當前位置:首頁 > 運營推廣

如何成為飯桌上的人工智能專家?你需要掌握10個燒腦知識點

時間:2019-07-03 03:45:44來源:運營推廣作者:seo實驗室小編閱讀:87次「手機版」
 

乘10理財

將人造大腦變成現實。

即使絕世聰明,有的人日子并不好過,只因為他在地球上沒有同類。例如交流電發明人尼古拉·特斯拉。他有過很多很多驚世駭俗的發明,最終卻窮困潦倒。?18 9 6年他說出下面這句話時,不會有太多人留意:

“我認為任何一種對人類心靈的沖擊都比不過一個發明家親眼見證人造大腦變為現實?!?/p>

2003年,一位名叫馬丁·埃伯哈德的工程師,用“特斯拉”為他正要成立的電動汽車公司命名。后來,這家公司落到了硅谷狂人馬斯克的手中。

谷歌創始人佩奇,在12歲時,讀到特斯拉的傳記,留下了眼淚。多年以后,佩奇與馬斯克成為摯友,還差點兒買了特斯拉電動車公司。特斯拉在冥冥中將兩位后世的天才連接在一起。

一天,佩奇在馬斯克的私人飛機上聊起人工智能。馬斯克說:“你應該去看看倫敦的這家公司”。–他在該公司投了650萬美金。凌晨?4 點鐘,馬斯克助理的越洋電話喚醒了哈薩比斯,初創公司DeepMind的CEO,另一位天才。

谷歌在收購爭奪戰中贏了facebook,哈薩比斯也得到了谷歌的資金、資源和承諾。從此,他開始為自己的夢想疾速飛行。絕大多數人看不懂他的目的。確切而言,哈薩比斯要做的,正是特斯拉在120年前的預言:

將人造大腦變成現實。

幾個孤獨的大腦,隔世相逢。

一、汽車比人快,電腦比人會下棋,有何牛?

最早阿爾法狗戰勝李世石時,朋友圈里較多的“不屑”是:劉翔也跑不過汽車???這有什么?

天壤之別。

以前的各種科學進步,都是人類的自我延伸,一切皆在掌握。從石器到宇宙飛船,各種發明,算起來都還是人類的工具。

而人工智能則不同,它會和人一樣思考,會自我學習,越來越聰明。

人工智能就是讓計算機完成人類心智能做的各種事情。通常,我們會說有些行為(如推理)是“智能的 ” ,而有些(如視覺)又不是。但是,這些行為都包含能讓人類和動物實現目標的心理技能,比如知覺、聯想、預測、規劃和運動控制。

以前人是養豬養狗,就算養老虎,人都還是主人。

人工智能發展到某一天,可能人類成豬了。

拿圍棋來說,很多人類現在阿爾法元面前,真的就是一頭豬。

工具是復制,人工智能是學習式復制。

例如,很多人工智能應用甚至不再需要編程:它們可以基于已有架構實現從經驗中自我學習。

更讓人擔心的是,人類至今不明白意識和自由意志是什么?!爸悄堋鄙婕耙庾R、自我、心靈、無意識的精神等等問題。如果人工智能具備了意識和自由意志,人類還是萬物之靈嗎?

還有一種誤讀,是擔心人工智能被“不法分子”利用。這同樣是低估了人工智能。

科技的進步從來都會被好人和壞人同時利用。英國、以色列與挪威,都已部署自主導彈與無人操控的無人機,具“射后不理”能力的導彈,多枚導彈還可互相溝通,分享找到攻擊目標。這些武器還未被大量投入,但很快就會出現在戰場上,且并非使用人類所設計程序,而是完全利用機器自行決策。

