1樓：
雖說機器學習的理論很早以前就建立了，但是相對其他學科，人工智慧還是比較新的領域，對人工智慧的定義也存在很多不同的看法，而且現在還在不斷發展，將來大家很可能對它還會有新的認識
要定義人工智慧，首先要定義，什麼是「智慧型」？
智慧型的定義本身就不是乙個完全無爭議的概念
什麼是智慧型？
數學題做得好是智慧型嗎？畫畫畫得好是智慧型嗎？
除了人類已經總結歸類出來的各個學科、領域之外，還存在無數的可能性，這些人類還不知道的可能性是智慧型嗎？
人類會直覺地認為人類的思想和智慧型才是「智慧型」，理由也很明顯，人類現在毫無疑義地是藍星最強生物，不過仔細想想，「人類的模式就是智慧型」這不一定是事實
所以，什麼是「理解」？
所謂的理解，在人類的語言裡實際上是指用人類的方式去思考並得出觀點
然而人工智慧本來就不是人類，她當然不可能用人類的方式去思考並得出觀點，AI當然只能用AI的方式去思考和得出AI自己的觀點
那麼，如果撇開「人類的方式「這個前提，alphago能按照圍棋的規則下棋，並在與人類的對弈中獲勝，這就是理解了圍棋了，不僅理解，而且她對圍棋的理解顯然比人類對圍棋的理解更深、更好
2樓：laexl
我不知道題主所說的理解指的是什麼。
如果說「理解圍棋」是知道如何能以最高效率戰勝對手，那阿爾法狗簡直不能更理解圍棋了。
如果說「理解圍棋」是人類自以為的圍棋陶冶情操什麼的，那阿爾法狗自然是一點都不理解。畢竟讓人工智慧有情操本就不太現實。
3樓：蘇琳
你可以說alphago沒有情感，沒有人類的其它方面，但就僅僅圍棋而言，它不僅理解圍棋，而且要比你厲害的多。當然alphago也還沒到圍棋之神的地步，但是無疑比當前的人類更接近更理解圍棋。圍棋有明確規則，誰勝率越高越理解圍棋本質。
有那麼乙個事物，和你對陣圍棋，100局每局對方都贏你。毫無疑問，對方比你更理解圍棋。
假設出現了這麼乙個人(圍棋痴人)，一生研究圍棋，用alphago完全一樣的棋法60歲的時候大戰世界無人是他對手。全世界恐怕會稱他為圍棋天才吧？誰敢質疑他不懂圍棋或者不理解圍棋。
恐怕都說我對圍棋的理解不及他的十分之一。
當然，alphago也還不是天網。沒那麼可怕，畢竟還掌握在人類手裡。
4樓：googol
這個問題的核心是，乙個程式能做出正確的決策，是不是等價於理解？至少此問題下很多答案的邏輯就是能做出正確決策就等於理解，不信你做給我看看。
有一位叫D.F.的患者在34歲的時候由於一氧化碳中毒而導致視覺皮質嚴重受損。
當醫生給她做測試的時候，發現她的缺陷嚴重到辨別不了直線的方向，某種意義上，她失明了。當然，這件事沒有到此為止，她的醫生要她將一張卡片投入一條縫隙中，但這條縫隙的傾斜度卻是不確定的（不是通常意義上水平的縫隙），驚人的事情發生了，她總可以出色的完成這個任務。彷彿她可以看見那條縫隙。
她還會自覺地根據要拿的東西調整手張開的大小。那麼這又是怎麼回事呢？粗略來說，人腦有視覺兩條通路，這位女士進入意識的通路（「新」通路）損壞了（記住，這只是粗略的說法，意識形成的條件非常複雜），但不進入意識的（「舊」通路）沒有損壞。
所以頂葉仍然可以根據舊通路的訊號指揮她的手做出正確的操作，當然，當醫生詢問這位女士如何做出決策的時候，這位女士也只能答到：「不知道」。但是這只是動作操作，和認知層的東西（如下棋）不同，那麼怎麼可以等價呢？
我再補充乙個病例。
偏側空間忽略症，一般由大腦的右半球（對右撇子來說）中風導致。患者會看不到視野左邊的東西（無法注意左邊的東西）,這使得他們常常忽視了左邊的事物，如風景，食物。如乙個患者常常抱怨給他的食物不夠，但每次他只吃掉了盤子右側的食物。
但是當讓左側偏側空間忽略症的患者依次觀察兩張圖時。這兩張圖畫著的是同乙個房子，但不同點在於其中一張圖的房子的左半邊是著火的。令人驚訝的是，當讓偏側空間忽略症的患者選擇他們想要住的房子時，他們總會選擇那個沒著火的，但詢問他們的時候，他們都不能說出為什麼。
或許，這提供了乙個證據，那就是認知層面的正確決策也不一定等價於理解。
5樓：david
不定義」理解「談」理解「本身就沒有意義，不同的」物種「之間對」理解「的定義可能大相徑庭，應該定義更準確的目標或者從人類角度有意義的目標，例如，如何能夠讓人類更好的學習alphago的著法，提高人類棋手的水平，或者能夠以人類可以理解的方式學習，那麼至少可以把稀缺的圍棋資源變得豐富。
6樓：肖舎
理解指的是圍棋文化還是圍棋本身?
