百科问答小站 logo
百科问答小站 font logo



如何看待 Google 围棋 AI AlphaGo 击败欧洲围棋冠军? 第1页

  

user avatar   tian-yuan-dong 网友的相关建议: 
      

他们确实做得很好,能让4子胜Zen和CrazyStone,把职业二段打成五比零,实力不容质疑。就期待着今年三月他们和李世石的比赛了。

从算法上来说,这篇文章并没有太多新意,主要是通过大量的训练数据,包括以往的棋谱和自我对局,把性能堆出来。他们训练了一个走子的神经网络(这个和我们的办法是一样的,但我们的文章主要在这上面作了改进),又训练了一个可以评估局面的网络(这个我们还没有),然后在蒙特卡罗树搜索中同时使用这两个网络。后者用了三千万局的自我对局(self-play)的结果训练。为了避免过拟合,每局只随机选了其中一个局面,然后让网络预测对局结果(胜或负)。三千万局不是个小数字,大家可以算一下一刻不停地下,15分钟一局需要多久才能下完(大约是855年)。这个规模我说实在没有想到过,谷歌在这方面是很有优势的。最后,他们的default policy也是经过处理的,能够两微秒走一步而且准确率也不错。还有一些小细节就不一一赘述了。总之,谷歌的做法充分利用了大数据+深度学习的优势,而几乎完全没有用到围棋的领域知识,所以若是以后棋力能再往上走,我也不会惊讶。

其实这篇文章在去年11月份就已经投稿,但是因为《自然》杂志严格的审查制度,现在才出来。我们在11月的时候还只有3d的水平,蒙特卡罗树搜索还有各种问题,12月初的时候已经听到了谣言,当时我惊得话都说不出来了,然而就算这样,还是决定一点一点做,抓紧圣诞和新年的时间,把性能提高到5d的水平。我们还差一点拿了一月KGS锦标赛的冠军(Zen和DolBaram都参加了),可惜最后因为程序错误而超时,输了一局赢棋给Zen,得了第三名。谷歌的文章有20个作者,明显是下了血本,前两位都是计算机围棋界的大牛,一作David Silver是计算机围棋和强化学习的顶级专家,整个博士论文就是做的围棋; 二作Aja Huang以前写过多年围棋软件,自己又是AGA 6D的水平。相比之下我们只有两个人(

@朱岩

),只做了半年,中间还要穿插VQA等其他项目,而且都没有做过围棋的经验,想想有些差距也是不冤了。

现在回想起来,要是他们决定去年10月份战胜了樊麾后马上公开,或者我们再拖一会儿,决定不投ICLR而等到今年的ICML,那我们就被灭得连渣都不剩了(笑)。这回虎口拔牙,能从中拿到一些贡献,为公司增加一些影响力,算是比较成功的。至于单挑全军的感觉如何——我的回答是很爽 :)

Facebook高层也给了我们很大的支持,昨天我们组的老大Yann LeCun发了文章介绍我们的工作,扎克伯格还特地发了一篇文章点到了我的名字,赞扬我们的努力,对此我非常感动。

最后,我们的arXiv更新了[文章见

arxiv.org/abs/1511.0641

],欢迎大家有空看看。谢谢~


user avatar   gao-fei-long-50 网友的相关建议: 
      

-

“珍珠港遭到空袭!这不是演习!这不是演习!这不是演习!”

——2016年1月28日凌晨


-

从昨晚开始,一条声称谷歌AI在19路棋盘上分先战胜樊麾二段,并且论文已登上Nature的消息刷爆了朋友圈。

一开始,就像以往的那些“大新闻”一样,大家都认为是标题党,甚至某业余7段还查验到其论文尚未被Nature审核通过。

然而随着时间的推移,越来越多的近距离详细消息传来,开始有人相信消息的真实性。

围棋圈内的各种微信群、朋友圈都在不断的争论,相信的人越来越多,不信的人也坚持己见。


终于,在接近凌晨两点,又一条最新报道来了,这次还附带着棋谱:

面对谷歌围棋AI,人类最后的智力骄傲即将崩塌……(虽是真消息,但稍有标题党之嫌)