假如被惡人黑客控制,后果的確嚴重。

但我們更該擔心的是人工智能自己失控,成為“不法分子”。

霍金、蓋茨、馬斯克等人都對于人工智能技術的未來公開表示憂心,人工智能若在許多方面超越人類智能水平的智能、不斷更新、自我提升,進而獲取控制管理權。

馬斯克稱人工智能是“召喚惡魔”行為。

英國發明家Clive Sinclair認為一旦開始制造抵抗人類和超越人類的智能機器,人類可能很難生存。

蓋茨同意馬斯克和其它人所言,且不知道為何有些人不擔憂這個問題。

DeepMind的哈薩比斯愿意將公司賣給谷歌,條件之一就是要設立AI倫理委員會,針對人工智能的應用制定政策,防范人工智能淪為犯罪開發者。

霍金說:“人工智能崛起要么是人類最好的事,要么就是最糟糕的事。人類需警惕人工智能發展的威脅。因為人工智能一旦脫離束縛,以不斷加速的狀態重新設計自身,人類由于受到漫長的生物進化限制,將無法與之競爭?!?/p>

即使AI不給人帶來滅頂之災,也會在社會倫理層面帶來巨大顛覆。

例如,人工智能與人腦智能有機融為一體,成為新一代的賽博人(Cyberman,人機復合),那么人會永生嗎?人會和AI結婚嗎?

二、為什么AI用圍棋作為挑戰對象?

圍棋確是人類游戲之巔峰。當年深藍戰勝國際象棋世界冠軍,靠的是窮舉法,而圍棋變幻莫測,計算量太大,沒法硬來。

圍棋有多難呢?圍棋究竟有多少種變化?

棋盤上有361個交叉點。假如不考慮下棋的常識,比較靠譜的一種計算方法是:

第一手的可能性有361種;

第二手的可能性有(剩下的)360種;

以此類推,變化數量為:361*360*359……*1=2.018乘以10的170次方。

這還沒考慮打劫、提子反提等。打劫極為復雜,以至于去年人機大戰中,人們懷疑李世石被約定不能使用打劫的手段。假如算上打劫,上面的變化幾乎變得無窮盡了。

這是什么概念?可觀測的宇宙中所有原子的總數,約為10的80次方。

圍棋的變化,比整個宇宙的原子還要多。

但是,即使如此,圍棋仍然是一種完美信息博弈。某種意義上,這仍然是一個有邊界的問題。

不過,圍棋可能是人世間最復雜的完美信息博弈。

這就是人工智能用圍棋作為研究對象,因為:

足夠難;

有邊界。

人類實際生活中遇到大量的問題,所獲得的信息是不完全的。在這種不完全、非確定的情況下,如何去判斷?這是一個很難的問題。

比如說投資。

有些事情是簡單的復雜事情,例如圍棋;有些事是復雜的簡單事情。

很多貌似不難的問題,對AI而言,現階段比圍棋難得多。

三、AI是如何通過左右互搏來練功的?

左右互搏,對人而言,道理上講不通。

因為左右手都是大腦控制,除非你大腦分裂,你沒法自己騙過自己,也就談不上對弈。

例如,兩個能預測未來的神仙就沒法下棋,都知道對方下一步走在哪里,還有啥搞頭呢?所以生活中給我們帶來喜怒哀樂的“不可測”,是神仙都羨慕的禮物。

阿爾法狗未必要用兩只“狗”來對弈。它先在棋盤的這一測下一手黑棋,然后走到棋盤的例外一側,歸零,站在白棋的角度,重新思考局面,然后走出對白棋而言勝率最大的一手。

對人類而言,“雜念”難以清除。然而,阿爾法狗就是這樣一種思考機器,不管過去發生了什么,永遠從頭計算,絕不為過去辯解。想想看,我們身邊的牛人,大多也有這特點。

阿爾法狗項目負責人David Silver說,在某種意義上,自我對弈(self-play)訓練已經是對抗性質的:每次迭代都試圖找到對抗上一版本的「anti-strategy」。

但是反過來,人類無法做到“左右互搏”,恰恰是因為人類有意識。

一個人的意識應該是惟一的,否則何謂自我?

為什么分布式的、時序上有先后的神經網絡的活動會最終顯現為一個統一的意識體驗?這是一個謎。

假如一個人可以被復制,那個復制人已經不是“我”了。

阿爾法狗可以自己和自己下棋,最完美的分裂人格,也沒法做到這一點。但是,如果沒有“統一”,會有自我意識嗎?假如沒有自我意識,復制大腦的“永生”又有何意義呢?

