但很可惜的是，人类却发现他们对围棋的理解和人工智能差了很远。
阿法狗AlphaGo的出现让所有人都意识到，依靠肉体凡胎是永远不可能登上围棋的山顶了。
这一点，对于职业棋手来说可能的确是过于残酷了。
在阿法狗AlphaGo问世之后，甚至有人悲观的认为。
人工智能的出现直接把围棋这项古老的游戏摧毁的原因。
以林灰看来，人工智能的出现对棋类的影响到底更有利还是更有弊还不好说。
作为普通爱好者，阿法狗AlphaGo的出现肯定是有利的。
人工智能的出现让普通人有了可以欣赏大师对局的能力。
让普通人在屏幕前比肩最强人类甚至超越的能力。
……
各种说法都有。
看得出来一项新技术的诞生是面临着很大争议的。
林灰愿意承担更大的责任。
但并不想将自己牵扯到这些涉及到具体技术层面毫无意义的纷争中。
综合考虑，有些事搞个歪果公司去蹚雷是很有必要的。
……
话说回来，除了利用歪果公司蹚雷之外。
利用歪果公司进行一些技术方面挖坑似乎也是很棒的。
就算林灰不刻意利用这些公司挖坑，这些公司也没少挖坑。
这样的专业团队不充分利用很说不过去。
而且歪果仁对同样是自己人埋的雷应该不会太在意。
当然了技术方面挖坑要精心布置。
技术上那种一眼看出来压根没啥利用价值的坑，别人根本不会去踩。
最好是那种看起来有很大商业价值但实际上实现起来很困难的坑才好。
这样的技术林灰首先想到的是步态识别技术。
前世进入新世纪以来，很多生物信息都被当作特征提取出来作为生物识别的一种手段。
步态识别自然也不例外。
步态识别是一种新兴的生物特征识别技术，步态识别技术旨在通过人们走路的姿态进行身份识别。
与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。
在智能视频监控领域，比图像识别更具优势。
步态是指人们行走时的方式，这是一种复杂的行为特征。
罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。
人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上都存在细微差异。
对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。
人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。
步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。
步态识别虽然是一个相当新的发展方向，但是其工作原理还是很清晰的。
步态识别旨在从相同的行走行为中寻找和提取个体之间的变化特征，以实现自动的身份识别。
客观来说，步态识别是融合计算机视觉、模式识别与视频／图像序列处理的一门技术。
步态识别技术在运用的时候首先由监控摄像机采集人的步态，通过检测与跟踪获得步态的视频序列，经过预处理分析提取该人的步态特征。即对图像序列中的步态运动进行运动检测、运动分割、特征提取等步态识别前期的关键处理。
其次，再经过进一步处理，使其成为与己存贮在数据库的步态的同样的模式；
最后，将新采集的步态特征与步态数据库的步态特征进行比对识别，有匹配的即进行预／报警。无匹配的，监控摄像机则继续进行步态的采集。
一个智能视频监控的自动步态识别系统往往是由监控摄像机、一台计算机与一套好的步态视频序列的处理与识别的软件所组成。
不过在这套系统中最关键的是步态识别的软件算法。
所以，对智能视频监控系统的自动步态识别的研究，也主要是对步态识别的软件算法的研究。
步态识别作为一项基于人的走路姿态进行身份识别的一种生物识别技术很多时候步态识别具有唯一性识别的本领。
理论上讲甚至是人脸识别难以区分的双胞胎利用步态识别技术也能够不费吹灰之力进行区分。
步态识别有着广阔的应用前景，可应用于各种安全场景、刑侦破案、嫌疑人检索等场景。
尽管有着广阔的前景，同时也具有相当强的唯一性。
不过步态识别算法的进步可不是那么容易。
因为步态识别输入的序列图像的数据量较大，步态识别的计算复杂性比较高，处理起来也比较困难。
（步态识别实现起来之所以很困难主要是是因为建立模型复杂。
另外步态识别所识别的特征点很容易发生变化。
就以一个人来说，不同年龄的时候行走时是不同的姿态。
不同心情时可能行走又是不同的姿态……
抛开这些不谈，在相当控制变量的情况下。
步态识别也会遇到很多挑战。
这章没有结束^.^，请点击下一页继续阅读！