AlphaGo

กระดานแรกระหว่าง AlphaGo และ Ke Jie กินเวลาสี่ชั่วโมงครึ่งได้จบลงแล้ว

AlphaGo ยังคงความได้เปรียบในแง่ของเวลา ใช้เวลาเพียงชั่วโมงกว่าๆ จาก 3 ชั่วโมงเท่านั้น ขณะที่ Ke Jie ใช้เวลาเกือบหมด แม้ว่าจะไม่หมดแบบ Lee Sedol ก็ตามที

เนื่องจาก Ke Jie เล่นเป็นหมากดำเมื่อรวมแต้มต่อแล้ว ทำให้คะแนนรวม AlphaGo ชนะไป 0.5 แต้ม

upic.me

upic.me

Hiring! บริษัทที่น่าสนใจ

Carmen Software company cover
Carmen Software
Hotel Financial Solutions
Next Innovation (Thailand) Co., Ltd. company cover
Next Innovation (Thailand) Co., Ltd.
We are web design with consulting & engineering services driven the future stronger and flexibility.
KKP Dime company cover
KKP Dime
KKP Dime บริษัทในเครือเกียรตินาคินภัทร
Kiatnakin Phatra Financial Group company cover
Kiatnakin Phatra Financial Group
Financial Service
Fastwork Technologies company cover
Fastwork Technologies
Fastwork.co เว็บไซต์ที่รวบรวม ฟรีแลนซ์ มืออาชีพจากหลากหลายสายงานไว้ในที่เดียวกัน
Thoughtworks Thailand company cover
Thoughtworks Thailand
Thoughtworks เป็นบริษัทที่ปรึกษาด้านเทคโนโยลีระดับโลกที่คว้า Great Place to Work 3 ปีซ้อน
Iron Software company cover
Iron Software
Iron Software is an American company providing a suite of .NET libraries by engineer for engineers.
CLEVERSE company cover
CLEVERSE
Cleverse is a Venture Builder. Our team builds several tech companies.
Nipa Cloud company cover
Nipa Cloud
#1 OpenStack cloud provider in Thailand with our own data center and software platform.
Bangmod Enterprise company cover
Bangmod Enterprise
The leader in Cloud Server and Hosting in Thailand.
CIMB THAI Bank company cover
CIMB THAI Bank
MOVING FORWARD WITH YOU - CIMB is the leading ASEAN Bank
Bangkok Bank company cover
Bangkok Bank
Bangkok Bank is one of Southeast Asia's largest regional banks, a market leader in business banking
MuvMi (Urban Mobility Tech Co.,Ltd.) company cover
MuvMi (Urban Mobility Tech Co.,Ltd.)
Shape the future of urban mobility towards affordable, clean, and safe solutions
T.N. Digital Solution Co., Ltd. company cover
T.N. Digital Solution Co., Ltd.
TNDS has been involving in every first move of banking’s major digital transformation.
KBTG - KASIKORN Business-Technology Group company cover
KBTG - KASIKORN Business-Technology Group
KBTG - "The Technology Company for Digital Business Innovation"
Siam Commercial Bank Public Company Limited company cover
Siam Commercial Bank Public Company Limited
"Let's start a brighter career future together"
Icon Framework co.,Ltd. company cover
Icon Framework co.,Ltd.
Global Standard Platform for Real Estate แพลตฟอร์มสำหรับธุรกิจอสังหาริมทรัพย์ครบวงจร มาตรฐานระดับโลก
REFINITIV company cover
REFINITIV
The Financial and Risk business of Thomson Reuters is now Refinitiv
H LAB company cover
H LAB
Re-engineering healthcare systems through intelligent platforms and system design.
The Gang Technology Co., Ltd. company cover
The Gang Technology Co., Ltd.
We're a Digital Agency that helps our customers transform their business into digital with ease.
LTMH company cover
LTMH
LTMH มุ่งเน้นการพัฒนาผลิตภัณฑ์ที่สามารถช่วยพันธมิตรของเราให้บรรลุเป้าหมาย
Seven Peaks company cover
Seven Peaks
We Drive Digital Transformation
Wisesight (Thailand) Co., Ltd. company cover
Wisesight (Thailand) Co., Ltd.
The Best Choice For Handling Social Media · High Expertise in Social Data · Most Advanced and Secure
MOLOG Tech company cover
MOLOG Tech
We are Modern Logistic Platform, Specialize in WMS, OMS and TMS.
Data Wow Co.,Ltd company cover
Data Wow Co.,Ltd
We enable our clients to realize increased productivity by solving their most complex issues by Data
LINE Company Thailand company cover
LINE Company Thailand
LINE, the world's hottest mobile messaging platform, offers free text and voice messaging + Call
LINE MAN Wongnai company cover
LINE MAN Wongnai
Join our journey to becoming No.1 food platform in Thailand