四、阿爾法狗是如何進化的?

從國際象棋到圍棋,計算機挑戰人類大腦的路線圖

深藍采用是窮盡法。有點兒像蠻力破解,即規則驅動的暴力搜索;

然后是到特征驅動的線性模型;

再到數據驅動的深度學習,越來越強的模式識別能力讓“直覺”兩字從神秘莫測,變成了通過大量樣本就能學到的模型。

AlphaGo這個系統主要由幾個部分組成:

走棋網絡(PolicyNetwork),給定當前局面,預測/采樣下一步的走棋。

快速走子(Fastrollout),目標和1一樣,但在適當犧牲走棋質量的條件下,速度要比1快1000倍。

估值網絡(ValueNetwork),給定當前局面,估計是白勝還是黑勝。

蒙特卡羅樹搜索(MonteCarlo Tree Search,MCTS),把以上這三個部分連起來,形成一個完整的系統。

AlphaGo結合了3大塊技術:

先進的搜索算法;

機器學習算法(即強化學習);

深度神經網絡。

這三者的關系大致可以理解為:

蒙特卡洛樹搜索 (MCTS) 是大框架,是許多牛逼博弈AI都會采用的算法。

強化學習 (RL) 是學習方法,用來提升AI的實力。

深度神經網絡 (DNN) 是工具,用來擬合局面評估函數和策略函數。

這些都不是AlphaGo或者DeepMind團隊首創的技術。但是強大的團隊將這些結合在一起,配合Google公司強大的計算資源,成就了歷史性的飛躍。

對戰柯潔的Master,能力大增,主要是因為價值/策略網絡的改善,訓練和架構都變得更好。

這次的阿爾法元,讓強化學習進行的更徹底,并用深度殘差網絡(ResNet)對輸入進行簡化,盡管“沒有提出任何新的方法和模型”,結果極為震撼。

田淵棟說:

讓我非常吃驚的是僅僅用了四百九十萬的自我對局,僅僅用這些樣本就能學得非常好,只能說明卷積神經網絡(CNN)的結構非常順應圍棋的走法。

說句形象的話,這就相當于看了大英百科全書的第一個字母就能猜出其所有的內容。

這是一次工程和算法的勝利。

五、AI對職業棋手最大的沖擊是什么?

圍棋會沒落嗎?不會。據說深藍贏了卡斯帕羅夫,學國際象棋的人翻了一番。圍棋的基數比較小,沒準兒增速更大。

AI對職業棋手的沖擊主要有:

(1)與“圍棋上帝”的水平差距

當年日本頂尖棋手,認為自己和圍棋上帝的差距大約是兩個子?,F在看來,可能不止。

叔本華說:“每個人都將自身所感知的范圍當做世界的范圍? ”。

現在看,人類對圍棋邊界的預測多么幼稚啊??梢韵胂?,在那些沒有邊界的問題上,人類是多么的初級。

(2)完全顛覆了原有的認知與定式

就像第一手點三三,連續二路爬,各種碰,AI什么棋都敢下。換個角度看,我們原來認為理所當然的東西,很多都是錯的。哪里有什么定式啊。

(3)中腹也是可以計算的

有句圍棋諺語叫“高手在腹”。人們通常認為棋盤中腹很難計算,要靠超一流的棋感。結果呢?不僅可以算,而且AI還算得非常好。

進而言之,AI的大局觀非常好。

(4)超人的學習速度

三天抵何止一萬年。

本質上,AI就是一種會思考、會學習、并且會加速聰明的機器。

(5)AI可能有意識

圍棋是中國少有的數目化事物,它兼具西式的精確量化,以及東方的混沌哲學。所謂大局觀、天才的感覺、石破驚天的一手,都被認為是計算無法企及之處,是圍棋的神秘魅力。

阿爾法狗下的棋,有些幾乎是吳清源這個級別的棋手才能走出。旁觀者會用“天外飛仙”來形容這類奇思妙想,所謂“天才的感覺”。

也有人說,AI這次在圍棋上戰勝人類頂尖高手,基本證明了所謂的“棋感”、“棋風”、“大局觀”等圍棋高手所談論的虛的能力,并不是人類獨有的,經過訓練的神經網絡也會有。所以,隨著技術的進步,電腦也會能夠欣賞藝術(音樂、畫作、小說、笑話),能夠創作文學、藝術作品,能夠針對不同的情況形成自己的“情緒”。