至此,看到棋谱的所有人几乎都相信了:人工智能AlphaGo,实现了里程碑式的一步。


-

首先,在客观上要肯定AlphaGo实现的水平进步。


从昨晚开始,一条声称某AI在19路棋盘上分先战胜范麾二段,并且论文已登上Nature的消息刷爆了朋友圈。

一开始,就像以往的那些“大新闻”一样,大家都认为是标题党,甚至某业余7段还查验到其论文尚未被Nature审核通过。

然而随着时间的推移,越来越多的近距离详细消息传来,开始有人相信消息的真实性。

围棋圈内的各种微信群、朋友圈都在不断的争论,相信的人越来越多,不信的人也坚持己见。


终于,在接近凌晨两点,又一条最新报道来了,这次还附带着棋谱。

以往最强的围棋AI,大致是CrazyStone、Zen和银星围棋这几个。

而AlphaGo在让以上几个程序(无银星围棋)4子的情况下,取得了80%左右的胜率。我们据此基本可以判断,人工智能将自己的水平上限一下子提高了5个子。


樊麾二段,虽然以欧洲冠军闻名于世,但其实圈内谁都知道他是一名中国旅欧教学的职业棋手。

虽然远离东亚职业一线,但樊老师的水平仍然是不容置疑的,他依然有着职业的水平(虽然是较弱的职业),一般的业6仍然是比他不上的。

AlphaGo在正式比赛中对樊老师5:0(棋谱已可见),据说加上非正式比赛的总分为8:2(已确认),再加上棋谱里AlphaGo显示出的惊人的表现,我们可以认为,人工智能在围棋上的水平已经迈入了职业的大门。

(最新:据多位顶尖棋手对棋谱的鉴定,认为AlphaGo的水平应该在业余强6段到弱职业之间,离人类顶尖大概还有一先到两先的差距)

(对于西方围棋包括樊老师的相关介绍,可见西方人的围棋水平如何? - 高飞龙的回答


说的更明白点,之前的AI在蒙特卡洛算法的帮助下虽然取得了革命性的进步,战胜了绝大多数的人类,但人类中能战胜那些AI的人数可能仍然在近百万的量级。

而自今日(其实已经是三个月前了)的AlphaGo起,能在围棋盘上战胜AI的人类人数可能已经不到千人了。


按照 @田渊栋 老师的说法,这个消息在相关研究圈内应该早就不是新闻了。

甚至回想一下昨天扎克伯格在facebook上突然发声支持自己的研究团队,也因为是知道了google团队的成果即将在一日内公示,所以想要在舆论中抢占一个位置。

(田老师参与的facebook的研究团队,是google现在最大的竞争对手,田老师他们使用的方法应该不太一样,虽然他们暂时落后,但我同样也很期待他们的下一步进展)


总之,这真的不是演习。


-

接下来谈点个人对人工智能的粗浅理解。

近些年来,尽管在蒙特卡洛算法的帮助下,AI实现了革命性的进步,达到了能战胜大部分人类的水平(中等业余5段),但随着摩尔定律的走向终点(据某it界前辈指点,摩尔定律并非舆论所说的即将结束,而是转换为了新的形式),计算机硬件的发展速度在旧有的道路上暂时无法按以前的速度继续爆炸发展下去,大家都认为仅凭蒙特卡洛算法是无法帮助AI战胜人类的。


依据个人的理解,我曾在围棋棋力业余低段位,如何继续学习提高?有什么推荐的参考书目和学习方法? - 高飞龙的回答中将围棋的思维过程分解为四步的演进:常识→棋感→计算→判断


大约一年前,我曾和李喆六段就此问题进行过简单讨论,当时我认为蒙特卡洛算法的成功主要在于为人工智能建立了“棋感”,而以往的人工智能只在“常识”和“计算”方面具有天然优势。

在蒙特卡洛算法之前,虽然计算机凭借强大的计算力可以积累大量“常识”,但由于“棋感”的缺失,人工智能无法对计算方向进行有效的筛选,最终就不免沦于蛮力搜索。

而蛮力搜索虽然可以在一定程度上实现高水平的“计算”,甚至很多其他棋类都在这一环节上被人工智能打败,而由于围棋的过度复杂和摩尔定律结束对计算机发展前景的限制,走到这一步仍然无法让人工智能战胜人类。