aeksael Tue, 23/05/2017 - 14:12

ฮ่ะๆ ฮาหัวข้อข่าว

ผมอยากรู้ว่าจะเริ่มนับแต้มกันตอนไหนครับ

parkpaya Tue, 23/05/2017 - 14:17

In reply to by aeksael

เดาว่า ไม่เคยเล่นหมากล้อมใช่ไหมครับ
ปกติเริ่มนับตอนจบกระดานครับ

คือวางไปเท่าไหร่ แต้มก็ไม่เปลี่ยนแปลงเพิ่มขึ้นแล้ว จะอธิบายยังไงดีละ

จะว่าแบบนั้นก็ได้ครับ

โกะเน้นสร้าง "ห้อง" เพื่อกินพื้นที่ครับ (คะแนนนับจากห้องที่ล้อมไว้ได้) เกมจะจบเมื่อไม่มีทางสร้างห้องเพิ่มได้แล้วทั้งสองฝ่ายครับ

ปล. จริงๆ มีเรื่องห้องจริงห้องปลอมด้วย แต่ละไว้เพื่อให้เข้าใจง่ายครับ

น่าจะประมาณนั้นแหละครับ จากที่เคยอ่านการ์ตูนมา

คนเล่นมีประสบการณ์ สักกลางกระดานจะเริ่มเห็นรูปร่างว่าตัวเองได้เปรียบ/เสียเปรียบมากน้อยขนาดไหน กับแต้มหยาบๆ
ท้ายเกมก็เล่นแต้มละเอียด เล่นไปคำนวณไปแบบตาต่อตา ใครอ่านเกมได้ไกลกว่าก็กำหนดหมากได้แม่นกว่า

แต้มจริงของการแข่งนับเมื่อจบเกม รายละเอียดตามที่ข้างบนบอกเรื่องห้อง

แต่คนแข่งเองก็จะนับแต้มตัวเอง/คู่แข่งระหว่างไปด้วย เพื่อประเมินและเลือกแนวทางการเล่นครับ

เอาจริงๆ บอกไม่ได้ครับว่าฉิวเฉียด ต้องดู confident rate ของ Alphago เพราะ มันจะเลือกทางชนะที่ชัวที่สุดไม่สนว่าคะแนนจะห่างมากน้อยแค่ไหน

ขอบคุณครับ ถ้ามีการกำหนดโหมดในการลุยให้กับเจ้า AlphaGo ได้นี่คงสนุกน่าดู รอดูอีก 2 เกมที่เหลือว่าจะออกมายังไง

โกะปกติฝ่ายขาวจะได้แต้มต่อ5.5แต้มเพราะเดินทีหลังครับเนื่องจากฝ่ายดำที่ได้เดินก่อนจะได้เปรียบในการกำหนดแนวการเล่น ไม่แน่ใจว่าalpha go ตั้งใจชนะครึ่งแต้มเพราะมีโอกาสเกิดมากสุดหรือยังไง