此前,一個頂尖圍棋高手被認為有賴天賦,因為有些招法需要天外飛仙似的靈感。

現在看來,所謂人類的靈性,可能只是大腦事后的包裝。

六、人工智能真的會有意識嗎?

什么是意識?

難道意識不是一個巨大的幻覺?

塞繆爾·巴特勒說:

植物不知道它在做什么,僅僅是因為它沒有眼睛、耳朵或大腦嗎?如果我們說它是機械作用的,且只靠機械作用,那我們是不是也不得不承認其他那些明顯非常謹慎的行動也是機械的?如果在我們看來,該植物是靠機械作用來殺死并吃掉一只蒼蠅的,那么對這個植物來說,是不是人一定不是靠機械作用殺死并吃掉一只羊的呢?

丹尼爾·丹尼特在其著作《意識的解釋》里認為,人也不過是一臺有靈魂的機器而已,為什么我們認為:“人可以有智能,而普通機器就不能”呢?他認為像上述的數據轉換機器是有可能有思維和意識的。

庫茲韋爾的立場是:

如果生物體在做出情緒反應時完全令人信服,對于這些非生物體,我會接受它們是有意識的人,我預測這個社會也會達成共識,接受它們。

請注意,這個定義超越可以通過圖靈測試實體的范圍——因為圖靈測試至少需要掌握人的語言。

但只要非生物體足夠像人,我會接納它們,我相信,社會中的大部分人也會如此,不過,我也會把那些具有人類一樣的情感反應卻不能通過圖靈測試的實體包括進來,例如,孩子們。

在庫茲韋爾看來,如果你接受這樣一種信仰飛躍,即非生物體就其感受性所作出的反應是有意識的,那么這也就意味著:

意識是實體整體表現出來的涌現特性,而不是由其運行機制產生的。

簡而言之,他選擇“相信”。

庫茲韋爾的態度讓我想起一次在教堂里聽布道。牧師是一位博士,和我們一樣從小接受無神論教育。他說,你越接受教育越難信上帝。所以,最好的辦法是只要你選擇相信。這就是基督教,你不必去想為什么,你惟有選擇去相信。

就像溫哥華商場里圣誕節掛滿了“Believe”。

我們真的在掌控自己的命運嗎?

德國哲學家亞瑟·叔本華寫道:

“每個人都認為自己先天的就是完全自由的,即使他的個人行為也是如此,并認為,每一個時刻,他都可以開始用另一種方式生活…

…但是,通過后天的經驗,他驚訝地發現,他不是自由的,而是要受制于必要條件的。但盡管有了所有這些決議和思考,他還是不會改變他的行為,從生命開始到生命結束,他必須按照他的性格行事,即使連他自己也譴責這種性格?!?/p>

七、奇點會來嗎?

馬云在一次演講中,提到了“荷花定律”:

一個荷花池,第一天荷花開放的很少,第二天開放的數量是第一天的兩倍,之后的每一天,荷花都會以前一天兩倍的數量開放。

如果到第30天,荷花就開滿了整個池塘,那么請問:在第幾天池塘中的荷花開了一半?

