最早小说 通过搜索各大小说站为您自动抓取各类小说的最快更新供您阅读!

为什么要采用这种设计呢?

其实不难理解,新时期II人员涉及到人工智能方面的研究所采纳的策略基本是比生物学方面的研究策略还偏向于生物学。

而之所以采用前面的这种设计,很大程度上是受人类棋手下棋的启发。

人类棋手下棋的时候,通常情况下,首先棋手会通过过去的经验、棋谱先大致判断出下哪里不吃亏。

缩小搜索范围之后,棋手会对某一局部位置进行详细的推演。

至于推演时候,棋手主要思考的是自己如何落子、落子之后对手又会如何反应。

一般来说,优秀的棋手都应该具备这种的推演能力。

走一步看十几步甚至几十步,才能成为围棋高手。

计算力的强大与否是衡量棋手中盘能力的重要指标。

至于推演的目的则是是为了找出对自己最有利的落点。

总结一下,优秀棋手要具有一下能力:

首先通过局势判断大概可行走法;

然后判断局势是否对自己有利;

再之后推演局势找出最佳落点。

人工智能虽然看起来是机器方面的学问。

但实际上是科研人员在试图让机器像人那样去思维。

阿法狗AlphaGo在运行的逻辑本质上很接近人类棋手的思考方式。

总之,涉及到阿法狗AlphaGo的技术实现什么的其实不是很复杂。

涉及到技术方面的内容很清晰。

但具体施为起来依旧很麻烦。

首先就是涉及到很多技术底层的东西。

这个时空因为在人工智能方面的东西短腿。

很多理论性的东西还需要从无到有的建设。

换言之,林灰要想重新引爆人工智能这个爆点。

大概率要异时空搬砖,各种搬运人工智能方面的理论知识。

至于具体的搬运还要搞清楚技术路线。

虽然这个工作稍稍有点麻烦,但好在林灰现在多少也是有一个学术工具人的。

技术层面除了人工智能这方面的东西。

还需要一些其它技术层面的东西。

前世,在初代阿法狗AlphaGo里面,谷/歌除了应用了人工智能方面的成果之外。

还应用了一些分布式系统方面的研究成果。

在计算机科学中,分布式计算,又译为分散式运算。

分布式系统是一组电脑,透过网络相互连接传递消息与通信后并协调它们的行为而形成的系统。

虽然像阿法狗AlphaGo这类程序不依靠分布式计算也有着不错的效能。

但分布式计算相比于传统的效率往往更高。

涉及到分布式神马的有点难办。

林灰前世并没有搞过类似的东西。

不过林灰前不久看到谷/歌方面和普林斯顿大学数学系在合作摘要式算法的学报中似乎提到过跟分布式有关的东西。

诚然如此的话,倒不是没机会将涉及到分布式技术的一些东西忽悠过来。

除此之外,阿法狗AlphaGo还涉及到比较麻烦的训练。

如果只是为了不麻烦的话。

林灰没必要非盯着阿法狗AlphaGo不放。

前世又不是只有阿法狗AlphaGo。

阿法狗AlphaGo之后有master,master之后有Alpha_Zero。

如果说阿法狗AlphaGo还曾负于人类。

Alpha_Zero则完全是秒天秒地秒空气了。

林灰记得前世看到过的一组数据。

Alpha_Zero算法只需要8个小时训练后击败对战李世石版本的“阿法狗AlphaGo”。

按照这个说法,意味着Alpha_Zero的训练成本要远远低于阿法狗AlphaGo。

与前辈阿法狗AlphaGo相比,Alpha_Zero有很多自己的独到之处。

尽管这个技术很强大,但Alpha_Zero和阿法狗实际上是有技术代差的。

想要搞出Alpha_Zero从逻辑层面来说还是要先搞出阿法狗AlphaGo。

这种情况下,林灰觉得技术神马还是尊重客观发展的规律比较好。

真要一步到位的话未必是好事。

能想到阿法狗AlphaGo这个人工智能的爆点已经很不错了。

话说回来林灰早该想到阿法狗的。

林灰记得之前刚注册微博时在微博上蛋疼兮兮地发的那两句话:

——“绝艺如君天下少,闲人似我世间无”

