4.下圍棋這么復雜，AI靠什么取勝？
上面說的那么難，難道AI就沒機會取勝了？NO NO NO~
為了擊敗人類，研究者們拿出了大殺器——這就是人工智能領(lǐng)域新一代的機器學習（machine learning）形式——深度學習(deep learning)和強化學習（reinforcement learning） 。
深度學習的概念換句話說，就是讓計算機像人腦一樣去學習和思考 。和傳統(tǒng)的機器學習不同，深度學習是把計算機科學和人類的神經(jīng)學結(jié)合起來，讓計算機自主學習 。比如 ， 不是由人告訴計算機這是一只貓，然后讓它來進行識別和印證 。而是給計算機提供大量的圖片數(shù)據(jù) ， 讓它自己學習和分析，然后自主形成“貓”的概念，就像人類大腦的視覺皮層那樣反應 。有了具備深度學習能力的人工智能系統(tǒng) ， 以后駕車出行時，汽車就能主動提醒你周圍的路況，還能應用于語音和臉部識別、醫(yī)療診斷等領(lǐng)域 。
強化學習一詞來自于行為心理學 ， 這一理論把行為學習看成是反復試驗的過程，從而把動態(tài)環(huán)境狀態(tài)映射成相應的動作 。它類似于傳統(tǒng)經(jīng)驗中的“吃一塹長一智”，強化學習可以做出策略選擇，廣泛應用于下棋、走迷宮這一類別中 。這種依賴于大數(shù)據(jù)和強大計算能力的被稱為“深度學習”的無監(jiān)督或半監(jiān)督機器學習，使計算機可以在無需人力參與的情況下 ， 完成原本只有經(jīng)過高度專業(yè)化訓練的專業(yè)人士才能完成的任務，甚至超過專家 。
另外，為了達到更高的運算能力 ， 谷歌還把Alpha Go接入到了一個有1202個CPU組成的網(wǎng)絡(luò)中 。這使得這個人工智能系統(tǒng)的計算能力在原來的基礎(chǔ)上增加了24倍 。經(jīng)過推算，Alpha Go的性能大約是深藍計算機的2.5萬倍左右 。按這個節(jié)奏計算，假如人類一年能玩1000局，AI一天就可能玩100萬局 。所以Alpha Go只要經(jīng)過了足夠的訓練，還是有可能擊敗人類選手 。畢竟，人類在長時間的下棋比賽后，由于生理和心理限制可能會疲累 ， 進而犯錯，但機器不會 。
不過谷歌董事長施密特表示，即使機器真的贏了，人類仍是贏家 。即使AlphaGo機器最終贏了李世石，對于人工智能是否會“碾壓”人類，依然存疑，我們不必過于焦慮，人工智能可能還有很長的路要走 。
歷史上的人機大戰(zhàn)
①深藍戰(zhàn)勝卡斯帕羅夫
1997年 ， 美國IBM公司的“深藍”超級計算機深藍以二勝一負三平的戰(zhàn)績戰(zhàn)勝了當時世界排名第一的國際象棋大師卡斯帕羅夫，成為贏家 。
②浪潮天梭挑戰(zhàn)人類象棋大師
2006年的浪潮天梭超級計算機，挑戰(zhàn)人類象棋大師一役 ， 在最終的巔峰對決中，許銀川與浪潮天梭兩戰(zhàn)皆和 。浪潮天梭向世人證明了自己超強的運算能力 。
③全才學霸沃森挑戰(zhàn)人類
2011年，“深藍”的同門師弟“watson”（沃森）在美國老牌智力問答節(jié)目《危險邊緣》中挑戰(zhàn)兩位人類冠軍 ， 并獲得成功 。
④Alpha Go以5:0完勝歐洲冠軍樊麾
2016年1月，美國谷歌公司旗下的人工智能(AI)開發(fā)商“DeepMind”(位于英國)研發(fā)的圍棋電腦軟件“AlphaGo”(阿爾法圍棋)打敗了職業(yè)棋手樊麾，開創(chuàng)全球先河 。
進入21世紀后，科學研究從大數(shù)據(jù)、人工智能到虛擬現(xiàn)實，從發(fā)現(xiàn)了類地球行星、引力波到無人駕駛、量子計算，這是一個創(chuàng)新不斷、驚喜不斷的時代，而我們有幸參與其中 ， 這也許比單純討論比賽輸贏更有趣 。
推薦閱讀
- 如何隱藏QQ會員圖標隱藏之后如何恢復
- 虛假發(fā)票處理半年之后還能開除嗎
- 繼電器氣體用色譜怎么做
- nova更新之后切不了屏
- 繼母的弟弟叫什么
- 晉朝之后的朝代順序
- 周黑鴨加熱之后是不是更好吃 鴨脖的骨頭能吃嗎
- 警號110933，重啟！
- iPhone探探VIP如何取消防止繼續(xù)扣費
- 手機掛線之后自動回復短信怎么設(shè)置