答案是第29天。

庫茲韋爾在書中講過這個例子,用來說明“加速”。

最先提出“智能爆炸”這一概念的,是與馮·諾依曼一道,為曼哈頓工程工作的著名波蘭裔美籍數學家烏拉姆。他有這樣一句直擊心靈的話:

“不斷加速的科技進步,以及其對人類生活模式帶來的改變,似乎把人類帶到了一個可以稱之‘奇點’的階段。在這個階段過后,我們目前所熟知的人類的社會、藝術和生活模式,將不復存在?!?/p>

馮 ·諾依曼提到兩個重要概念:加速與奇點。

第一個概念說明了人類的發展正以指數級的速度增長。

彼得.泰爾曾經嘲諷:“我們想要能夠飛翔的汽車,結果得到的只是140個字符?!?/p>

這可能是錯覺。過去幾十年,人類一直在積蓄力量,計算的力量,大腦的力量,AI的力量。

人類已經能夠成功地模擬出大腦的部分神經元和大量的神經組織,并且這種模擬的復雜程度在迅速增加。

我們在人類大腦逆向工程方面取得的進展,也表明我們有能力理解、模擬,甚至拓展自身的智能。

《主算法》作者佩德羅 ·多明戈斯教授說:

這個主算法將成為人類的最后一個發明。這個主算法將能夠從數據中獲得世界上的一切知識 ——過去、現在和未來。

庫茲韋爾有過很多大膽預言,過去看來很準。在?2 0多年前,他就預言:人工智能計算機將于?19 9 8年戰勝人類的國際象棋冠軍。

人類基因組計劃,是庫茲韋爾鐘愛的用來解釋指數級增長的案例,旨在闡明人類基因組 3 0億個堿基對的序列,發現所有人類基因并搞清其在染色體上的位置,破譯人類全部遺傳信息。

他預測,未來電腦將在意識上超過人腦。

未來才剛剛開始。

八、有什么投資機會?

對于Zero算法的未來發展,DeepMind想用這樣的算法突破,來解決真實世界中各種各樣緊迫的問題?!?/p>

AI將要解決以下“結構性問題”:蛋白質折疊、降低能耗、尋找革命性的新材料。還有:新藥發現、量子化學、粒子物理學也是AlphaGo可能大展拳腳的領域。

一些經濟學家認為,迅速擴大的數據集、機器學習和日益提高的計算能力,這些都應被列為除資本和勞動力之外的一種全新的生產要素。

人工智能正締造一種新的 “虛擬勞動力 ” ,提高人類智慧的生產率并推動新的創新。

另外,與其他生產要素不同,人工智能不會隨著時間的流逝而貶值。它將受益于網絡和規模效應。例如所有自動駕駛汽車都能從其他此類汽車身上學習。

埃森哲與經濟學前沿公司預測:

到 2035年,基于人工智能的技術的普遍采用,可能會將很多發達國家的經濟增速提高一倍。

報告估計,人工智能有可能將美國、英國和日本的總增加值(與國內生產總值 ( G D P )近似)年度增速分別提高到 4 . 6 % 、 3 . 9 %和 2 . 7 % 。

馬爾瓦尼表示,“我們已擁有由人類增強的創新。我們將最終擁有機器創新?!?/p>

投資,還是大公司的天下。谷歌、亞馬遜、微軟、蘋果、Facebook、騰訊、阿里,大概率會繼續統治“數字地球”。

不過,看看下圖,誰又能真正預測未來呢?

九、應該學什么專業呢?

我們倒過來想,AI擅長做什么,可能就會在哪里替代人類。

埃森哲認為,人工智能有望以三種職能角色出現在人類工作中——助理、顧問和執行者。

助理:管理者及團隊提供支持,如做記錄、排日程、寫報告和管理積分卡等。在工作中,這些智能系統還會吸取自身及人類同事經驗,完善相關知識、擴大服務領域。

顧問:通過問答、構建情境模擬等方式協助解決更復雜的問題和進行決策,包括醫療診斷、安全分析、理財建議、在線旅游接待和銷售指導等。

執行者:積極自主地評估備選方案,進行決策或挑戰現狀。迄今,真正的自主型人工智能管理系統還很少見,但能夠進行商業決策的規則性應用程序已越來越普遍,如交易機器人、自動處理貸款的應用程序等。