就跟鹅厂的围棋AI有着很紧密的关系。

早点想到这点林灰应该很快就能想到阿法狗。

尽管已经想到了这些。

但涉及到阿法狗AlphaGo的实际复现依旧困难多多。

最大的困难似乎是硬件层面的。

阿法狗AlphaGo还有alphaZero这两个技术想问世的话还需要深度学习框架以及硬件方面的支持。

无论是阿法狗AlphaGo还是alphazZro都涉及到前世谷/歌提出来的TensorFlow这个深度学习框架。

前世为了这个深度学习框架,谷/歌2016年还开发了张量处理器。

张量处理器(TPU)是谷/歌为机器学习定制的专用芯片。

就特么超级离谱,国内芯片一言难尽。

国外这是人是鬼都在秀。

跟芯片看起来似乎半毛钱关系都没有的也在搞芯片。

说起来初代的TPU规格大致参数林灰是记得一些的。

虽然不是记得特别全。

但林灰还是依稀记得初代TPU是28nm制程。

虽然以林灰的眼光看28nm制程有点糙。

但要知道此时iPhone5s上的芯片制程也不过才28nm。

这就很糟心。

也就是说即便林灰能搞TPU,大概率成本也会居高不下。

虽然林灰可以直接利用前世带来的电脑跑模型。

但个人电脑终究会局限一些AI程序发挥效能。

即便在个人电脑上能发挥AI的全部效能林灰也不可能抱着来自往后七年的技术堂而皇之地区面对世人。

哎,难难难。

尽管有这样那样的麻烦。

但提出问题比解决问题更重要。

只要思想不滑坡,办法总比问题多。

相比于这个时代中的人们还在黑暗中摸索着前行。

林灰好歹知道如何解决问题以及解决问题面对的困难。

就这一点妥妥地优势在我!

涉及到这种使用时代最先进技术制程。

似乎不可避免的要涉及到和歪果合作啊。

某积电似乎也看歪果仁脸色。

歪果凭啥拿这种技术资“敌”呢?

说起来搞个歪果的代言公司似乎不错。

毕竟歪果仁蛇鼠一窝。

面对同样的歪果公司芯片制作方似乎不会太大戒心。

歪果公司?

林灰突然想到了deepmind。

deepmind这个时空既然混得这么惨。

把这个公司收购来似乎不错啊。

想来一家即将申请破产保护的公司应该不是很贵吧?

林灰越想越觉得合理。

喜欢穿越:2014请大家收藏:(www.zuizaoxiaoshuo.net)穿越:2014最早小说更新速度全网最快。

最早小说推荐阅读: 末世:开局一头基多拉重生圣尊傲娇校花爱上我娱乐:我夺舍了刘星!我分裂了无数人格从大学教师开始野性之心重生资本大亨1979闲鱼人生神豪:从百倍返利开始我的1979华娱科幻之王修复师校园超神学生从废土开始模拟城市女神的超级鳌胥林阳夜的命名术萧阳叶云舒超级王者全能侍卫我的美女大小姐玩游戏玩成大佬我的秘书是狐妖拜见猫神大人都市纵横,从修改旁白开始一人之下之龙血炽腾一个在赎罪的主播我的地头儿我做主从港综街头霸王开始万界点名册美女总裁的最强高手求求你们别再说了大国重工纯情校医至尊战神全文免费阅读娱乐:巨星演员我的冷艳总裁老婆人狐恋护妻霸婿我真不会打网球私生子我震惊了全世界女总裁的神级保镖最高使命华娱之流量影帝超时空评测无心法师:从挖出岳绮罗开始我去末世修个仙全球首富:神级再造系统我的梦幻年代东瀛大物
最早小说搜藏榜: 系统让我捡破烂从全能急诊科医生开始神豪:从百倍返利开始基建:开局给珠峰修电梯重生80:从收破烂开始!神豪:我能百倍返现我爸二婚送了我五个姐姐娱乐:从主持人大赛开始四合院之好好活着从情满四合院开始穿越重生之大收藏家灵气复苏:开局神级武魂娱乐:开局渣了杨老板从港片开始当幕后大佬从代工厂到科技霸主神话复苏:这个神明我认识重生过去的逍遥人生我的细胞变异了中医许阳黄金渔场我每周随机一个新职业神豪:开局购买力增幅百倍我被困在同一天一千年娱乐:开局一首海阔天空娱乐:开局喜当爹!高考结束成百亿神豪我在英伦当贵族高考以后,我才重生全球高武重生过去震八方从网络神豪开始神豪:开局骗了女主播!每168小时获得一个异能从签到获得商业大楼开始我有一个三界拍卖系统无限游戏:十倍奖励重生过去当传奇从大国机长开始亿万富豪从相亲系统开始末日:开局选择时间停止娱乐:巨星演员我,星空巨兽生活系神豪影帝从签到开始全球数据化,我能增幅万物娱乐:开局就和杨老板结婚医路坦途大时代从1983开始修仙从华娱开始万族之劫
最早小说最新小说: 文娱:让你唱歌,你搁这作法?四合院里的老中医地窟求生:开局食物增幅三十倍汽车公司?不,是国货之光再启仙途我的金融帝国热搜第一:叫你捡漏你开挂啊我写的娱乐文被杨老板看到了百元求生:从潘家园捡漏开始带着爸妈去上班娱乐:别联系了,真不熟放弃留学,我打造了世界第一名校从重生开始合租浪在娱乐圈四合院里的唯一老实人韩娱之隔世斑斓怪物食堂首富后才知是反派我的夫妻关系竟能数据化平行空间都市风水师大赌石乾哥传奇神眼少年全能天才混都市绝品全才十二生肖守护神都市无敌特种兵重生圣尊软玉温香极品黑道太子邪霸都市纯情校医校园纨绔特工我的美女上司冰帝校园行护花高手绝品小农民狱锁狂龙3之潜龙出海护花公子全职保安美女校花的贴身高手美女老师爱上我校园超级霸主官运之左右逢源黑客神医贴身美女攻略医道无双极品保镖美女老总爱上我