มองในแง่ดี ke jie อาจแค่ลองเชิง แต่ถ้ามองแง่ร้ายก็ ke jie คงพยายามสุดกำลังละ

จริงๆ AlphaGo นำมาแทบตลอด แต่พอถึงช่วงท้ายเกมเหมือนมันเดินแปลกๆ ทำให้ Ke Jie ทำแต้มไล่เบียดขึ้นมาได้

ให้ความหวังไปก็ไม่ได้อะไรนี่ครับ คนเขียนโปรแกรมน่าจะเขียนให้เล่นชนะอย่างเดียว อารมณ์แบบเล่นกวน ให้ความหวังแบบมนุษย์คงไม่มี

คงไม่ขนาดนั้นหรอกมั้งครับ มืออาชีพหลายๆ คนให้ความเห็นไปในทิศทางเดียวกันว่า AlphaGo น่าจะรักษาคะแนนนำราวๆ 5-10 แต้มไว้ได้จนจบเกม แต่พอเข้าช่วงท้ายเกม มันกลับเล่นตาที่ได้แต้มน้อยบ้าง เสียมือนำบ้าง อยู่หลายครั้ง ทั้งๆ ที่มีจุดอื่นที่ดูปลอดภัยกว่าให้เลือกเล่น

อ่านๆดูเหมือนกับ AlphaGo จะนำไปได้ในช่วงกลางเกม แล้วก็เล่นแบบเซฟๆในช่วงท้ายไม่ให้ตามได้ทัน

ผมไม่มั่นใจว่าในโกะ ช่วงท้ายๆมีตัวเลือกให้เดินหมากน้อย แปลว่ามันคำนวนง่ายขึ้นเหมือนหมากรุกมั้ย

ใช่ครับท้ายเกมตัวเลือกจะน้อยลง ยิ่งถึงช่วงปิดเกม การคำนวณยิ่งมีผลมากครับ ผมเชื่อว่าถ้าคนเอาชนะ Computer ไม่ได้ก่อนเข้าช่วงท้ายเกมก็คงไม่มีสิทธิ์ชนะ

สัมภาษณ์ตอนท้าย DeepMind บอกว่าใช้ hardware แค่หนึ่งในสิบของที่ใช้ในเกาหลีปีที่แล้ว และใช้เวลาเทรนไม่กี่สัปดาห์เทียบกับหลายเดือนเมื่อปีที่แล้ว และใช้ฐานข้อมูลเกมจากมนุษย์น้อยกว่าปีที่แล้วมาก

เห็นหลายๆคอมเม้นบอกว่า AlphaGo นำมาทั้งเกมแล้วปล่อยให้เค่อเจี่ยไล่แต้มขึ้นมาเพราะ A.I. ดูแค่เปอร์เซ็นเรตในการชนะ แสดงว่าคุณไม่ได้ดูเกมเลย หรือไม่ก็ดูเกมไม่เป็นครับ

ก็เป็นไปได้ครับ เพราะเป็นช่วงเวลาทำงาน หลายๆคนทำงานไปด้วยดูไปด้วยเลยไม่ได้โฟกัส และคนที่ดูเกมไม่เป็น การพึ่งพา winrate จาก AI (ตัวอื่น) ก็โอเคอยู่นะครับ (อย่างเช่นในช่อง Niconico ก็ถ่ายทอดสดพร้อม winrate จาก DeepZenGo ซึ่งเป็น AI ที่อยู่ในระดับท็อปโปรแล้ว) ช่วงเวลาแบบนี้ควรจะเรียกคนที่เล่นโกะไม่เป็นให้มาดูเยอะๆแล้วเค้าจะคอมเมนต์อะไรก็ปล่อยไปตามอิสระ จะได้เกิดความสนใจในเกมนี้มากขึ้น

ยังไงดีหละผมก็ไม่เก่งเสียด้วย ... คือเวลาคนเล่น ก็ต้องการแต้มเยอะๆใช่ปล่าว ถ้าได้แต้มมาเยอะๆ ตอนหลังเลียไปบ้างก็ไม่ทำให้เกมพลิก

