围棋，曾经一度被视为智力游戏的“最后堡垒” 。即便当“深蓝”击败卡斯帕罗夫后，围棋也凭借自身千变万化的变局，让无数人工智能“棋手”望而却步，让无数人工智能研究者捶胸顿足 。但技术的发展，从来就没规定过只能匀速发展 。
随着技术上的突破，被俗称为“阿法狗”的人工智能棋手AlphaGo及其后续升级版本，成功征服了围棋游戏 。
文章图片
AlphaGo的出现让围棋走向了人工智能的时代|Wikipedia public domain
是什么让它成为“围棋之神”呢？
人工智能在20世纪后半叶诞生以后，主流发展方向一直是高度适于处理特定问题的“专家系统” 。而在上个世纪60年代开始，神经科学也迎来了大发展 。尤其是大卫·休伯尔（David Hubel）与托斯坦·维瑟尔（Torsten Wiesel），他们对哺乳动物视觉皮层信息处理通路的研究，在相当程度上启发了人工智能学者 。我们耳熟能详的“神经网络”一词，作为一种人工智能设计方案，就此诞生 。
文章图片
神经网络作为一种人工智能设计方案，已经诞生｜Pixabay
这种一定程度上模仿大脑内部“天然神经网络”的“人工神经网络”算法，同样把运算结构划分为一个个“神经元” 。其中，“前排”神经元负责接收并处理加工外界输入的信息，然后再将结果交由“后排”神经元进行整合并输出结果 。
不过，在上个世纪80-90年代的计算机浪潮中，率先崭露头角的人工智能方案却并不是神经网络 。当时的研究人员开发了一类算法，模仿人类在解决谜题或进行逻辑推理时使用的“逐步推理” 。这类算法，通过层层设置选择条件，来根据现有局面构建尽可能全面的发散状选择树，并在运算能力和反应时间允许的极限内，尽可能检索出已知范围内的最优解 。
显然，相比于死板地依照预设代码执行“如果……那么……”式命令的传统计算机程序，这种能够主动进行逐步推理算法，在处理不确定性问题或面对信息不完整局面时，会有更灵活的反应 。在国际象棋领域终结人类统治的“深蓝”，其基本运行原理就是基于这类算法 。在与人类对弈时，“深蓝”会基于已经学习的海量对局，为当前局面进行分析，快速检索出各种主要选择，然后在有限的时间中内尽快挑选出最优解，作为下一手打出 。
简而言之，“深蓝”最核心的部分，就是一个“局面”检索算法 。
当然，这种人工智能有一个明显的弱点，就是当它们面对足够复杂的大型推理问题时，会遭遇名为“组合爆炸”的叹息之墙，找出最优解的速度急速下跌 。
因此，可以在国际象棋赢下人类顶级大师的“深蓝”，并不适合应付围棋这样变局数量近乎无穷的思维游戏 。这也是演化赋予人脑智能的特点——追求效率，但不求尽善尽美 。
此时，经过进一步演化的神经网络算法开始重出江湖 。经过“超进化”的新一代神经网络，在原本只有输入和输出两层的神经元结构中间，塞进去了大量名为“隐层”的神经元 。这一模仿人类神经网络逐层加工信息的“三明治”设计，极大增强了神经网络算法的信息处理能力 。位于输入层与输出层中间的“隐层”神经元，可以将输入信息进一步加工——“卷积神经网络”中的“卷积”一词，就是在数学上描述这种“信息叠加” 。
简而言之，隐层神经元就像人脑中那些处理输入信息的生物神经元，可以根据各自不同的“偏好”（数学上表述就是“卷积核”）来对输入信息进行过滤和加工 。如此一来，神经网络对输入信息关键特征的抽取和整合能力得到了空前的增强 。
推荐阅读
- 马蹄|春天遇到此菜，我从不还价，隔三差五吃一次，生津润燥，气色渐好
- 馒头|“之前从没被零封过”，lwx落败心情低落，牛排一句反问让人破防
- 无从下手什么意思（词语无从下手什么意思）
- 从超市买的鱿鱼丝怎么做（从超市买的鱿鱼丝的做法）
- 过年红包吉利数字（过年红包给多少吉利）
- 红包数字寓意（发红包数字含义是什么）
- 表达爱的微信数字红包（表达爱的微信数字红包是哪些）
- 情人节红包数字配文（情人节红包数字有哪些）
- 练琴|从小练琴会伤眼？专家：“距离近、时间久”惹的祸
- 受众|“颜值经济”时代化妆品受众低龄化 父母该怎么办