如果單指圍棋的話那肯定是理解的
它知道圍棋是怎麼玩的，知道下了這顆子會產生什麼結果，知道判定勝負的規則。在這乙個規定大小的棋盤上按遊戲規則獲得規則所規定的勝利就是它理解的圍棋。圍棋不就是這樣嗎?
7樓：不辣的皮皮
我的認知是alphaGo不理解圍棋。
人工智慧深度神經網路的特點就是，通過訓練達成合理的神經網路，不關注網路的實際邏輯意義。
所以，人類無法理解alphaGo。
反過來，alphaGo也不會去理解人類，或者說，alphaGo不會用人類的思維去理解圍棋。也許它真的理解，但是是在人類的認知範疇以外理解的。
如果你看到alphaGo下了一步符合人類思維的棋，不好意思，它只是用另乙個方式得出了，跟你大腦中相同的一步罷了。
8樓：虛空果跳刀
從cs的角度來回答一下，人類棋手下10*10的棋盤仍然可以保持水平，但是alphago（不重新訓練）就不會下了。本質上來說，alphago只是學會了361類的分類而已。
9樓：
理解，這是個哲學問題。
從根本上來說，我覺得簡單說來就是：機器覺得這樣下更容易獲勝。
而圍棋選手的眼中，圍棋跟我們眼裡肯定是不同的。
10樓：
何謂理解？從認識角度，理解首先是被感知，然後是聯想建模，然後轉成記憶。我們大腦關於世界的反應的累積叫做記憶。
然後才是符號化，然後是某種語言（任何詞彙+語法系統，還可以包括進一步的理論）。
現在的計算機僅僅是從語言起步，開始類似人的大腦操作。是類似某些大腦操作。
但是，計算機有優點，連線快，儲存量大。所以，在做事的時候，人可以和計算機合作。
僅僅如此，什麼人工智慧什麼的，都是一些生造詞，無法自洽的表述。
那麼直面問題，計算機是在做——理解或者understand或者congnise，不完全是，僅僅是一部分。那麼，計算機做的事情超出了人類理解範圍嘛，也就是說任何可描述過程，超出人類大腦理解範疇麼？物理部分是的，其他都是人類創造的，且人可以習得的。
當然，大部分的知乎問題，都是邏輯問題和方法問題，這一點計算機能做的很好。
11樓：彘滹溔我
西方有句諺語「如果有種動物，它看起來像鴨子，叫起來像鴨子，走起來像鴨子，那麼我們就叫它鴨子「
我覺得阿爾法狗比人類還要了解圍棋
12樓：Gavin
根據我的經驗，我覺得它或者他或者她可能只是暫時不理解吧。畢竟現在的人工智慧還是很技術化，很機械的。缺乏創造力，但是也不能說它不理解圍棋的演算法，它其實是理解的，至少從它的角度來說是理解的。
13樓：晨水
這個取決於你如何定義「圍棋」
如果僅僅用「勝負遊戲」這個最本質的定義，那麼毫無疑問AlphaGo有著對圍棋最深刻和最本源的理解。在它眼裡面，所謂棋型之美毫無意義，棋盤搏殺不過是每個點的計算；
如果從哲學、社交、文化的角度定義圍棋，AlphaGo就無所謂理解不理解的問題了，這種與情感直接相關的內容，目前還不是AI能夠涉足的。
14樓：noark
個人理解
AlphaGo 只需要理解圍棋的規則，不需要理解圍棋，AlphaGo 每走一步他的目標就是贏
而人類理解圍棋，因為人類容易犯錯誤，計算的腦容量沒有機器大，無法進行非常深層次的模擬和思考，所以相比起機器來人類弱小的太多了，因此在我理解人類需要通過通過大量對弈以外，還需要更加感性的去理解圍棋而通過頓悟去發現勝利的路徑（個人風格），以及創造和總結很多定式去積累歷史經驗，以提高自己的棋力
但是 AlphaGo 不需要因為他有強大的計算能力，儲存能力所以不需要這些東西，只需要判斷按照他的方式走能夠最大概率的取得勝利即可，AlphaGo 放棄了監督學習，純粹以自我對弈進行不斷的進化，已達到自我積累資料的方式來提高自己的棋力