(注:上图为计算机眼中的国际象棋落子思路,而下图为计算机眼中的围棋落子思路,来自谷歌deepmind官网AlphaGo | Google DeepMind


而蒙特卡洛算法出现后,凭借大量储备的棋局,通过胜负概率来判断下一步着点以作为计算方向,极大的提高了计算的效率,所以AI的水平才实现了革命性的进步。


而这次的AlphaGo,使用了深度神经网络与蒙特卡洛树状搜索相结合的方法。

依据已经能看到的Nature上的论文

nature.com/nature/journ,研究者们在AlphaGo中加入了两个深度神经网络,以value networks来评估大量的选点,而以policy networks来选择落子,并且开发了一种新式算法来结合蒙特卡洛算法和以上两个神经网络。

(注:上图为AlphaGo使用的神经网络结构示意图,来自原论文)

在这种结合下,研究者们结合参考人类职业对局的监督式学习,和AI大量积累自对弈实现的深度学习,来训练和提高AI的围棋实力。


在蒙特卡洛算法之后,我看到了新的天地。

这种结合以及新式的思路,让人感到前景无限。


-

最后谈一谈,我认为我们应该保有的态度。


这里,我首先想引用李喆六段在今天早上说的话:

“我们已来到两个时代的连接处,无论你是否愿意,这都是一个需要接受的事实。工具无善恶,善恶在人心。未来的路通往何方,将由我们自己决定。”

从凌晨到早上,朋友圈里的评论区一直争论不休,甚至某世界冠军一直在说“不信”,毕竟大家在没有看到板上的钉子之前,从情感上都是不愿意相信的。

直到另外两位一线棋手告诉他,已经可以看到棋谱了......


面对这个事件,接下来将会有很多的爆炸性新闻报道,以及各种各样姿势的讨论。

我们要知道:

一.人工智能的确实现了很大的进步。

这次的进步可能是革命性的,这次新闻宣称的AI取得的成绩并不是“标题党”。


二.人工智能还没有战胜人类(什么所谓“人类最后的骄傲陷落”都属于“标题党”)。

但AI已经朝着这个方向迈出了一大步,而且是在很多人在蒙特卡洛之后不看好AI下一步发展的情况下,来了一个突然袭击(谷歌从开始研究到出成果再到发布,一直憋一个大新闻憋这么久也真是能忍)。


三.人工智能战胜人类的时点,可能比很多人想象的要来的更早了。

不是之前设想的生物计算机或者量子计算机出现后,甚至都不是新材料制成的处理器取代硅晶片之后,而是在这个时代就有可能出现了。也许是五十年后,也许是二十年后,甚至可能是十年后。


从小学时开始,我就痴迷于许峰雄教授对于计算机国际象棋项目的研究和成就,一直追踪到97年“深蓝”战胜卡斯帕罗夫。(就是在那之后不久,我才从国际象棋转投了围棋......)

(注:上图为第一个打败人类的计算机国际象棋程序“深蓝”之父——许峰雄)


从中学时代到大学时代,我一直追寻着许教授的动态和他撰写的各种文章、书籍,他写的《“深蓝”揭秘》(“深蓝”揭秘 (豆瓣))被我翻的都烂了,我甚至在中学时代一直想以此作为未来的求学从研的方向。

许教授离开IBM、前往亚研院并声称准备致力于作为最终问题的计算机围棋难题之后,我仍然一年年心心念念的期待着许教授的后续动作。


然而十多年过去,等来的却是无数的后来者。

这也挺好,人类就是不缺后来者。


看许教授对当年研究过程的讲述,最大的感受就是:

