AlphaGo 已经十年了
AlphaGo十年回顾：围棋AI变迁，CV/NLP转型，战鹰塌房，硬件纪念品
1. 关键信息
- #1 @POI：推荐AlphaGo纪录片，回顾2016年AI尚未普及，围棋选手被AI针对。
- #3 @Hali：分享学棋经历，围棋老师月薪一万，后成植物人；福州一中围棋水平高。
- #4 @Thickness4968：当年读AlphaGo论文但未all in AI，至今打工。
- #5 @LoRA：从未怀疑AI潜力但未入行，询问为何没有纯RL大模型。
- #7 @skr：围棋下得好但学习倒数，认为AI毁了围棋乐趣。
- #9 @skr：现在职业棋手（如柯洁）天天与AI对战，背AI谱，传统棋谱被推翻。
- #10 @Thickness4968：当年CV更火，NLP被认为数据少噪声多特征不明显。
- #15 @zhuzhupang：ChatGPT改变世界，NLP突破碾压CV。
- #18 @aia：围棋价值判断更重要，AI统治下仍有魅力，欢迎切磋。
- #19 @民生汐止線：围棋变成AI定石背诵，但人跑不过汽车不影响田径魅力；棋类运动随娱乐多样化慢慢消亡。
- #22 @dyyfk：福州学棋氛围好，但用脑过度看解说会头晕。
- #23 @skr：十几年前业余四段，十几年没碰，前一阵跟朋友教棋的下了一局，对方说只剩二段水平。
- #24 @So_long：我不是说了记忆力？（回应前文关于围棋记忆的讨论）
- #25 @Wujiu：？发生什么了（对塌房话题的疑问）
- #26 @katrix：战鹰塌房只是流量下降，没有实质事件；网友罗列理由（假装单身、惹怒柯洁、真以为自己好看、分手、不爱玩游戏硬玩、不下棋丢基本盘）其实都是已知信息，像闺蜜批斗绿茶。
- #27 @Rosmontis：17-18年入学做NLP，当时还是词袋、分词、Word2vec，毕业时24年不换方向死路一条。
- #28 @lancelot101：POI提到2016年transformer尚未问世，OpenAI还在研究DOTA；原来上一次Ti夺冠已经是10年前。
- #29 @民生汐止線：回应#27，词袋、分词、Word2vec这些名词现在有LLM后已无意义。
- #30 @柳湘寒：美国超级计算机就两家，狗和IBM，IBM基本废了；Google现在逢低就入。
- #31 @Wujiu：超算还有未来吗？现在都推data center和存储。
- #32 @柳湘寒：狗有领先的量子计算机也很被看好。
- #33 @aia：想在美国教棋，业五水平，野狐8d站稳；当地美国老大爷多但没小朋友。
- #34 @搞钱不到钱只能玩卡：下棋玩法变了，国际象棋也是背最优解，乐趣大减；类比Dota靠更新维持活力，传统棋类没这机会。
- #35 @Pinocchio：看成单依纯，心想这跟辅助来打野都什么关系（误读）。
- #36 @LoRA：回应#35，RL现在绝对被低估。
- #37 @az8：记忆力差，单词记不住，英语最烂，数学考试现场推导公式。
- #38 @So_long：下棋应该提前算到后面十步，记忆力不应该很重要吗？
- #39 @收束观测者：Working memory和Long term memory是两个不同机制。
- #40 @土拨鼠工业发展促进会：已经从alphaGo变成alphaGone了（调侃）。
- #41 @LoRA：alphgo的去做gemini啊。
- #42 @AmericanExpress：小学毕业暑假下过三盘围棋，记得跟谁下的；成绩不差但打牌下棋水平奇差，纯血做题家。
- #43 @Nospace：回应#42，自己也类似，怀疑是否ADHD导致。
- #44 @CatGPT：游戏多但俄罗斯方块仍有人玩，通关才几年前实现。
- #45 @Ava.太太太后：以为AlphaGo后围棋会凉，结果身边人照下；AI更像凶的复盘老师，乐趣还在。
- #46 @az8：记忆的确很重要，不然定式也记不住啊。不过可能感兴趣的东西容易记住，不敢兴趣的要靠死记硬背的就不容易记住了。
