为什么人跟机器下棋会输?
“AlphaGo围棋”究竟回事。(2016年)3月份,AlphaGo以4:1战胜了李世石。这是第一天下棋的场景。这是AlphaGo团队,是很多人完成一件事情,所以是一个team。这里有读秒的东西,大家用的时间是一样的,不能机器用更多的时间,或人用更多的时间,比赛采取的是快棋形式。这种形式对人不利,对机器有利,思考棋的时间都是两个小时。
人为什么会输?人的思维有一些本质的约束。人能够思考问题,人的思维非常依赖工作记忆(Working memory)。工作记忆像寄存器。计算机的中央处理器是CPU,CPU是集成电路。在CPU里有一些寄存器,寄存器存储着计算机运行程序最邻近的上下文的一些数据,寄存器的特征就是容量很小,但存取IO的速度非常快,存取的数据都是这个程序马上要用到或者说刚刚用过的。它对于计算机程序的运行至关重要。如果寄存器坏了,CPU就坏了。所以人的工作记忆坏了,人也就坏了。
工作记忆对人的思维极端重要,关键在于人的工作记忆空间是非常有限的。20世纪50年代,心理学学者乔治·米勒发表过一篇论文——《神奇的数字7±2:人类信息加工能力的某些局限》,被看成是“认知科学诞生的三篇最重要的论文”之一。他说人的工作记忆的容量大概是在7±2的范畴。
人的工作记忆的容量非常有限,所以我们不能一心二用,除非一件任务被我们高度自动化,用计算机的行话来讲,就是占用CPU的资源被我们降到很低。比如骑自行车,可以边骑车边跟别人讲话,前提是骑车的技能已经高度自动化。因此,一个棋手跟别人下棋,依赖于他的工作记忆,而他的工作技能又非常有限。用人的大脑的工作记忆空间去跟机器的记忆空间比,并且它是一个并行计算机空间,显然是比不过的,所以人早晚会输掉比赛。
- 危辉教授对人工智能的乐观与悲观
- 为什么人跟机器下棋会输?
- 人工智能的春天真的到了吗?
- 双人棋盘游戏的几个例子
- 双人博弈游戏的共同特点
- 为什么说下棋程序是人工智能的“软柿子”?
- 计算机如何处理博弈游戏——以“分堆游戏”为例
- 围棋的特殊之处
- 棋盘的所有可能性布局可以庞大到什么程度?
- 歧路寻羊带来的启示
- 如何提高搜索效率?
- “以一当十”,虽败犹荣
- AlphaGo下棋有“创新”吗?
- 与机器是否创新有关的例子
- 机器如何“思考”下棋?
- AlphaGo存在的一些技术细节与进步意义
- AlphaGo是怎么学习的?
- AlphaGo能创新吗?
- 国内不做人工智能围棋研究就落后了吗?
- AlphaGo把人打败了,人类智能就此崩塌了吗?
- 为什么说我们要对大自然心存敬畏?
京公网安备 11010202008139号