日本电子维修技术 CPU李世石的身价配得起支撑Alpha Go的硬件吗？

现在看上去要被横扫啊，围棋如果走不过电脑，人类已经没有能玩过电脑的棋类运动了。
家里搞台Alpha Go，围棋水平想不高都不可能，
5960X超到冒烟不知道Alpha Go能发挥到什么水平？

评论
Google收购Deepmind花了5亿美元。核心研究者20多人。
硬件只是外壳，核心是那套程序。不过AlphaGo也只能下围棋。
计算单元根据需要有不同的组合。最多1920CPUs + 280GPUs到最少48CPUs+8GPUs。李世石当然比它贵。
AlphaGo自己和自己下过，最高组合对最低组合的胜率超过80%。

评论
进化算法有学习功能……

如果lz本身棋艺不高 是个臭棋篓子……

alpha go再有样学样……

两个大老爷们边撸管边下棋，场景不要太美

评论

AlphaGo用的那套神经网络还能玩俄罗斯方块呢

评论

现在alpha go 水平已经是顶尖水平了吧，你还能把它给下臭？

评论
硬件真的不值钱。。。。

评论

顶尖水平是根据顶级棋谱之类自己学习出来的

如果只输入臭棋篓子的数据，那结果也只能是越下越臭啊……

评论

不是的 那个是个通用的东西

最终目的是用在 医疗啊 这类事业上的

评论

2:0领先李世石了，数据库已经足够庞大了。
而且和李世石的棋，电脑走的都是自己的棋风了，和人的下法已经不一样了。
臭棋篓子和它下，那个电脑可不会手下留情的。

评论
关键不是这个问题，连不上google服务器，Alpha狗秒变死狗

评论
家里搞台Alpha Go，好主意，感觉流行到我们普通人的上的话，那是有点不可能，毕竟他们调用到的硬件不是我们吃得消的

评论

突然想到，围棋往后不用评定段位了，只跟电脑下棋，评估能值多少cpu gpu就行了

评论
这个对战并不能说明太多吧，人脑、CPU各有所长，也无法完全互相替代，至少目前是，而且相信今后很长一段时间都是。先别说AlphaGo什么硬件，就算是几十块的计算器，这世界上又有谁能跟它比速算呢？

评论
电脑赢不可怕，电脑故意输才可怕

评论

你我的硬件根本不合适的吧，他们是调用了几千个gpu来干活，所以说电脑其实就算赢了其实也输掉了，动用资源太多，如果人的话， 多这样多的资源，人类还会百输吗

评论
世界上现在没有人比李世石获得的冠军头衔更多，他不配就没人配了。

评论
据说改规则了，配合机器，所以人容易输。

评论

老实说石头计算力很强大，但是在更加强大的计算机面前，他害怕了，选择了简单，也导致了这些棋不像他的个性下的棋，不过从计算机的现在的表现来看，确实已经达到了可以打败人类的地步

评论

其实围棋这东西很可怕，变化太多。
AI一起来拉开的差距比象棋大的多，电脑和李世石的下法就完全偏离了职业高手的路子。
科技发展以后可能不是人能不能赢的问题，而是已经没法和电脑下了。
你想想看围棋的对手是个永远不犯错只会下最优选择的棋手，所谓神之一手估计只有冷冰冰的机器能下出来。


评论
想科普一发，不过在非专业论坛感觉有点装。见谅。

简单的说，深度学习算法（大部分机器学习算法）分两部分：模型训练过程和模型apply过程。
训练需要大量计算，远超模型apply或称predict过程。模型的apply过程你可以把它想象成是：把数字带入方程组最后求结果的过程，而训练过程就是：确定方程组参数的过程。当然参数确定的越好，我得出的结果越符合我的预期。

google这个场合，训练肯定是在google的超算上运算的，大部分应该用gpu，因为神经网络的训练是一堆simd操作（矩阵运算），gpu的众核架构非常适合，这个训练过程运算量很巨大。但不排除土豪google用cpu堆出来。

在下棋的时候，其实只是拿训练好的模型去apply出结果。由于mcts其实是一个有限循环的试错流程，模型apply会被多次调用，计算量也不小，但已经远小于训练过程了（更何况还有增强学习阶段）。

我们的计算机一般是作为应用终端，通常只运行apply过程。这个过程甚至你的手机都可以完成，如果模型简单的话（模型简单不代表它不精妙）。例如人脸识别、指纹识别，都是训练好的模型拿来直接用的案例。