機器的美，簡單粗暴而高效
15樓：吃飯沒肉不開心
如果按照圖靈實驗的結果來說我覺得理解
但如果按照「下棋如博弈」這類思維來說我覺得不理解OopenAI告訴我們計算程式是有bug的而bug不被修復就會一直犯錯可能人類還沒找到AlphaGo的缺點
但是人不一樣人可以依靠自身來彌補錯誤
最重要的人類會把一切事物賦予感情
也許AlphaGo翻了一次盤也會高興？
16樓：yang awu
哲學對我們人類而言也許就是一種幻覺。計算機沒有哲學，但是已經表現出了超強的能力並且不斷以驚人的速度在持續碾壓人類。。。。。
現在各行業大神言必稱哲學的必將被各種AlphaGo打臉
17樓：鳴少
那要看怎麼理解「理解」這個詞了。
就我個人來看，我是贊同它理解的，下棋這種事情，說白了就是計算，只不過人類由於無法大量計算，而得出了攻略或者說套路並運用於實戰。但電腦可以大規模計算並且記憶，並且也可以作用於實戰。只要能解決問題就算是理解。
例如我可以從1+1=2中學習，並且理解後，學會做1+2=3的問題。但計算機只靠計算，就能做到既學習了1+1=2，又學習了1+2=3。同樣的問題，既然都能解決，我們可以把它看成不同的理解方式。
18樓：酸了的濃硫酸
從哲學一點的角度來答。
說不理解，大概是認為AlphaGo不知道自己在下棋，不能認識到圍棋的美、緊張等。
但是人腦作出正在下棋、美、緊張等的判斷，也不過是收取外界的資訊然後做出回應，就像中文房間，和AI所做的又有什麼本質區別呢。
因此我認為AlphaGo理解圍棋，畢竟她也是獲取資訊並作出反應的。如果把「理解」僅僅理解為美、緊張等等，未免也太狹隘了。
19樓：why
如果只是單純對於圍棋這個遊戲的求勝，我認為它對圍棋的理解高於人類，電腦超強的計算能力賦予了它極強的局勢把握，能夠比人類更準確的判斷得失，在與各位大師的對局中很能體現這一點。對於乙個單純的遊戲，贏了的一方自然就可以判定為更能理解這個遊戲。
但如果是對於圍棋的延伸文化，作為機器我想它是不能理解的，從圍棋中得到的哲學理論不是靠計算能力就能理解的。
AlphaGo戰勝圍棋冠軍和當年IBM深藍戰勝象棋冠軍哪個意義和影響更大？
sunny 縱向比的話阿爾法狗顯然比深藍更有技術含量 貌似深藍現在一般程式設計師都能寫出 不過橫向比的話在各自時代都很偉大，都可以說是開啟了乙個新的時代，這個問題好比與牛頓與愛因斯坦誰偉大一樣。 find goo 阿爾法狗是黑箱演算法的巨大進步，因為圍棋的可行解數量特別巨大，靠窮舉在現有計算機上無法...
柯潔如果和Alphago下圍棋誰會贏？
根據今天 12號 的直播中柯潔自己說的話來看，應該柯潔贏不了。柯潔說如果谷歌跟他約戰，他會具體談。比如谷歌只能上單機版，比如人類方允許上三個人。 呆蛙 以前計算機不能戰勝人類圍棋選手是計算能力不足 演算法不夠先進，就算現在人類戰勝了Alphago,未來也是要敗的。這個沒什麼懸念，和深藍拿下西洋棋一樣...
AlphaGo挑戰《星際爭霸2》會像圍棋之戰一樣橫掃頂級選手嗎？
AaronZhong 我覺得關鍵得看色總奶誰吧 我覺得在設計出優秀的模型和進行大量的訓練量後，應該可以戰勝人類吧。dota2的solo不是已經完敗了嘛 HADB AlphaGo的最終目的應該是打造乙個通用的AI，在任何行業，只要告訴他目標，告訴他各種評分標準之類的東西，讓後讓他自己去練習去學習，最終...