日本野村總合研究所也與英國牛津大學的研究學者共同調查指出,10至20年后,日本有49%的職業(235種職業)可能會被機械和人工智能取代而消失,直接影響約達2500萬人,例如:

超市店員、一般事務員、計程車司機、收費站運營商和收銀員、市場營銷人員、客服人員、制造業工人、金融中間人和分析師、新聞記者、電話公司職員、麻醉師、士兵和保安、律師、醫生、軟件開發者和操盤手、股票交易員等等高薪酬的腦力職業將最先受到沖擊。

維克多·麥爾-荀伯格寫到:

隨著計算機在人類擅長的任務,比如那些需要知識、策略甚至創造力的任務中取得節節勝利,那么未來人類存在的意義是什么?

但是我擔心的是我六歲的兒子。隨著機器在一個又一個領域超越人類,他在未來世界的地位會變成怎樣?他會做什么工作?他和這些無比聰明的機器之間將是怎樣的關系?他以及他的同輩將為這個世界作出怎樣的貢獻?

事實上,歸根到底就是一個相當簡單的問題:我們的特別之處是什么?我們的長遠價值是什么?不可能是機器已經超過人類的那些技能,比如算數或打字。也不可能是理性,因為偏見和情感讓我們缺乏理性。

他的思考是:

可能我們需要考慮相反的一個極端:激進的創造力,非理性的原創性,甚至是毫無邏輯的慵懶,而非頑固的邏輯。到目前為止,機器還很難模仿人的這些特質:懷著信仰放手一搏,機器無法預測的隨意性,但又不是簡單的隨機。他們感到困難的地方正是我們的機會。

所以,我們必須著眼于人類對勞動分工的貢獻,對機器的理性進行補充,而非試圖與它競爭。由于這樣做會讓我們與機器產生差異,而正是這種差異化會創造價值。

他還對當下的教育憂心忡忡:

如果我是對的,那么我們應該在教育孩子時加強創新精神,培養挑戰權威的意識,甚至是非理性的想法。并不是因為非理性是福佑,而是因為非理性的創造力是對機器理性的補充。它能確保我們在進化的舞臺上占有一席之地。

然而,不幸的是,我們的教育體系尚未趕上即將來臨的第二次機器時代。我們的學校和大學就像囿于前工業思維的農民一樣,其結構主要是為了把學生塑造成理性、服從的仆人,培養與過時的機器互動的過時技能。

教育從來都扮演著雙重角色:

一個是理想的“教書育人”;

一個是現實的“超級智力競賽”,據說是用于實現“社會分層”。

萊文校長曾說: “如果一個學生從耶魯大學畢業后,居然擁有了某種很專業的知識和技能,這是耶魯教育最大的失敗。 ”

他的觀點是:

1、專業的知識和技能,是學生們根據自己的意愿,在大學畢業后才需要去學習和掌握的東西,而不是耶魯大學教育的任務。

2、本科教育核心是通識,也就是 “自由教育 ” 。這種教育所熏陶出來的批判性的獨立思考能力,能夠讓人勝任任何職位,駕輕就熟地精通任何學科,并為終身學習打下基礎。

另外值得一提的是交叉學科。

馮·諾依曼在《計算機與人腦》里,最早從數學家和計算機科學家的角度對人腦進行的嚴肅探究。

在馮·諾依曼之前,計算機科學和神經科學是沒有任何交集的兩個領域。

馮·諾依曼應用計算通用性的概念得到的結論是:

盡管人腦和計算機的結構截然不同,但仍可以認為馮·諾依曼機能夠模仿人腦對信息的加工過程。

有趣的是,DeepMind的CEO哈薩比斯,他1997年在劍橋大學女王學院獲計算機科學學士學位。畢業后加入Lionhead StudiOS工作一年,之后創立了Elixir Studios,該工作室一直運作到2005年。2009年獲倫敦大學學院認知神經科學博士學位。

十、人類還有前途嗎?

阿爾法元如此突飛猛進,人類是否更加悲催?