- #47 @skr：我朋友是在加拿大教，前期好像挂的华人教围棋的机构 后来就是多去比赛 当地打出点名堂，主要就是给华人小孩教的，其实还挣得挺多的
- #48 @duola1004：下个围棋 戏都这么多 网友还是无聊啊
- #49 @无空格简短：那现在还是人和人下，还是人和AI下？后者岂不是会带来很大的挫败感？
- #50 @duola1004：不然为啥 大家都爱 短视频 爽剧 太累了
- #51 @katrix：闹麻了，感觉一夜之间各种帖子和视频说她塌房，各个平台，哪哪儿都是倒鹰派，关键是我还和其中一些网友聊过这些问题，他们还真是真心实意讨厌她，一本正经地和我算时间线
- #52 @xxxyyy：LLM也要分词呀
- #53 @aia：现在ai能模拟对应的等级，甚至有初学者水平的ai。职业顶尖棋手和满血ai下的话，ai要让2-3个子是好胜负
- #54 @Thickness4968：Startrek: 但是CV现在转行multimodal的也不错啊，只是很多人没有机会换赛道。 难说，如果你16年进入了CV坑，那么大概率会先刷一大堆目标检测等问题的水论文，然后毕业陷在某些小众宝藏领域比如说垂直领域安防，各种手写openCV算子和经验特征工程，在很少数据情况下和后面的multimodal浪潮脱节，最后由于cv行业退潮被迫调模型部署一把抓，各种手动模型量化部署tensorRT 沦为民工
- #55 @jnnksn：Alphago用不用定式，有无新的定式合集
- #56 @jnnksn：柯洁天天跟ai学的话能不能偶尔赢几盘，还是学多久也没用
- #57 @bravefilm：dyyfk: 太烧脑子了 不少职业棋手下棋时都需要戴着氧气面罩给大脑超频。
- #58 @DreamingKevin：/uploads/short-url/kaNdYb2HIUSWqjk0kZKfoajR4vz.jpeg?dl=1 还有人记得当年的这个吗
- #59 @aia：没啥用，人类无法准确做出价值判断，柯洁下的是他觉得还行的变化，但很多时候不是最优的，一步一步差距就拉开了
- #60 @民生汐止線：jnnksn: 能不能偶尔赢几盘 让两个子的话可以，少于两个子只有惨败一种可能
- #62 @POI：Thickness
最近重温AlphaGo纪录片，感慨颇深。2016年，transformer尚未问世，OpenAI还在研究DOTA，只有围棋选手被AI针对…… 不知道当时职业围棋手和现在码工的感觉是不是一样的 话说回来纪录片拍得相当出色，强推 - https://www.youtube.com/v/WXuK6gekU1Y
蚂蚁竞走十年了
小时候学棋也是对一辈子影响挺大的 从小就接触ai了也算，老师说可以去跟电脑下棋，没想到下了几年后人类下不过电脑了。。。 我一直觉得下棋越好成绩越好，大概类似思维转得快吧 跟我一个水平的都跟我上了一样的高中，有机会未来也会让未来不知道什么时候会有的孩子也去学习，以小见大 当时高中一全校广播说谁会下棋，结果前三个会下的都是以前一个补习班的，然后去了福州打比赛被剃光头灰溜溜的走了，福州一中太恐怖了 学棋也算一段很美好的回忆，也没什么拿得出手的兴趣爱好了 记得有个围棋老师月薪一万，挺厉害的，对我影响也挺大的，不学棋后两三年听说他植物人了，唉 湖南，郴州，姓范，来我们那旮旯教棋，过完年回来都会带一袋子的辣的小鱼干分给所有人吃，以后回去了有机会想去见见
还记得当年课程作业就是读alphago paper ， 但是当年大部分人都将信将疑ai潜力没有all in，现在还在打工
Thickness4968: 疑ai潜力没有all in，现在还在打工 我从来没怀疑过ai的潜力，但是没有机会进入这个领域啊。 只能说一步错步步错。 现在RL也是大火啊，大佬们知道为啥还没有单纯依靠RL 的大模型么？
Hali: 下棋越好成绩越好 记忆力好，计算快，思维转的快（猜的）
不一定。鄙人以前就棋下得不错但是学习倒数 很多年没下了晚上才无意刷到了柯洁下棋的解说有感受到了围棋的魅力。但现在基本也都被ai毁了
skr: 但是学习倒数 lol 我完全不懂棋但是因为骑手关注过一段时间。听说现在就看谁背ai的谱子背的多