其实并不是计算机打败了人类,而是人类打败了人类。


大量的计算机专家,配合大量的国际象棋职业棋手,在算法上不断革新,再搭乘上摩尔定律的东风,不断的失败再重来、输了再修正,最终才解决了计算机国际象棋难题。

卡斯帕罗夫,是败给了数以百计的人类专家的智慧的合力。


围棋也会是一样,计算机——今天说人工智能更合适,战胜人类的那一天迟早会来,大部分人都从来不否认这一点。

争论,始终在于这一天的早晚。


而棋手和围棋从业者们,出于可以理解的感情,总是希望并认为这一天不会来的那么快,但他们绝对不会拒绝甚至仇视这种进步。

其实我看到的很多人,都一直期待并赞许着人工智能的进步,甚至很多职业高手还亲身参与和帮助着计算机围棋项目的研究。


我们努力打造着一个“大玩具”,一个能战胜自己的“大玩具”。

所以最终的成功,是我们人类自己的成功,而不应该对计算机感到恐惧。


同时,这“大玩具”也不只是好玩而已,人工智能对于现代乃至未来科技的发展有着极大的意义,这意义甚至会超出当年原子弹研究的后续红利。


所以不要害怕,不要烦恼,让我们期待着人工智能在围棋上战胜人类的那一天的到来吧。

我之前一直认为在我有生之年是看不到这一天的,然而现在看来,我错了。

我一点也不失望,反而感到很兴奋,很激动,并且期待着以google和facebook为首的前沿研究团队们的进一步的表现。


最后的最后,恭喜谷歌,恭喜围棋,恭喜人类。


-


user avatar   qioer 网友的相关建议: 
      

碳基已死,硅基当立。岁在量子,天下大吉!


user avatar   pandanokungfu 网友的相关建议: 
      

链接:

zhuanlan.zhihu.com/godi

这个答案力求客观评价AlphaGo的实力。因为本来就是我自己写的,就不全文引用了。。

弱小和无知不是生存的障碍,傲慢才是。

——《三体:死神永生》


AlphaGo战胜樊麾二段对于围棋界可谓惊天动地的大事。很多棋友和圈内人士都很关心AlphaGo的棋力到底有多强。我不是职业棋手,自认为如果对战AlphaGo,需要先恭敬地摆两子求指导。对于计算机围棋的了解,我也不如专业人士。不过通过各方面搜集到的证据,我能够对AlphaGo的棋力下一个相对客观的结论。当然,这个评价是针对截止到去年10月,与樊麾二段对战时的AlphaGo. 至于这几个月AlphaGo会进步多少,除了谷歌的研究人员,大概没有人能准确知道。


先上结论:AlphaGo的实力,大致上相当于中国的强业余6段。如果AlphaGo与世界范围内活跃的职业棋手(过去一年内参加正式比赛超过12盘)一起排名,大致能排到250名-300名之间。换句话说,AlphaGo的实力已经强于很多水平稍弱的职业棋手,但是大概要稍弱于中国业余棋界的最顶级棋手,或者大致相当。


那么我们就来看一看依据。


首先是不同职业棋手的评价:

时越九段(世界冠军,中国棋院等级分第二位):

  说实话,我昨天看到这个消息的时候是不信的,虽然我现在还是不能理解电脑是怎么去学习的,但是事实摆在眼前,这5盘棋电脑下的让我惊叹,我认为水平已经迈入了职业的门槛。虽然和顶尖棋手还差的很远,但按照这个进步速度,3月份的对局,我想李世石也不会赢的太轻松。

樊麾二段(法国国家队总教练,AlphaGo的对手):

第一盘输了之后,我这个心态就发生了很大变化,因为第一盘毕竟觉得可能比较轻松,然后发现他的官子、各方面的掌控能力很强之后,我第二盘就有点(心态)失衡。第二盘打了一个大勺之后,整个进程就不对了。

围棋毕竟不能用单纯的技术来说,一是一、二是二、三是三,因为毕竟有发挥的问题。不过我确实下的也不是很好,当然了,下的时候心态也是一个最主要的原因。不管怎么样,AlphaGo的棋力确实已经很强了。

这几盘棋呢,可以说我自己发挥不佳,但不能说不是我的真实水平,下得不好。主要是在某些方面觉得被他彻底克制住了,尤其心理负担很重,总感觉下到最后一读秒就会打勺子,这就导致我的棋下的很急。

(以上来自微信公众号“喆理围棋”,作者是李喆。喆理专访围棋人工智能事件 时越:李世石不轻松

柯洁九段(世界冠军,中国棋院等级分第一位,当前的世界第一人):

果壳网:假如是不知情地去看AlphaGo和樊麾的这五盘棋,你会猜到AlphaGo不是人类吗?

