[心得] 从Alphago黄博士看围棋界的变革与未来

楼主: Fujiwarano (???)   2017-01-05 11:01:07
最近几天火红的新闻,网络围棋出现一个叫做Master的帐号,60连胜中日韩台世界冠军
的顶尖高手,昨日在对局中,亲自回应公开自己的身分就是Alphago的黄博士,其实从前面
几次难得打字出现繁体字的回应,不难猜到就是黄先生,因为就棋界来说,会使用繁体中
文的国家只有台湾。从Alphago这次造成的旋风,很多新闻或是网络乡民们,内行人看门道
,外行人看热闹。甚至有人在嘲笑这些顶尖职业棋士们即将面对AI的这波浪潮失业,我个
人其实并不以为然。但是可以预见的是,围棋界已经掀起了惊天动地的一波革命性的浪潮
。可能也有正在让小朋友学围棋的家长们感到怀疑觉得现在AI这么强,连当今全球职业棋
士都赢不过了到底现在让小孩子学围棋还有没有未来?
这个答案相信众多的家长们都很想知道,作为教育者的角度来看,其实这个答案还是
肯定的。学围棋重视的是当中的这些过程,而不是胜败这种一盘棋的结果。还记得以前
没有电脑的时代,大家做会计只能够用算盘,甚至大家还很疯狂去学珠心算参加检定。
但毕竟电脑科技发展出来以后,的确珠心算将近走入了历史,但是不可否认的珠心算带给
很多小朋友计算数学的方便与加速的功能。学围棋亦然,个人可以很肯定地说一件事情,
如果开发AI的人不是证书业余六段的高手黄博士,而是没有段位的工程师甚至不会下围棋
的工程师,绝对不可能创造出这么强的AI。原因很简单因为只有懂围棋的人才知道自己的
弱点在哪里,但正因为就是自己的弱点,才会想到很多类似像珠心算那样重复的过程可以
交给科技来运算。科技使终于来自于人性。正因为业余六段在围棋的综合观念来说其实已
经把围棋大部分的观念都学习完毕了,从布局到中盘的战斗计算与谋略大局观等观念,
甚至收盘官子的观念,大致上都学习完毕了,那跟职业的差距就只剩下一件事情,那就是
细算与复盘的完整度。
这里我要说个小故事,2016年底的时候,我参加了一场应昌期基金会举办的大成杯,
刚好因缘际会遇到一位今年刚考上职业棋士的女生的妈妈,中间某一盘过后,这位职业棋
士女生输给了业余的某位,但她想一想还是觉得好像没有输,所以当场我就在旁边看到她
跟她的对手在裁判的监督之下重新把这盘棋复盘到最后且收官算完。这对只有业余二段的
我来说算是一个难得亲身体验的震撼教育。两位的记忆可以完整地把一盘复杂200多手的
棋复盘完成。但是我必须要说,对于职业棋士甚至台面上众多顶尖的中外职业高手来说,
这个是家常便饭,a piece of cake 。这就是学到近顶尖的高手们跟一般人的脑部发育的
差距。
学习围棋从来胜败都不是对弈者应该太过在意的目标,要创造100连胜或是一千连胜,
只要都跟比自己弱的人下就不会输了,但是我必须要讲,对于如果产生这样心态的小朋友
来说,这样的观念却是错的。追求神乎其技的一手,勇敢向未知与困难困境挑战,这才是
学围棋最大该学到的正确心态。学习围棋我们重视的是小朋友成长的过程,让他们学习到
礼貌、尊师重道的精神,甚至在众多围棋的格言中,(不得贪胜、入界宜缓、势孤求和...
等)学习到可以应用在人生道路面对挫折的真理。当然这些属于理想的部分,但就以现实上
教学所遇到的案例,学围棋确实可以让小朋友脑部发育比没学过围棋的小朋友来的快且
具有优势。自己教学的经验看到的,从中班大班就学围棋的小朋友到了小一,语言发展的
能力已经比小一才开始学围棋的小朋友语言发展的能力明显优势很多。而学过围棋的小朋
友因为题目的练习与下棋的刺激练习,空间抽象能力还有记忆力还是明显比没学过或是
刚开始学围棋的小朋友又来的具有优势。这就是学围棋最大的好处,小朋友在最精华的
成长爆发期过程中,学围棋可以帮助加速脑部发育他成长的速度,而且重点是寓教于乐。