以前的同学有个在北美教围棋，前一阵子聊了一下。就算是柯洁现在也是很枯燥的天天和ai对战。他说现在练棋就是不停和ai下 你学ai越像就越容易赢别人。以前的棋谱基本都推翻了，当然永远赢不过ai。对我来说已经失去这项运动的乐趣了
当年火的基本都是cv，大家基本觉得想象空间就是安防 工业自动化。摆到当年你未必会选择做被认为数据少噪声多特征不明显的nlp
但是CV现在转行multimodal的也不错啊，只是很多人没有机会换赛道。
战鹰都塌房了，令人感慨
Thickness4968: 数据少噪声多特征不明显的nlp 记得当时中文nlp还很依赖分词
LoRA: 为啥还没有单纯依靠RL 的大模型么？ 这句话什么意思
同意，当年有比较快突破的就是图像识别和定位，没想到NLP这里形成了突破并且碾压。而且想alphago，cv这些很多都是小范围的相关人员兴奋，发展再快也就是吹吹牛要实现自动驾驶了。chatgpt出来那几天，我是深深的怀疑世界从此改变了，因为它开始改变所有人的生活了
你应该想想，10年之后，又有一篇如此文章，说说 transformer，LLM，然后说到那时候还没有XXX技术，AI还没有如此如此
不是，下棋人家想5步你想10步，这才是最重要的。
爱好者下着玩是这样，职业棋手更多的在于价值判断，纯计算不会差很多。说起来围棋真是很神奇，小时候学从来没体会过势与地的变幻莫测，失之东隅收之桑榆，永远在变化之中。我是觉得即使ai统治了围棋，围棋也还挺有意思。另外欢迎谭里想下围棋的来和我切磋，鄙人水平还可以哈哈。
现在确实已经变成了AI定石背诵游戏 我觉得人下不过AI不代表围棋就没有魅力了 人跑不过汽车并没有让田径失去魅力 10年过去了围棋没有死 但是随着人类娱乐多样化所有棋类运动都会慢慢死去的 这个总体趋势无法改变 不可能回到以前没有手机电脑的时候了
我应该有业余初段水平，我喜欢下，但是没时间啊，只好等退休以后无事可干的时候下棋了。
不是 电影不是已经有demis 纪录片了吗 乐 原来是续集啊
我也是福州学棋的哈哈，感觉福州这边学棋氛围很好。不过长大成人之后感觉真的太烧脑子了，没什么时间碰。我有段时间忽然又感兴趣了，关注了好久比赛，但是只要白天一用脑过度，晚上看人解说围棋我觉得头晕的不行。
十几年前业余四段，十几年没碰过，前一阵跟朋友教棋的下了一局他说我大概只剩二段水平了
我不是说了记忆力？
？发生什么了
我也很好奇，后来研究了一下，其实就只是流量下降了而已。各路网友分析了一通，找了一堆理由，其实最后都只落在流量下降上，并没有一个实质明确的塌房事件。 他们罗列的理由无非是，假装单身，惹怒柯洁，真以为自己好看，分手，不爱玩游戏却硬玩，不下棋丢基本盘。 我看了一堆批斗贴，基本就这几个理由，然后我各种一脸懵逼，很多这些事不是大家都知道吗？怎么各种分析都和闺蜜批斗绿茶一样
17,18年入学开始做NLP，当时还是词袋，分词，Word2vec，然后毕业时24年 不换方向死路一条
POI: 2016年，transformer尚未问世，OpenAI还在研究DOTA 原来上一次Ti夺冠已经是10年前了吗
Rosmontis: 词袋，分词，Word2vec 好怀念这些名词，现在有LLM了这些手法都没有任何意义了吧
美国超级计算机就两家，狗和IBM. IBM基本废了。。。 Google 现在逢低就入吧。
超算还有未来吗 现在不都推data center和存储
狗有领先的量子计算机也很被看好。
其实我挺想在美国教棋，不知道有没有门路。我大概是业五，能在野狐8d站稳，我这片区域线下下棋有很多美国老大爷，但是没啥小朋友
下棋本来就和以前不同了 国际象棋也是 最开始都是狂背棋谱然后现场狂算 后来都是各种背最优解vs最优对抗 现场更多变成了背不过来时候新情况的临场发挥和身心素质 也不能说棋类彻底没了 但是玩法彻底变了 乐趣反正我个人觉得已经掉了一大截 嘛 竞技哪个卷到最后都差不多 dota不还是靠更新改规则维持活力在每个版本卷出定式之后推倒重来 传统棋类没这个机会乐趣就是越来越少
看成单依纯了，心想这跟辅助来打野都什么关系吗