แต่ AlphaGo รอบนี้ดูเหมือนจะเล่นแบบเน้นไม่เสียผลประโยชน์ ทำแต้มน้อยไม่เป็นไรแต่เน้นว่าไม่มีช่องว่าง ถ้าเป็นคนสงสัยคงเจ็บใจที่แพ้ lee sedol กระดาน 4 มาก

new AlphaGo เก่งแค่ใหนดูกระดานหน้า แต้มต่อย้ายข้าง AlphaGo ต้องสู้

เน้นชนะไว้ก่อนว่างั้นเหรอครับ?
ยังงงๆ เหมือนเดิม พอดีไม่รู้เรื่องโกะเลยนอกเหนือจากเคยอ่าน manga แค่นั้นเลยครับ

ยังไงก็ขอบคุณที่อธิบายให้ครับ
รอ เผื่อมีคนอธิบายเพิ่มหรือไม่ก็รอดูกระดานหน้ากันครับ

ขอลองอธิบายแบบยังไม่ได้ดูเกมนะครับ รวมทั้งตั้งอยู่บนสมมติฐานที่ว่า "เน้นชนะไว้ก่อน"

การนับแต้มโกะดูจากพื้นที่ที่สามารถสร้างห้องจริงล้อมไว้ได้ ประมาณเหมือนมีที่ดินกว้างๆ แล้วต่างฝ่ายต่างปักเสาล้อมเขตแดนตัวเองให้มากที่สุด การเริ่มต้นปักเสารอบพื้นที่กว้างๆ อาจได้พื้นที่เยอะก็จริง แต่ก็เสี่ยงที่จะปิดห้องไม่ได้ โดนอีกฝ่ายสกัดจนไม่ครบเป็นห้องครับ ดังนั้นถ้าต้องการแค่ชนะ พยายามสร้างห้องที่ได้พื้นที่แน่ๆ + คอยสกัดฝ่ายตรงข้ามไม่ให้ได้พื้นที่ดีกว่าครับ หรือในกรณีที่คำนวณแล้วว่าเราคะแนนนำอยู่ และถึงตาเรามีทางเลือกที่จะทำคะแนนให้ตัวเอง หรือสกัดคะแนนฝ่ายตรงข้าม ก็อาจจะเลือกอย่างหลังเป็นหลักแทนครับ

ได้ดูแว๊บเดียวเอง เห็นหมากที่ประมาณ 60 กว่าๆ หมากดำตีหมากขาวซะเละ ตอนนั้นนึกว่าหมากดำจะชนะซะแล้ว
ไม่นึกว่า AlphaGO จะพลิกมาชนะได้ซะงั้น

สมองมนุษย์ยังไงก็คิดเร็วสู้ AI ไม่ได้วันยังค่ำ
มันเหมือนกับเอาเด็กประถมทำโจทย์คณิตศาสตร์แข่งกับอัลเบิร์ต ไอน์สไตน์
ควรเอา AI สู้กับ AI ถึงจะแฟร์กว่า.
ทุกวันนี้มี AI ตัวไหนบ้างที่พอจะท้าชนกับ AlphaGo

ความคิดแบบคุณคือการ "ประกาศยอมแพ้" กับคอมพิวเตอร์ไปแล้วครับ

เกม Go มันพิเศษเพราะมันอาศัยความเร็วเฉยๆ ไม่ได้ครับ เพราะความเป็นไปได้มันมากเกินไป แต่ที่ผ่านมามนุษย์กลับอาศัยความเข้าใจในตัวเกมมองเกมทะลุได้โดยไม่ต้องอาศัยความเร็ว

อ่า ... คือมันก็ไม่เชิงนะครับ คือคอมพิวเตอร์ต่างกับคน การพัทนาเกิดขึ้นเรื่อยๆคนเราความสามารถในการเรียนรู้อย่างมากก็ 100 ปี แต่คอมพิวเตอร์เรียนรู้ 100 ปี มันคือการสั่ง copy