学围棋的小朋友很少有觉得无聊的,他们都很享受赢棋的成就或是达成自己设定目标中
间辛苦的过程与输棋的泪水。这也是家长们可以从中体会到小孩的成长,甚至是会下围棋
的爸爸妈妈们一个很好可以跟亲子心灵交流的机会与平台。没有业余六段的黄博士,不会
有这么惊人的围棋软件AI发展让举世惊艳的成就,没有学过围棋的黄博士,现在应该也
不会有这项惊人的发展与达到人类历史里程碑等级的这项成就。相信这也是让自己小朋友
学围棋的家长们望子女成龙成凤的一个初衷。
期待台湾能借由这次黄博士与Alphago带来的这阵旋风,让更多家长们能够放心让
小孩子学围棋,学围棋的小朋友们长大后在各行各业的成就都非常优秀,不是吗?
作者: devon5 (Dev一)   2017-01-05 11:12:00
推 心得
作者: arthurwang (莫言)   2017-01-05 11:27:00
推心得
作者: changmada (马大)   2017-01-05 11:31:00
推不过如果跟我下 我乱下一通保证她无法覆盘
作者: rademiel (喵)   2017-01-05 11:34:00
作者: jim543000 (玄黄无极)   2017-01-05 12:29:00
复盘跟乱下一通与否无关==
作者: changmada (马大)   2017-01-05 12:40:00
有关 我下的棋完全没有关联性我的棋和她的棋没有关联我的棋前后也没有关联 这样她是不可能背得起来
作者: politics (politician)   2017-01-05 12:43:00
其实你要是真的了解deeplearn里面怎么玩的 会发现开发者本身的围棋能力比重比你想像的还要低 局势判断部分用
作者: Scarletbird   2017-01-05 12:43:00
就像考完试 你还是会记得 选了什么答案一样吧
作者: politics (politician)   2017-01-05 12:44:00
比较多, 跟machine learning比起来 deeplearn种整体架构
作者: aaaba (小强)   2017-01-05 12:50:00
乱下要能覆盘,大概就是把1-361中随机抽100个数字,然后打散顺序,硬背起来的难度
作者: sylviehsiang (Shawn)   2017-01-05 12:55:00
不只 还要有空间概念 因为子摆在哪边又是一个关卡
作者: milk7054 (莎拉好正)   2017-01-05 12:59:00
乱数抽样,因为不知道对手下一部是什么把对手可能的应手考虑进去,随机抽样得到最有价值的策略
作者: NCUking (中大王)   2017-01-05 13:03:00
AlphGo能领先其它的AI 黄博士本身的棋力是关键之一
作者: milk7054 (莎拉好正)   2017-01-05 13:06:00
每一步的价值是跟电脑预期对方的应手评估的结果
作者: stevengoddy (过去过不去)   2017-01-05 13:06:00
推了
作者: henry1234562 (亨利二十三)   2017-01-05 13:15:00
黄博士是关键 但是关键德不会是他的棋力..
作者: Aipr (阿伯)   2017-01-05 13:37:00
关键的是Policy和RL,阿甲关键之处可能是以他的经验减少试误
作者: aegis43210 (宇宙)   2017-01-05 13:51:00
黄博士强在他对电脑围棋打劫的研究,涉及到混沌动力
作者: panda1031 (熊猫)   2017-01-05 16:08:00
推 想到小时学棋 虽然不久但很感谢爸妈 后来唸书不错

Links booklink

Contact Us: admin [ a t ] ucptt.com