柯洁:完全看不出来。这五盘棋我也仔细地看了一眼,但我没看名字,不知道谁执黑谁执白,完全看不出谁是AI。感觉就像是一个真正的人类下的棋一样。该弃的地方也会弃,该退出的地方也会退出,非常均衡的一个棋风,真是看不出来出自程序之手。因为之前的ZEN那样的程序,经常会莫名其妙的抽风,突然跑到一个无关紧要的地方下棋。它这个不会。它知道哪个地方重要,会在重要的地方下棋,不会突然短路。这一点是非常厉害的。

果壳网:就电脑的表现来看,你对它布局,中盘,官子三个阶段的评价,分别是什么水平?

柯洁:按照我的评价,它的水平大概就是冲职业段之前的水平虽然职业还到不了,但是无限接近于职业了。关于这几个阶段,我的感觉是都差不多,非常均衡,也看不出哪个地方是机器,这个很恐怖(笑)。当然这只是看了五盘棋,也看不出它的短板来,可能是因为对手发挥得太糟糕了(笑),我也看不出来具体的哪里好哪里不好。

(以上来自果壳网对柯洁的采访:【果壳网专访】围棋天才柯洁:如果AI下赢了我,我还想赢回来


芈昱廷九段(世界冠军,中国棋院等级分第四位)

  问:今早的大新闻是谷歌围棋AlphaGo5比0赢了樊麾二段,是否已看过棋谱?

  芈昱廷:知道后感觉很刺激,看棋谱觉得实力相当于冲段少年。 

(以上来自新浪网。芈昱廷:大龙逃出取得领先 谷歌围棋的消息很刺激


李喆七段(全国冠军):

Google的围棋AI已经具有职业水准,从棋谱初步判断是顶尖棋手让先-让先倒贴目的水平,离战胜人类还有一小段距离。但这是三个月前的棋谱... 以Google机器学习堆数据的速度,今年三月对决李世石相当值得期待。

(来自李喆的微博)


刘星七段(全国冠军):

第一是棋形很正,第二是失误相当的少。如果把它看作一名业余顶尖的棋手,做到这两点,就已经具备了相当的实力。 (赵守洵:星爷还没有把它看作职业高手) (刘星:这个很难说)

(以上来自围棋TV,大概在11分40秒左右。)



以上来自不同一流职业棋手的评价,表面看上去有一定差异。有的说已经具备职业水平,有的说是业余顶尖水平,其实都差不多是一个意思。在中国,顶尖业余棋手确实具备职业水平,对战顶尖职业棋手差不多也就是在让先到让先倒贴目之间。为了进一步说明这一点,我又要搬出“民间等级分”,nmcgw版世界围棋等级分了。这是我见过的统计数据来源最详尽,同时原理简洁、有效的一版等级分,甚至强过韩国裴博士发布的世界等级分。目前此版等级分每周一更,发布在tom围棋论坛ÊÀ½çΧÆåÖ°ÒµÆåÊֵȼ¶·ÖÅÅÐаñ£¨nmcgw°æ£©


虽然业余棋手的等级分现在不被公布(曾经是公布的),不过按照nmcgw本人的说法,顶尖业余棋手(以中国的业余四大天王,胡煜清、王琛、马天放、白宝祥为例)大致在2350分到2400分之间。换算成世界排名,就是在160名-220名之间,与顶尖的女子职业棋手大致相当 。作为参考,参与nmcgw等级分排名的大概有860位活跃的职业棋手(包括日韩台在内)。同时,这几年的晚报杯职业业余对抗赛(2011-2016),由顶尖职业对抗顶尖业余的比赛中,比分大致是这样的(剔除了聂卫平、刘小光参加的台次):

女子职业-顶尖业余 (分先): 3-5;

男子职业-顶尖业余 (让先):18-8;

那么李喆所说的“让先-让先倒贴目的水平”,也与业余顶尖棋手相差无几。

其实这些评价已经足够说明问题了,不过我还是稍微有点担心。会不会是人类棋手因为惯性思维,没有看到AI某些隐藏的强大之处?我们从AlphaGo研究者的角度来看看这个问题。

这是AlphaGo研究团队在Nature上发表的论文中的一张图。我一开始并不知道这个等级分是什么意思,直到我突然想起来,法国学者Remi Coulum曾经发布过一个围棋等级分Go Ratings。Remi Coulum是Nature上论文二作Aja Huang 的老师,也是AlphaGo问世之前最强围棋AI, CrazyStone的作者。那么有理由相信AlphaGo的团队用的就是这一版等级分来评价的。