อย่างในอดีตหมากรุกฝรั่ง (chess) อยู่ในตำแหน่งที่คล้ายโกะมาก แล้ววันหนึ่งคนก็แพ้ ด้วยคอมพิวเตอร์สมัยนี้ไม่มีใครสู้คอมพิวเตอร์(ที่ไม่จงใจทำให้ง่ายลงเพื่อความสนุก)ใด้แล้ว เพราะการพัทนาของคอมพิวเตอร์ไม่มีข้อจำกัดด้านเวลาเหมือนสมองคน

ไม่ไช่คิดว่ารถวิ่งเร็วกว่าคนแล้วคนไม่ควรวิ่ง แต่ lee sedol แพ้คือ proof of concept การพัทนาแบบคอมพิวเตอร์ แปลว่าวันที่ไม่มีใครสู้คอมพิวเตอร์ใด้กำลังจะมาถึงอย่างแน่นอน

หมากรุกนี่ต่างกันมากครับ เรารู้มานานแล้วว่าความเป็นไปได้ของหมากรุกแม้จะสูงมากแต่อยู่ในวิสัยของการคำนวณคอมพิวเตอร์แน่นอน พอเราสร้างคอมพิวเตอร์ที่พลังประมวลผลมากพอ คิดล่วงหน้าไปได้ไกลพอ มันก็เอาชนะเราได้

Go นี่เรายังไม่เห็นหนทางที่จะคำนวณความเป็นไปได้ทั้งหมดเลยครับ ถ้า brute force ก็ไปได้ไม่กี่ตาข้างหน้าเท่านั้น

AlphaGo ไม่ได้ไช้ brute force ครับ และที่พูดถึงคือ hard ware และ sofware มันไม่มีข้อจำกัดด้านเวลาในการปรับปรุง ถ้ามี proof of concept ว่า AI สามารถทำได้ แล้วให้เวลามากพอ
สุดท้ายคนจะแพ้ AI อย่างแน่นอน เพราะการ upgrade hard ware และ sofware ไม่ติดชั้วอายุของคน

ใช่ครับ มันเลยต่างกันมาก เพราะมัน brute force แบบหมากรุกไม่ได้ไงครับ

"ถ้ามี proof of concept ว่า AI สามารถทำได้ แล้วให้เวลามากพอ สุดท้ายคนจะแพ้ AI อย่างแน่นอน" อันนี้ไม่แน่ใจว่าหมายถึงอะไร เพราะการแข่งทุกวันนี้ (ทั้ง Lee Sedol และ Ke Jie) AI มีเวลาจำกัดเท่าคนครับ จะพอหรือไม่พอไม่รู้

ไม่ใช่เวลาในเกมครับ ...
เวลาในการเรียนรู้ (คน) น่าจะจำกัดอย่างมาก 100 ปี
เวลาเพื่อการ upgrade hard ware และ sofware (ai) ยังไม่เห็นข้อจำกัด

คอมพิวเตอร์มีคนคอยอัพเกรดปรับปรุงอัลกิริทึม ยัด Cpu Ram Hdd เพิ่มเพื่อต่ออายุการเรียนรู้ให้มันมันถึงสามารถขยายขอบเขตการเรียนรู้ได้ ลองให้มันสเป็คเท่าเดิม ก็จะมีปัญหาด้านความเร็วและหน่วยความจำที่ไม่เพียงพอก็ถือเป็นข้อจำกัดของคอมพิวเตอร์ มนุษย์ก็เหมือนกันแต่เราต่างกันที่เราไม่ได้เพิ่มสมองด้วยข้อจำกัดที่ต่างเรากันเลือกที่จะส่งภูมิปัญญาสู่คนรุ่นหลัง จนมันเกิดเป็นทุกสิ่งในปัจจุบัน งั้นจะบอกว่ามนุษย์มีเวลาแค่ 100 ปีก็ไม่ถูกหรอกครับ อีกอย่างข้อจำกัดเรื่องเวลา คงใช้ไม่ได้ในกรณีนี้ เพราะ Ke Jie ก็ยังไม่ตายเล่นโกะมาหลายสิบปี ยังแพ้ AlphaGo ที่เพิ่งเกิดขึ้นไม่ถึง 10 ปีด้วยซ้ำ