大衛?·班布里基說:現代大腦地圖給人一種有趣的古舊感 ——就像一張中世紀的地圖,已知世界被散布著不知名怪獸的未知之地環繞。

大腦基于非常古老的設計,雖然其微觀性和復雜性,成年人的大腦有1000億個神經元。在歷史進化的過程中,大腦的設計是低效而怪異的。但我們如何完成超級電腦都手足無措的任務?

《進化的大腦》說:單個神經元都是極其緩慢、不可靠且低效率的處理器。但是,大腦是一萬億個非最優處理器的聚合體,大量互聯形成500萬億個突觸。

因此,大腦可以利用大量神經元的同步加工以及隨后的整合模式來解決復雜問題。大腦就是一臺拼裝電腦,盡管每一個處理器的功能極有限,但大量相互關聯的處理器則效率驚人。

這就是大腦,它使用大量相互關聯的平行構造,加上精細的反饋信息,就把簡陋的部件組成了一個令人驚嘆的裝置。

大腦都不是設計完美的,它只是胡亂堆積在一起的一團東西。我們的情感、感知和行為的獨特性,很大程度是因為大腦并非一臺優化的通用解題機,而是尋求特定解的一團怪異聚結物。

我看了阿爾法元最新的自我對局,開始的時候它就像個亂擺棋子的孩子,慢慢地它開始發現規律。再到后來,它開始尖頂,立起。阿爾法元有很多與人不一樣的招法,但很多地方,所見略同。

我不由得感慨人類的孤獨與偉大。圍棋有著超過宇宙間所有原子數量的變化,人類從頭開始慢慢摸索,歷經漫長的黑暗歲月,代代相傳,竟能走得和阿爾法元一樣對。

仿佛我們在原始人的墻壁上發現了飛船的雛形。

圍棋有種求道精神。有多少競技,在你死我活的對決之后,雙方筋疲力盡,還能坐下來復盤,總結彼此的得失?

多年以前,我看的最早兩本圍棋書,一個是大竹英雄的新圍棋十訣,一個是武宮正樹的,兩本書都有那個時代浪漫主義色彩(某種意義上基于木谷道場對棋界的統治),指向共同的主題:

探索未知的世界。

就像武宮正樹,他靠那種奔放自由的個人精神,以一己之力開創了宇宙流。他反時代,孤星閃耀,仿佛上帝賜予人類的禮物。時至今日,阿爾法狗驗證了,著眼全局的中腹的非凡價值。

發明圍棋的人,探索圍棋的人,永遠不會想到,19×19的格子在人類的歷史進程中劃時代的意義。也許這正是其生來的最大使命。

就像特斯拉,圖靈,在漫漫長夜里,無論日子多么艱難,多么陰冷,他們都未曾停止過對未知世界的探索。

那些孤獨的大腦,終會相逢。

相關閱讀

從人工智能變成“人工智障”,聊天機器人殤在哪?

2018年,Facebook關閉虛擬助手「M」,亞馬遜Alexa產品發出怪笑,聊天機器人市場“事故頻發”,究竟是誰扼殺了聊天機器人?試想一下,一個靜謐

高中數學必修一函數知識點總結

同學們,今天開始講解函數章節學習,函數這章極其重要,因為函數是高中數學重要的樞紐章節,高中數學除了立體幾何和概率統計和函數沒有關

關于APP 消息推送,這里有七大知識點

APP消息推送作為消息分發渠道,一方面起到內容告知的作用,另一方面在一定程度上可以提高用戶活躍,在用戶流失后也許能夠召回用戶。那

人工智能時代:數據加工廠是如何運作的?

人工智能時代相較于過去的數據處理方式,除了在數據量級上的差別之外,最大的差別是對非結構化數據的處理與運用。本文將介紹:如何通過

互聯網PM轉型人工智能PM之路

在轉型為人工智能產品經理的道路上,他已經開始了,且與你分享了目前的一些感悟。enjoy~我是一名從事PC/移動互聯網的產品經理,從今年

分享到:

欄目導航

推薦閱讀

熱門閱讀

超市配送赚钱吗