所以说你的5960X肯定没问题。

评论
当然alphago还是不行，predict的过程算力需求都超出了单机。

评论

看来大部分人是享受不到的，服务端的开销应该是很大的

评论

google一向有开源老算法的习惯，过2年应该就可以直接下到训练好的模型了，训练的源码估计也会提供（不过一般就是普通深度学习的流程，含有一些自己的最优化/防overfitting技巧，毕竟是通用运算）。

当然apply这个模型仍然需要非常不错的电脑，毕竟也算工业级别的算法复杂度。

至于训练，肯定仍然只有集群能够算算。

另外还有可能就是alphago对外开放，google云端提供apply过程，你只用下棋。

其实机器进步蛮快的，当年google花巨资弄的google brain目标检测任务，现在已经不需要那么多投资就可以做了。

评论
不是说李世石犯了N次低级失误才输掉的吗？按照正常李世石水平比赛的话，李世石会完胜。
所以对于没正常发挥的比赛，楼主应该直接无视。阿尔法狗还远不够挑战顶级围棋水平

评论

听你一说，看来我还是有机会跟机器对抗，本地找高手是需要时机还要天天去那里玩才能碰到

评论

石头没犯多少错误，多是人类的正常思维，可怕的是人是有感情的，他以为正常这样下他就赢了，中盘那个板头正是电脑的强大之处，我看大部分当今的顶级高手多会犯错误

评论

问题是第二盘他没犯错，可谓毫无招架之力的输了

评论

有没有考虑过围棋中盘和关子阶段的打劫？

评论

alpha go的算法训练要分两个阶段，分开说。

第一个阶段，喂给他人类棋谱（kgs go server上的），具体段数好像是6-9段，用深度神经网络训练。这个阶段，只要棋谱中有打劫的下法，那么训练出来的模型必定会打劫，你可以简单想象就是你教小孩子什么他就会什么，只不过机器学习不是教小孩子道理，而是给他看一个个实例让其自己总结，称之为特征提取。

那么问题来了，你教一个小孩子，他能达到什么水平，其实取决于你的水平，你就是上限，这个阶段alpha go的性能有着数据和模型的天花板，需要突破。否则不可能对战最顶级的职业选手，或胜率不高。

所以alpha go引入第二个阶段，左右互博增强学习。那么经过增强学习后的alpha go是否还会打劫呢？可能会，也可能不会。因为这阶段它大量自我对弈，更多的是学到新策略，也会强化某些第一阶段学习的策略，当然也会弱化一些。如果打劫策略被弱化，那么在实际比赛的时候，打劫的下法输入模型apply后打分就不高，自然就不会被选中（当然实际的算法不仅仅只参考这一个模型的输出，还要看全局快速评估模型rollout policy等的结果）。

如果我们假设最终它不会打劫，那为什么打劫可能被“舍弃”，只能说目前人类肯定无法解释，因为没人能对战那么多盘，alpha go自身也无法解释，因为神经网络的feature属于黑箱（当然有极少数领域可勉强解释），不是摆着一条条人类可以看懂的策略。

另外虽然打劫策略可能打分不高，但还是存在的。某种特殊场合你又有可能看到它又能打劫了（打分又高了）。

评论
3:0了，电脑下围棋，人类顶尖高手现在看来毫无还手之力。

还说第二盘没犯错。第二盘后半盘下的特别缓，畏手畏脚地送优势。解说都说了，正常水平的李世石不可能下那么缓的臭手。

评论

据说中科院搞了个Deep learning专用处理器，速度是通用硬件的上百倍，这要是普及了家用也能承受。

评论
个人觉得，双方处理器都无法替代，大脑处理器必输，就好比楼上说的计算器。

评论
科技在进步 狗方觉得自己的产品能耐差不多了就用这个来吸眼球拉投资 后续还会有更好的东西出现
狗团队已经证明了他们的实力 就差做出东西来给我们带来实际体验了

评论

说的太玄乎，其实哪有什么真正的人工智能，个人觉得所有的算力游戏都是基于数据库的，不会有例外情况，就好像人的记忆一样。
围棋这个游戏为361个节点，如果穷举硬算是很难算到底的，但是如果减少棋盘规格加上引入定式棋谱进行精简，前几十步通过大量的服务器不停的跑，是能够算的清的，而到了中后期，就不必再进行无脑穷举计算了，只需计算每一步可以走出和棋最大数的走法，通过差异比对，选择和棋数最多的走法，再辅以已有数据库里和棋与优势棋局差异的比对，作以修正。随着24小时不间断的跑，数据库越来越庞大，这根本就没法下的赢，最后比的就是谁的算力强。


