는 기회를 갖게 되었다.

알파고의 기술적 문제는 끝났다. 구글 뒤의 전체 동작을 어떻게 볼 수 있을까요? 어떤 사람들은 과도한 해석이라고 생각하는데, 실제 시스템은 상당히 거칠다. 모두' 유럽 챔피언' 을 선택한다. 시스템이 좋지 않다는 것을 설명하는 것은 잘못된 이해다. 더 가능성있는 이유는 구글과 페이스북이 바둑을 두고 경쟁하고 있고 페이스북 직원들이 부주의해서 많은 소식을 미리 유출했기 때문이다. 결과적으로 Google 은 Nature 의 문장 (Nature) 를 빨리 빼앗은 후 선물 한 달 두 달 동안 팔아 인간과 경쟁했다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 스포츠명언) 당시의 제도는 이미 충분히 좋았는데, 이것은 경쟁 환경에서 적절한 방법이다.

사실 구글과 페이스북은 인공지능의 중요성을 인식하고 있으며 최근 몇 년간 큰 돌파구가 있을 것으로 보인다. 구글은 4 억 달러에 DeepMind 를 인수했다. 당시 20 명밖에 없었고, 지금은 200 명이 넘었고, 어떤 대가를 치르더라도 미친 투입이었다. 바둑을 두는 것은 인공지능의 진보를 반영하는 절호의 홍보점과 진입점일 뿐이다. 공개 문헌에서 볼 수 있듯이, DeepMind 의 Go 에 대한 R&D 는 범용 기술에 기반을 두고 있으며, 분야는 독립적이다. 이 기술은 앞으로 다른 적절한 분야에서 사용될 수 있습니다. 심도 있는 학습의 매력은 한 분야에서 모델링하고 충분한 데이터를 가지고 있다면 이 분야에서 사람을 능가하고 대체할 수 있고, 짧은 시간 안에 0 에서 99 점을 얻을 수 있다는 것이다. (존 F. 케네디, 공부명언) 우리가 여전히 보수적이라면, 기계 지능을 차근차근 이해해야 한다. 예를 들어, 어떤 큰 사장이 자신의 XX 뇌가 이미 X 세의 지능을 해냈다는 것을 선전하는 것은 오도성이 있다. 우리는 또한 바둑 기계의 능력을 오판하여 1D-9D 에 대한 인간의 이해에 따라 평가할 것이다. 요컨대 사람을 평가하는 방법으로 기계의 인공지능 능력을 평가하지 마라. 이것은 완전히 다른 패턴입니다.

나로는 인공지능을 평가한 적이 있다. "인공지능은 기차와 같다. 그것이 다가올 때, 너는 우르릉거리는 소리를 듣고, 너는 끊임없이 그것이 오기를 기대한다. 그는 마침내 왔다, 휙 지나가다가 너를 멀리 뒤로 따돌렸다. "

만약 우리가 이 말에 패치를 붙이고 인공지능의 응용을 특정 폐쇄 영역으로 제한한다면, 이것은 매우 적절한 묘사이다. 우리는 지나치게 자만해서는 안 된다. 예를 들어, 우리의 자아우월감에 이끌려, 우리는 동물이 인간보다 못하다고 말하는 경향이 있다. 예를 들어, 사람은 직립보행, 말, 유틸리티를 사용하여 다른 동물과 구별할 수 있다. 동물도 그렇게 할 수 있다는 것이 밝혀졌습니다. 기계도 마찬가지다. 불과 몇 달 전, 어떤 사람들은 기계가 10 년 동안 바둑을 둘 수 없다고 떠들어댔다. 그 이유는 사람은 한눈에 이해할 수 있고, 기계는 계산만 하기 때문이다. 이러한 자기 조립은 우리로 하여금 실수를 판단하게 한다. 너무 열등하지 마세요. 인간의 모든 지능이 바둑의 승리에 짓밟힌 것 같다. 오늘날, 아직 많은 분야의 기계가 전혀 감당할 수 없고, 단지 부분적인 분야일 뿐이다.

마지막으로 바둑 외에 인공지능이 모든 것을 휩쓸고 다른 폐쇄적인 게임에서 인류를 완승할 것이라고 단언한다.

왕소천의 주장은 지나치게 독단적이지만 알파고가 이길 가능성은 낮지 않다. 실제 바둑 수준은 지금보다 훨씬 더 클 수 있다. 우선 알파고와 판휘의 대결은 실제로 지난해 10 에서 발생했지만 최근에야 드러났다. 우리는 알파고가 앞으로 몇 개월 동안 얼마나 발전했는지 모른다. 둘째, 이 사건이 보도된 후 전문가가 운집한 이성 바둑원 인터넷에 알파고로 의심되는 기계가 등장해 전투 횟수와 전과를 보면 이미 인류와 많은 전쟁을 벌였다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 전쟁, 전쟁, 전쟁, 전쟁, 전쟁, 전쟁) 심지어 최고 성적은 9 일 (단락) 에 달했다. 알파고는 자신의 예봉을 숨기고 있는 것을 볼 수 있다. 왕소천이 말했듯이 구글은 이때 알파고가 이세돌 도전에 도전할 수 있도록 충분한 자신감을 가져야 한다.

물론 다음 달 말 알파고가 경기에서 이길 수 있을지는 아직 시기상조이다. 그러나 이것은 결코 막을 수 없는 경기가 아니라 고수들 사이의 최고 대결이다.