ไม่เชิงครับ ถูกแล้วว่า AI นั้นเปลี่ยนเสปคใด้ ถึงจะบอกว่าเป็นข้อจำกัด แต่ก็ถือว่าไม่มีเพราะแก้ไขใด้

ในทางกลับกัน สมองคนเราทำงานอย่างไร ยังเป็นสิ่งที่วิเคราะห์ออกมาไม่ใด้ แต่ความเร็วในการคิดคำณวนและการจดจำมีข้อจำกัดครับ ด้วยเทคโนโลยี่ตอนนี้ คนเราเรียนจากอนุบาลถึงมหาวิทยาลัย ไช้เวลานานกว่า ai ย้ายข้อมูลแน่นอน

คอมพิวเตอร์เครื่องอัปเกรด (สมมติง่ายๆ ไม่ต้องอัปเกรดเครื่องเดิม ซื้อเครื่องใหม่มาแทน) เทียบกับคนมีลูกแล้วกันครับ คนกว่าจะสอนความรู้เข้าหัวกันได้ใช้เวลานานมากและไม่ใช่สำเนาเป๊ะด้วยมีความคลาดเคลื่อนไปเรื่อย ส่วนลูกของคอมนี่สำเนาความรู้ได้ถูกต้องเป๊ะๆ

เท่าที่อ่าน Deep Learning ทำให้หุ่นยนต์เริ่ม "มีเซนส์" ตำแหน่งหมากที่คนจะลง/ควรจะเล่น ที่แต่ก่อนหุ่นยนต์ไม่มี
แล้วค่อยใช้ soft brute force แบบ malticarlo เข้าไปชั้น
ทำให้ความได้เปรียบที่มนุษย์เคยมีสมัย hard brute force แบบไม่มีเซนส์ หายไป

มองว่า น่าจะเกิดจากข้อมูลที่ใช้เทรนด้วยครับว่าเอียงไปทางด้านไหน

ผมคิดว่าคงไม่สามารถป้อนข้อมูลที่เป็นกลางเป๊ะ ๆ หรือครอบคลุมทุกด้านได้หมดหรอก (เพราะการนิยามความเป็นกลางหรือครอบคลุมนี่น่าจะยา่กอยู่นะ)

Hoo Wed, 24/05/2017 - 12:49

In reply to by mr_tawan

ที่อ่าน paper มา
มันมี deep learning 2 ชุด
ชุดแรก เกิดจากเอาตัวอย่างเกมที่คนเล่นใส่เข้าไปจนมันเริ่มมีเซนส์ว่า คนน่าจะเดินที่ตรงไหน
อีกชุด คือ ให้มันเล่นกับตัวเอง จนเกิดเซนส์ว่า ตรงไหนที่น่าจะดี

แล้วเอาผลลัพธ์จากทั้ง 2 ชุดมาคละ monticarlo เพื่อเป็น game tree ของตาต่อไปเรื่อยๆ
ทำให้มันตัดการคิดตาที่ไม่จำเป็นได้มหาศาล

นี่คือ ver ที่เจอกับ Lee

ส่วน ver KeJie นี่ ด้วยความเร็วที่เพิ่มขึ้น
สันนิฐานว่า มันรวม 2 deep learning เข้าด้วยกันเรียบร้อยแล้ว
สงสัยตรงที่มันรวมกันยังไง

  1. เอา neural จากทั้ง 2 ชุดมารวมกันแล้วเริ่มคัด neural ที่ performance ต่ำออก
    (แนวทางนี้ AI ในอนาคตจะโหดมาก
    เพราะมันจะแยกย้ายกันไปเรียนรู้ แล้วมารวมกันทีหลังได้)
    หรือ
  2. สร้างชุด neural ใหม่ แล้วให้เล่นกับตัวเก่า จนได้ชุดใหม่?
    (เหมือนผู้ใหญ่สอนเด็ก ซึ่งจะนานกว่า และมีการสูญหายตกหล่น)