Pinocchio: 心想这跟辅助来打野都什么关系 RL现在绝对被低估了。
不一样的，我记忆力很差，所以单词记不住，英语最烂，数学考试考的时候现场推导公式，因为没记住。
那我确实不知道了，但是下棋不是应该提前算到后面十步，这样的话记忆力不应该很重要吗
Working memory和long term memory是两个不同机制
已经从alphaGo变成alphaGone了
alphgo的去做gemini啊
这辈子只在小学毕业的暑假里下过三盘围棋，我还清楚的记得是跟谁下的。后来就彻底荒废了。 说来也好玩，我成绩不差，但是打牌下棋水平奇差无比，纯血做题家了属于是。
AmericanExpress: 说来也好玩，我成绩不差，但是打牌下棋水平奇差无比，纯血做题家了属于是 我也是。。 怀疑是不是ADHD的原因 lol
也不一定 现在游戏这么多 俄罗斯方块还是不少人玩 通关都只是几年前才实现的
我当时也以为AlphaGo之后围棋会凉，结果后来发现身边下棋的人还是照下。AI更像一个很凶的复盘老师，不太像终结者，乐趣还在。
记忆的确很重要，不然定式也记不住啊。不过可能感兴趣的东西容易记住，不敢兴趣的要靠死记硬背的就不容易记住了。
我朋友是在加拿大教，前期好像挂的华人教围棋的机构 后来就是多去比赛 当地打出点名堂，主要就是给华人小孩教的，其实还挣得挺多的
下个围棋 戏都这么多 网友还是无聊啊
那现在还是人和人下，还是人和AI下？后者岂不是会带来很大的挫败感？
不然为啥 大家都爱 短视频 爽剧 太累了
闹麻了，感觉一夜之间各种帖子和视频说她塌房，各个平台，哪哪儿都是倒鹰派，关键是我还和其中一些网友聊过这些问题，他们还真是真心实意讨厌她，一本正经地和我算时间线
LLM也要分词呀
现在ai能模拟对应的等级，甚至有初学者水平的ai。职业顶尖棋手和满血ai下的话，ai要让2-3个子是好胜负
Startrek: 但是CV现在转行multimodal的也不错啊，只是很多人没有机会换赛道。 难说，如果你16年进入了CV坑，那么大概率会先刷一大堆目标检测等问题的水论文，然后毕业陷在某些小众宝藏领域比如说垂直领域安防，各种手写openCV算子和经验特征工程，在很少数据情况下和后面的multimodal浪潮脱节，最后由于cv行业退潮被迫调模型部署一把抓，各种手动模型量化部署tensorRT 沦为民工
Alphago用不用定式，有无新的定式合集
柯洁天天跟ai学的话能不能偶尔赢几盘，还是学多久也没用
dyyfk: 太烧脑子了 不少职业棋手下棋时都需要戴着氧气面罩给大脑超频。
/uploads/short-url/kaNdYb2HIUSWqjk0kZKfoajR4vz.jpeg?dl=1 还有人记得当年的这个吗
没啥用，人类无法准确做出价值判断，柯洁下的是他觉得还行的变化，但很多时候不是最优的，一步一步差距就拉开了
jnnksn: 能不能偶尔赢几盘 让两个子的话可以，少于两个子只有惨败一种可能
correct
Thickness4968: 手写openCV算子 Thickness4968: 被迫调模型部署一把抓 Thickness4968: 部署tensorRT 说实话现在会这些也挺好的，至少不会失业
有无让两字视频？一两个字区别就这么大吗
Rosmontis: 17,18年入学开始做NLP，当时还是词袋，分词，Word2vec，然后毕业时24年 老实说18年开始搞这些已经有点过时了 如果学院老师是做这个应该17年本科课就要开始讲Seq2Seq、Attention了，18年transfomer和通用大模型这条路应该已经跑通poc了 POI: 说实话现在会这些也挺好的，至少不会失业 当年那批同学有的在这些小众领域当中坚力量，也有一些被cv大模型彻底取代失业了
很多CV PHD毕业了也是去企业当相关的eng，毕竟没几个企业雇scientist 然后当eng这些很多都转LLM的infra了
收到AlphaGo同款硬件纪念样品已经4年了 /uploads/short-url/zEoZF1L90ZUdAyvLjRWYS8oNJtI.jpeg?dl=1