评论

并不是什么玄乎。深度神经网络在各个领域都有大量应用。这几年突然好起来的语音图像识别就是受dl所赐。当然不是科幻世界里面的人工智能。按照专业的说法，就是一个性能更好的分类器，但确实有一定的智能。另外神经网络算法是不需要领域知识的。


评论

alpha go看起来有点小“智能”，其实也逃不出分类器的范畴。

输入是棋盘的布局，输出是一步棋的下法，也就是如何把这步棋“分类”到正确的（最优的）位置上，它自己输出最优和次优几个选择，还需结合其他算法评估。

例如mcts算法属于高层的策略，在输出了一堆可能的“分类”后，再枚举几个得分高的输出，在用计算简单一些的分类器（rollout policy，这个与高精度模型用同样的数据，只是模型更简单，网络中节点更少，为了速度）持续“分类”到终盘（2缪秒一步）。

这里面几个分类器都由mcts算法统筹。

评论

玄乎之意就是让人不容易理解，那些各种算法太抽象了，比如你说语音图像识别，抛开这样那样的算法，本质就是特征码提取作比对。围棋游戏也是一样的，再优化的算法，也只是提升时间上的效率，根本无法和庞大数据库资源抗衡，提取已有资源的速度上再优秀的算法我想也无法超越，物理层面限制了。

评论
Alpha Go今天出错了，
Google团队是在让棋，还是真有Bug？
据说下一盘棋光电费及散热成本就要3000美元，就算李世石也应该是用不起的。

评论

nn这种黑箱算法是对人类神经元运算的模拟，有可能是人类大脑的运算方式。
只是我们作为人类自己明白自己总结出来的规律，但是这个规律如何“刻”在脑子里的是不明白的。类比神经网络，就是这些规律如何用feature构成的不明白。

用nn算法现在效果很好，虽然不可解释，但很可能是跟大脑的运算方式一部分对上位了。例如卷积nn就有一点勉强的解释，说是多层感知原理，类似大脑。分析nn算法也对认知神经学的发展有帮助。

另外能够涵盖宇宙万物知识的形式化数据库当然让人期待，但是目前的算法还是需要面临计算资源和可计算性的限制。

评论

电脑要是故意输。。。。终结了。。。。我擦。。。。太可怕了


评论
你好，我叫约翰•康纳。我从2029年穿越而来，在那个年代，经过核毁灭的地球已经由电脑“天网”统治，我是人类抵抗军首领，此次回来的任务是摧毁Google总部，我们认为天网的雏形就是AlphaGo。但是在穿越途中，程序失控我掉到了中国，没有路费去Google总部，我用高德地图查了下，距离太远了，如果你愿意援助我5000元路费，我会让你做人类抵抗军的总司令，直接微信转账即可！

评论

+1 感觉就是营销策略

评论
推荐一部电影机器纪元 也许机器也许会在不久的将来后接替人类 电路 电子 维修 求创维42c08RD电路图 评论 电视的图纸很少见 评论 电视的图纸很少见 评论 创维的图纸你要说 版号，不然无能为力 评论 板号5800-p42ALM-0050 168P-P42CLM-01 电路 电子 维修 我现在把定影部分拆出来了。想换下滚，因为卡纸。但是我发现灯管挡住了。拆不了。不会拆。论坛里的高手拆解过吗？ 评论 认真看，认真瞧。果然有收
 ·日本中文新闻 唐田绘里香为新剧《极恶女王》剃光头 展现演员决心
·日本中文新闻 真子小室夫妇新居引发隐私担忧
·日本中文新闻 前AKB48成员柏木由纪与搞笑艺人交往曝光
·日本学校 ｛日本国际学校｝梅田インターナショナルスクール
·日本学校 LINE：sm287 陳雨菲、20歳、台湾からの留学生、東京に来たばかり
·日本留学生活 出售平成22年走行48000km 代步小车
·日本华人网络交流 円相場　一時1ドル＝140円台まで上昇？
·日本华人网络交流 问日本华人一个问题
·日本旅游代购 富山接机
 ·生活百科 英国转澳大利亚转换插头
·汽车 【求助】修车遇到困难怎么办？