網頁

建議加入我們的Facebook, 如果遇到特別情況,我們可以有一個平台通知大家。
文章漏咗/建議:按此通知

2016年3月11日 星期五

點石成金 - 石鏡泉 2016年3月11日

點石成金 - 石鏡泉 2016年3月11日


人定勝天‧機定勝人


人工智能可以推動社會發展,但不能取代人的感情聯繫。

【晴報專欄】前日,谷歌的機械人AlphaGo,贏了南韓圍棋九段高手李世石,世人驚呼,機器勝人,亦開始有人謂,他日不炒股了,因為大戶的程式買賣實贏散戶,是乎?先看看谷歌這個AlphaGo。

國內有個《雷鋒網》,有位

作者小芹菜如是說:這是歷史上電腦首次在公平競賽的條件下戰勝職業圍棋選手。即將到來的AlphaGo和李世石九段的大賽更多是讓人聯想起當年深藍和卡斯特羅夫(Каспаров)的對弈。

那麼,既然已經有了電腦戰勝國際象棋冠軍的先例,為甚麼在圍棋這個領域還會引起這麼大的關注呢?其根本原因在於,從計算的角度來看,圍棋比國際象棋難的遠遠不只是一、兩個數量級。象棋的棋盤上的位置只有圍棋的大約六分之一,這就決定了圍棋的計算複雜度(簡單說來就是可能出現的不同棋局的總數)遠超國際象棋,從目前人類實用中接觸的數字來看,幾乎是一個無窮大數。不太理解的朋友可以參考「一張紙如果能對摺64次可以從地球伸到月球」的傳說。

能夠學習 可大量複製並應用

這次使AlphaGo大放光彩的核心技術,是近年來蒸蒸日上的深度學習技術。自2006年Hinton再度引爆深度神經網絡(是指電腦所具備的學習能力,深度神經網絡是其中一種學習框架,英文是Deep Learning)的熱潮之後,深度學習在十年間幾乎橫掃所有人工智能相關的領域,在語音和視覺等領域的眾多問題中頻頻取得突破性的進展。很多學者和工業界研發人員也從最初的謹慎懷疑態度轉向積極跟進,進而推動了深度學習在理論和實踐兩方面的迅猛發展。在增強現實領域的經驗而言,儘管深度學習在實用時還需要克服一些諸如實時性的挑戰,但已經在一些實際應用中(比如大規模圖片識別和人臉分析)成功的使用了深度學習技術,並且期待在不久的將來會取得更好的結果和推廣。

AlphaGO贏了之後,小米的雷軍在其微信公眾號表示:

這一局棋,開局的時候雙方並沒有表現出明顯的漏洞,也難以看出誰更優勢。有評論說李世石有一處失誤讓AlphaGo盤面佔優。不過中盤階段李世石攻擊力強悍,獲得了優勢。甚至有評論者說AlphaGo如果是個真人,說不定已經投子認負了。但是到了終盤,獲勝的卻是AlphaGo。

作為圍棋愛好者和電腦工作者,我堅信電腦勝出是時間問題,但是我真的沒想到第一局電腦就贏了。今天只是5局比賽的第一局,不過AlphaGo和李世石的這場對弈本身的歷史意義是超越勝負的。從19年前IBM的「深藍」電腦在國際像棋比賽上戰勝世界大師卡斯帕羅夫以來,計算機科學與技術作為人類智慧的結晶,所表現出來的強大計算能力和驚人的成長潛力,都令人嘆為觀止。據說AlphaGo擁有的最了不起的人工智能能力是自我學習的能力。今天有好幾次非常規落子,都讓許多專業棋手錶示「看不懂」。Google的工程師也表示,AlphaGo早就不依賴棋譜來決策落子的選擇。能夠讓機器開始有自我學習的能力,這是非常了不起的事情。

更重要的一點是,李世石作為人類圍棋領域的頂級代表,多少年才能培養一個?全世界能有幾個?然而我們複製一百萬個、一千萬個AlphaGo的難度又有多大呢?一個人的智力和技巧的提升,無論他多麼出類拔萃,對於其他人的影響終究有限。而一台機器的智能水平能走到哪裏,其他機器就都能走到哪裏。從這一點上看,我對未來人工智能的發展充滿了期待。

缺乏感情 只是冷冰冰的機器
AlphaGo前天贏了一局後,就有些炒股和圍棋愛好者有投子之態,而在前Google高管、創新工場CEO李開復看來,機器與人相比還有不足的地方,例如缺乏感情「機器在嗅覺、味覺方面的問題已經可以解決,只是商業方面還沒有需求;邏輯計算已經超越人類;感知方面還有提升的空間;感情方面機器不如兩歲的孩子,未來能否進展存在爭議,現在已有機器在表象上看起來有喜怒哀樂。」

李開復同時透露:「其實懂得機器學習(人工智能的核心技術之一)的朋友已經在用這個方法炒股賺錢了,這是即將發生的事情。」

圍棋愛好者看完比賽決定不再炒股。
的確,如果你是炒股的話,真是不要炒了,因為人腦運算今時可能會慢過電腦,最重要的是人有感情、主觀,可以使投資者輸錢,但如是投資,就不怕,因為只要你能揀出好股,即有盈利能力和有好派息之股,則投資者是與機械人在同一個市場內共贏,而不是一輸一贏,共同富貴,有甚麼問題?

要揀出好股,方法不難,市盈率不太高(約15倍),派息率增高(約3.5至2.5厘),管理層肯全心去經營,就一定「投」贏。

點石成金 - 石鏡泉 舊文
來源 source: http://www.skypost.hk