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。