Remi版等级分是Elo等级分的一个变种,规则要比ELO等级分更加先进。但是Remi版等级分的最大弱点是,统计的棋局不足够详尽。Remi版等级分统计了自上世纪80年代初以来的52000盘对局,但仅仅是弘通围棋网收录的职业对局就有超过十万局,而且弘通的这个数字好像也是不完全版。无论如何,Remi版等级分还是具有相当参考意义的。


回到上面这张图。根据原文附录上的数据,AlphaGo团队对于在一台计算机上运行的AlphaGo的评价是2890分,而与樊麾对战的版本(1202CPU, 176GPU)为3140分。樊麾在去年十月对战时是2908分,在Remi版等级分上排在第632名(共832人)。按照ELO等级分的规则计算,樊麾对AlphaGo的胜率大约是20%。事实上,AlphaGo对樊麾的十盘棋比分正好是8-2。那么我们再看看3140分大概是什么水准。在Remi版等级分中,3140分对应排名是281名-283名(并列)。如果对战当前的李世石(3515分),则只有11%的胜率。至于图表上的“5p”(职业五段),没有太大意义,因为当前中日韩三国的职业段位与实力并不直接相关。


将这个3140分转换到nmcgw版等级分中去,大致上相当于2310分。回顾一下,中国业余围棋四大天王的等级分是在2350-2400分之间, 也就是说AlphaGo对战四大天王有42%左右的胜率。这与之前各位一流职业棋手的评价,“顶尖业余棋手”、“冲职业段之前的水平”、“具有职业水平”、“让先-让先倒贴目之间”,是完全吻合的。当然,如果是以这个水平对战李世石,五番棋大战,想要赢一盘都是相当困难的。


AlphaGo确实已经摸到了职业的门槛。网上某些称“樊麾放水,下得不如普通业余5段”、“战胜欧洲冠军就像战胜国足”等论调实在不够客观。至于3月份AlphaGo与李世石的大战,我仍然谨慎地看好李世石。3140分到3500分,顶尖业余到顶尖职业,一个天赋超群的人类棋手也要花五年左右的时间。行百里者半九十,从之前围棋AI在程序定型以后的学习速度来看,几个月的时间不足以让AI再完成一次飞跃。当然,如果到时候被AlphaGo打脸,也是一件很可能发生的事,毕竟开发团队自称有五成把握(咦这个flag是不是很熟悉?小李:你说有五成把握,是一百成里有五成吗?)。各位看官可以收起对人工智能的傲慢心态,去期待一场或许是火星撞地球的大战。


—————————————————1.30更新————————————————

根据Nature原文附录,将估计的数据更新为准确的数据。


借此地做一个神棍的预测。AlphaGo将于三月对战李世石之时达到nmcgw等级分2560分的水准,相当于原中国棋院等级分职业九段的门槛分数(虽然这个现在没什么实际意义了)。2560分对应的世界排名是40名(对应棋手:邬光亚六段)。相应地,AlphaGo对李世石的单局胜率有32%。预测AlphaGo-李世石五番棋比分:2-3。 五盘棋分别为阿法狗:胜负胜负负。

预测依据:樊麾二段接受采访时的“你们就等着看好戏吧”眼神,和开发者自信的“五成把握”。


在2019年1月以前,AlphaGo将不能超过柯洁的水平 (nmcgw等级分2800分)。

预测依据:瞎猜的。


user avatar   xie-dan-9 网友的相关建议: 
      

这个应该邀请

@田渊栋

啊,这是AI的作者啊。

这个速度远超过大家的预期。

这说明DL是非常有用的工具,会极大地提高AI的能力。

这个职业2段应该是比较弱的职业段位。

等待AI 挑战更强的职业选手,才能判断其学习能力的强度。

从棋谱内容看,AI在杀棋的能力也不弱,说明这智能真的是上了大台阶了。


我在之前的问题提到预期:2020 是弱职业段,2030 是强职业段。2040顶尖棋手。

现在看来,至少提高十倍的速度啊。(这脸打得)

(国际象棋从战胜职业高手到战胜顶尖花了10年,围棋看来一年就能实现了。AI智能真的是发展速度远超预期的。)


