小時刻追著看過《終結者》，上學時刻拿著手中的文曲星在國際象棋里信誓旦旦的挑釁著一個叫“深藍”的怪人，忽然有一天，一個叫alphaGo的家伙贏了另外一個叫李世石的圍棋冠軍。這個時刻，有人說，那，就是人工智能。這個詞，就似乎忽然冒出來了一樣，然則一剎時，就漫山遍野而來。前兩天又看到消息，說alphaGo被另外一個可以或許自學的alphaZero以100比0完虐，更是讓同伙圈被刷屏了一波。人工智能跨越人腦的盤算才能和跨越人力的掌握才能再一次冷艷了世界。
人工智能是盤算機迷信的一個分支，它妄圖懂得智能的本質，并臨盆處一種新的能以人類只能類似的方法做出反響的智能機械。所以，簡而言之，它的目的是可以或許像人類一樣的思慮、斷定，模仿人的行動乃至超出人的行動。
然則為何是圍棋一會兒就讓人工智能火了？為何不是五子棋？或許象棋？其實，這要從圍棋的龐雜度說起。在曩昔的二三十年里，國際象棋、挑起、詬誶棋、撲克牌等范疇紛紜被人工智能拿下，惟獨圍棋是個破例。
起首，圍棋是一個19X19=361個點的棋盤，棋盤弘遠于其他棋類，盤算起來，能夠有10的170次方的走法，這個數字乃至年夜于宇宙華夏子的數目，而同為棋類的國際象棋能夠也只要10的70次方閣下。
其次，棋盤的每一個棋子在落子前子力是雷同的，也就是說不會有象棋一樣車馬炮的年夜小之分，每個子位置對等，不會由于一子定輸贏，然則卻又牽一發而動全身，須要全局的決議計劃。機械的算法源于規矩，而圍棋的規矩其實不能用簡略的數學的賦權值的辦法去斷定。
再而，圍棋的落子所在沒無限制，棋盤上任何一個點都有黑、白、空三種能夠。
傳統的盤算機算法是將一切能夠的走法樹立成一個搜刮樹，盡量去猜想一切的能夠情形從而選出最優選，經由過程窮舉作出斷定。但這類辦法關于龐雜性超高的圍棋則不合適，除以上的幾個方面，也同時由于圍棋可以在隨意率性一個階段盤算勝率，alphaGo的做法是對棋盤停止模仿，采取搭建相似于年夜腦神經收集的方法，一方面選擇下一步走法，也即戰略收集，一方面猜測競賽的成功，也即價值收集。而alpha Zero更進一步，將兩個收集合二為一。并且只設定圍棋根本規矩，從隨機游戲開端，完整自我練習強化，清除了人工智能依附于年夜量數據集練習的困難。