(19x19)! ยังไงคอมก็คำนวนทางเล่นได้ไม่หมดครับ ถ้าเทียบกับหมากรุกที่หมากแต่ละตัวมีการเดินที่ตายตัวของมัน
สิ่งที่ ai ยังสู้คนไม่ได้ น่าจะเป็นการ พิจารณา การเดิมแต่ละหมาก ต่อให้ train ยังไง ก็ไม่มีทางหาทางที่ดีที่สุดได้
แต่ ai น่าจะได้เปรียบตรงที่ ไม่มีอารมณ์ ไม่เหนื่อย

มนุษย์ไม่ใช่แค่คิดช้ากว่าคอมพิวเตอร์ แต่มีตัวแปรอื่นๆอีก เช่น ความเหนื่อยล้า ความเครียด ความวิตกกังวล ที่ทำให้มนุษย์ไม่แน่นอนพร้อมที่จะพลาดได้ตลอดเวลา
ส่วนคอมพิวเตอร์นอกจากมันคิดเร็วแล้วมันไม่มีปัจจัยพวกนี้ ทำให้ได้เปรียบมาก
เกมส์ go เป็นเกมส์ที่ต้องคำนวนความเป็นได้เยอะ อีกทั้งยังมีเวลาจำกัดแบบนี้ มนุษย์เอาชนะได้ยาก

แต่สิ่งที่มนุษย์เหนือกว่าคอมพิวเตอร์ก็คืองานที่ต้องใช้ความคิดสร้างสรรค์สิ่งใหม่ๆ

อีกหน่อยคอมพิวเตอร์จะรู้จักศิลปะอย่างถ่องแท้ครับ เพราะมันอิงกับประสบการณ์ที่เราเจอมา ภาพที่เราเห็น เสียงที่เราได้ยิน สัมผัส และอื่นๆ พวกนี้แปลงเป็นตัวเลขได้เกือบหมดครับ

ถ้าคนสมัยก่อนคิดแบบคุณ โลกมันไม่ก้าวมาถึงทุกวันนี้หรอกโดยเฉพาะ AI

เมื่อก่อนมนุษย์ต้องเป็นคนสอนให้ AI คิด แต่ปัจจุบันด้วยความเร็วในการเรียนรู้ของ AI มันเลยสามารถลองผิดลองถูกได้มากกว่าเวลาทั้งชีวิตของมนุษย์เสียอีก ดังนั้นต่อไปมันก็กลายเป็นมนุษย์ไปเรียนรู้จาก AI แทน และการเอามนุษย์มาแข่งกับ AI ในครั้งนี้เขาไม่ได้ทำเพื่อจะดูแค่ผลชนะเพียงอย่างเดียว เขาทำเพื่อ"เรียนรู้" ไม่ใช่ "ยอมแพ้"

AI ระดับรองๆ ลงมา ก็มี FineArt ของจีน กับ Zen ของญี่ปุ่น

ตัว Ke Jie เองบอกไว้ว่า AI ทั้งสองตัวนั้นเก่งมาก แต่ก็ยังห่างชั้นจาก AlphaGo อยู่

นับยังไงอ่ะครับว่าตาไหน AlphaGo เดินพลาด? ช่วงกลางเกมอาจจะมีหมากที่ "เดินแปลกๆ" แต่ท้ายเกมกลับมาสำคัญมากก็ได้

ในทางกลับกัน หมากแปลกๆ นั้นอาจจะถูก Ke Jie มองออกแล้วแก้เกมจนดูเหมือนเดินพลาดก็ได้ครับ

nzing82 Wed, 24/05/2017 - 07:53

ชนะ 0.5 แต้มนี่อาจจะตั้งใจก็ได้ คือกันไม่ให้มนุษยชาติเสียหน้าและกังวลเกี่ยวกับกับ AI มากเกินไปก็ได้...