奇蹟祈願 作品
第298章 一萬小時
工作有的算有的不算,是因為不少人的工作都在“舒適區”,而這種刻意練習又得躲開“恐怖區”。
儘管每一次揮動手臂,林奇還得分析著去向、用力、角度,對他來說都是勞心勞力的事,但他都死死咬牙堅持著。
對著砧板切肉誰都會,但能夠每一次切肉都在思考紋路,甚至事後還補充知識避免前人彎路的,則少之又少。
人類在作決策的時候,有兩個判斷系統,經驗系統與分析系統。
經驗系統自動運轉,彷彿開著自動駕駛般,省去油門與剎車,佔用精力很少。
分析系統則需要自身對複雜的信息進行處理,然後再根據理性進行分析,耗費精神大。
因而大多數情況下,經驗系統為分析系統提供者“直覺”、“印象”、“意願”、“態度”。
偏偏,人類或者說萬物天生就是懶惰的生物。
天生傾向於省事。
林奇也清楚,他本能就是傾向於靠經驗和個人直覺作判斷,通過經驗系統避開需要大腦費神費力思維的分析系統。
所以後來林奇一直刻意的進行“訓練”。
並非說他下意識讓自己多思考不依賴經驗,反而是訓練他的“經驗系統”,通過無數次的“分析”來訓練出真正接近全面的“經驗系統”。
然而,主動的訓練終究太慢。
林奇看著滿目蒼夷的地面,儘管這些原魔都躺著任由他屠殺,但林奇的這種“刻意”訓練,終究太慢了。
一個路邊的大臺北奶茶店終究只能養活一家幾口,可是當它變成連鎖時,得到的便可能是數十上百億的估值。
木工賣一張“椅子”,所生產的量終究突破不了一天24小時的極限。只有無形的“軟件”才能夠將邊際成本下降到零,實現真正的財富積累。
正如前世的alphago之所以能成為圍棋之神,本質上的神經網絡與搜索算法便是一種“訓練”。
15年10月,alphago5:0擊敗了歐洲圍棋冠軍樊麾。
16年03月,alphago4:1擊敗了前世界冠軍李世石。
17年01月,alphago改版程序“master”完成六十連勝,橫掃所有中日韓頂尖高手。
17年05月,alphago3:0擊敗了世界排名第一的中國選手柯潔。
當時關心局面的林奇,內心還保有著人類依舊有勝利希望的幻想,認為人類頂尖棋手如果得到alphago的長期訓練,定然能夠再度拔尖。
一直到當年,他聽到了另一個消息——
17年10月,一個全新的變種alphagozero,完全擺脫過往所有的人類對局,只有基本的下棋規則後自己以一臺帶著4個tpu的機器從零開始通過機器學習,
3小時,alphagozero成功入門圍棋。
36小時,alphagozero摸索出所有基本重要圍棋知識,100:0擊敗戰勝李世石的alphagov18版本。
21天,alphagozero達到了master水平。
40天,alphagozero對戰master的勝率達到90%。
40天,2900萬局圍棋便實現了人類兩千年都未曾出現的圍棋界獨孤求敗!
機器,某種程度而言比人類更為可靠。
林奇深刻明白這一點,倒也不是人類比不上機器。
而是人類的性能尤其是alu模塊至今依舊完虐計算機,甚至那耗能更是無解。
儘管每一次揮動手臂,林奇還得分析著去向、用力、角度,對他來說都是勞心勞力的事,但他都死死咬牙堅持著。
對著砧板切肉誰都會,但能夠每一次切肉都在思考紋路,甚至事後還補充知識避免前人彎路的,則少之又少。
人類在作決策的時候,有兩個判斷系統,經驗系統與分析系統。
經驗系統自動運轉,彷彿開著自動駕駛般,省去油門與剎車,佔用精力很少。
分析系統則需要自身對複雜的信息進行處理,然後再根據理性進行分析,耗費精神大。
因而大多數情況下,經驗系統為分析系統提供者“直覺”、“印象”、“意願”、“態度”。
偏偏,人類或者說萬物天生就是懶惰的生物。
天生傾向於省事。
林奇也清楚,他本能就是傾向於靠經驗和個人直覺作判斷,通過經驗系統避開需要大腦費神費力思維的分析系統。
所以後來林奇一直刻意的進行“訓練”。
並非說他下意識讓自己多思考不依賴經驗,反而是訓練他的“經驗系統”,通過無數次的“分析”來訓練出真正接近全面的“經驗系統”。
然而,主動的訓練終究太慢。
林奇看著滿目蒼夷的地面,儘管這些原魔都躺著任由他屠殺,但林奇的這種“刻意”訓練,終究太慢了。
一個路邊的大臺北奶茶店終究只能養活一家幾口,可是當它變成連鎖時,得到的便可能是數十上百億的估值。
木工賣一張“椅子”,所生產的量終究突破不了一天24小時的極限。只有無形的“軟件”才能夠將邊際成本下降到零,實現真正的財富積累。
正如前世的alphago之所以能成為圍棋之神,本質上的神經網絡與搜索算法便是一種“訓練”。
15年10月,alphago5:0擊敗了歐洲圍棋冠軍樊麾。
16年03月,alphago4:1擊敗了前世界冠軍李世石。
17年01月,alphago改版程序“master”完成六十連勝,橫掃所有中日韓頂尖高手。
17年05月,alphago3:0擊敗了世界排名第一的中國選手柯潔。
當時關心局面的林奇,內心還保有著人類依舊有勝利希望的幻想,認為人類頂尖棋手如果得到alphago的長期訓練,定然能夠再度拔尖。
一直到當年,他聽到了另一個消息——
17年10月,一個全新的變種alphagozero,完全擺脫過往所有的人類對局,只有基本的下棋規則後自己以一臺帶著4個tpu的機器從零開始通過機器學習,
3小時,alphagozero成功入門圍棋。
36小時,alphagozero摸索出所有基本重要圍棋知識,100:0擊敗戰勝李世石的alphagov18版本。
21天,alphagozero達到了master水平。
40天,alphagozero對戰master的勝率達到90%。
40天,2900萬局圍棋便實現了人類兩千年都未曾出現的圍棋界獨孤求敗!
機器,某種程度而言比人類更為可靠。
林奇深刻明白這一點,倒也不是人類比不上機器。
而是人類的性能尤其是alu模塊至今依舊完虐計算機,甚至那耗能更是無解。