围棋作为唯一一种电脑下不赢人的大众棋类,是何原因导致?以及量子计算机出现后有无可能? - 谢丹的回答



user avatar   yuan-xing-yuan 网友的相关建议: 
      

存在主义哲学认为人的存在是先于本质的,所以说先有了存在,然后才有了各种标签,含义,分类,角色,也包括所谓的生命的意义。

我们是自由的存在,能够思考,感受和行动,因此存在主义的角度来回答这个问题,会认为我们活着的意义是由我们一生中所有的选择组成的。当我们即将离世,回顾人生时,或者当我们在任何一个时刻回顾自己的生活时,你都会发现你如何看待自己的生活,你的人生迄今为止的意义是什么,都是由各种大小决定来界定的。

每个人只要活着,不论以怎样的方式活着,那么她所做所想所选择的所有东西,都是在不断地为自己的存在赋予意义。换句话说,活着就是一个不断地变成(becoming)的过程,我们在不断走向我们将会变成的那个样子,但是具体要变成什么样子,又是完全由我们自己来决定和支配的。

所以存在主义里面会提到存在主义焦虑这个概念,这种焦虑就是源自于我们必须完全为自己的存在意义负责。一个很经典的例子就是当我们站在悬崖边时,唯一阻止我们跳下去的是我们自己的选择和意愿。我们承担着很沉重的负担,因为我们的生死,哀乐,兴衰,都是我们自己来负责的。

Erich Fromm在《Escape from freedom》里提出,存在的自由是沉重的,因此我们会想要逃离自由,想要选择一些现成的框架和体系来替代自己定义自己存在的意义。因此有的人选择了宗教,有的人选择了逃避思考,过的糊里糊涂,还有的人选择了到知乎上来问人为什么活着这样的问题 :P

我自己也曾经特别渴望别人能够给我一些现成的答案,然后我再照着这个答案去努力就好了。但是比较不同人的生命轨迹,你会发现那些看上去循规蹈矩的人,他们生活的意义会趋于平淡(至少是在我的评价标准来看),而那些活得比较非主流,路线比较小众而大胆的人,他们的人生意义却非常清晰明确。

所以说当很多人思考人为什么活着这个问题的时候,我想一个更重要的问题是:在尝试找到活着的意义时,你有两个选择,一个是自由定义自己的人生意义但是会比较辛苦,另一个是让别人来帮你设计人生旅程但是会比较平庸,而你更倾向于哪一种选择?

很多时候,每天混着日子过,不想自己活着是为了什么,是一件很轻松的事情。混日子是一个我们明知道不好但是忍不住做的事情,因为混日子的确可以让我们更加放松。我曾经在企业里面工作的经验就是如此,一天天很快就过去了,不用想太多,精神上总体是比较慵懒舒适的。可是我无法忍受长时间如此,因为我的思维或许过于活跃,我无法停止思考和探寻。

反过来,如果你像我一样选择了一种非主流的生活方式(创业,独自工作,小众专业),那么你可能会需要承受很多孤独,自我怀疑和挑战,但是你会更加清晰地看到自己生活的意义和乐趣所在,你也会更加在乎自己的热情和兴趣。

延展阅读:关于人生意义的问题,Viktor Frankl的《活出生命的意义》一书给我启发很大,推荐给好奇宝宝们。




  

相关话题

  现代的人工智能机器人是采用什么编程语言来写系统的? 
  零基础应该怎么学围棋? 
  ICLR 2021 有什么值得关注的投稿? 
  如何看待刘强东:"机器人把你所有的工作都做了,共产主义在我们这一代就可以实现"? 
  国内有哪些不错的CV(计算机视觉)团队? 
  为什么人工智能在围棋上几乎击败全人类,仍然不能完全解决交易问题? 
  如何评价柯洁与 AlphaGo 的对决? 
  为什么围棋世界排名前几的都是20岁出头的? 
  卷积神经网络(CNN)的结构设计都有哪些思想? 
  请问人工神经网络中的activation function的作用具体是什么?为什么ReLu要好过于tanh和sigmoid function? 

前一个讨论
如何评价日本三国志 13 公益海报?
下一个讨论
如何看待饶毅的「人工智能还是伪智能」命题?





© 2024-12-18 - tinynew.org. All Rights Reserved.
© 2024-12-18 - tinynew.org. 保留所有权利