close
台中產後月子中心價格
昨天結束的人機大戰第四局，開局李世石比前三場都要慘淡，先 AlphaGo 一個多小時進入讀秒。但絕處逢生，李世石在中盤階段第 78 手“挖”，被多位觀戰棋手稱為神之一招，此後電腦連續下出多步詭異的臭棋，最後電腦中盤認輸。這是人類三連敗之後，所獲得的第一場勝利，雖然從整體上來說 3:1 人類還是輸的，但這一勝無疑為人類爭來瞭太多榮耀。
賽後，在人們為人類的勝利而慶祝的同時，也認為 AlphaGo 出現瞭 Bug。AlphaGo 之父哈薩比斯也表示，李世石下出白 78 後，AlphaGo 自我感覺良好，在程序的“值網絡”(用於評估電腦勝率) 中，誤以為勝率達到 70%，直到第 87 步才反應過來。“AlphaGo 的棋是好是壞都要根據結果去判斷，這一次輸掉比賽，證明 AlphaGo 的選擇和判斷出瞭問題。”
李世石也表示：我認為自己找到瞭 AlphaGo 兩個不足。 一個是 AlphaGo 自己認為執黑贏棋要比執白贏棋困難 。（二是）當對手下出沒有預測到的一手時，它的能力會略微下降 ，可能會出現一系列 Bug。我能感受到 AlphaGo 執黑比它執白要下得更艱難一些。
另外，也有很多棋手認為， 打劫是 AlphaGo 的致命缺陷 。李喆認為：“從第一局就可以看出，電腦是回避打劫的。第三盤出現打劫之後，電腦並沒有采取最佳處理方法。今天 (13 日）這一局很可能展示，電腦在面對打劫和與打劫相關的復雜局面時處理得並不好。”
當然，關於 AlphaGo 出現 bug 的事在網上尤其是知乎上已經被討論得熱火朝天瞭。
至於 AlphaGo 出現 bug 的原因，知乎上大概有如下幾項解釋（猜測台中月子中心價錢）：
1、AlphaGo 的走棋網絡和估值網絡在訓練時由於大量使用瞭左右互搏式的自我對局，因此可能出現過度擬合，說白點就是對真正有威脅的棋分析的不夠。而在圍棋棋局無法窮舉的現狀下，蒙特卡洛搜索時隻能將部分其認為無關緊要情況忽略，估計的概率不準確，在有限時間內不能正確評估局面。這種 bug 隻有在人類走出一手出乎意料的好棋時才會暴露出來。（張拯寧提出）
據瞭解，AlphaGo 使用蒙特卡洛樹搜索算法，借助值網絡與策略網絡這兩種深度神經網絡，通過值網絡來評估大量選點，並通過策略網絡選擇落點。
2、深度卷積神經網絡本身的缺陷，深度卷積網絡本身是一種通過卷積運算，逐步抽象復雜問題的過程。雖然基於這種算法，人工智能的識別準確率甚至已經超過瞭人類。但是在這個過程中會丟失信息，如果刻意利用網絡本身的特點，就可能欺騙神經網絡。
據騰訊模式識別工程師梁亦聰表示，在圖像識別領域，去年已有文章（Deep Learning can be easily fooled）指出，可通過刻意生成的圖片（對抗樣本）瞞過深度網絡。
上圖為文中截圖，這些人類看來毫無意義的圖片被機器以很高的概率識別成瞭如文字所述的標簽。因此同樣基於深度網絡訓練的 alphago 的算法中存在類似的漏洞，台中坐月子中心費用細想也在情理之中。
3、基於概率的缺陷，圍棋人工智能第一代算法使用的就是窮舉法，試圖把所有的下法都算出來，然後選擇必勝的下法。但是因為圍棋的變化委實太多，暫時無法辦到。而 Alpha Go 的算法則是抽樣評估選擇勝率最高的著棋再加以自我學習。但這也是有缺陷的。
勝率高的下法不一定就是正確的下法，畢竟這隻是統計。有些冷門下法，也許反而能出奇制勝。李世石 78 手是奇招，會下這一手的棋手很少，由於樣本少，AlphaGo 按照程序運算的結果自以為李世石勝算不高。另外，按照樣本統計，處於勝率低的情況下當然是落敗的多，反敗為勝的樣本可不好找。沒有後續的棋譜，AlphaGo 於是不懂該怎麼辦瞭。這也解釋瞭 AlphaGo 後期采取多次爛棋的原因。
據瞭解，AlphaGo 之父哈薩比斯將在英國對 AlphaGo 的後臺數據進行進一步分析，相信在不久的將來，我們或將能真正瞭解到 AlphaGo 的 Bug，並解決這個 Bug，使人工智能真正無敵與人類。
本文來源：動點科技
責任編輯：張彬彬_NT5025台中坐月子中心價格
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
