※ 引述《david190 (david)》之銘言：
: : → JPChinbotsu: 阿法狗是英國孤狗啦，德國法國也有軟體啦，以色列愛 05/24 00:54
: : → JPChinbotsu: 沙尼亞芬蘭也不用說 05/24 00:54
: : → JPChinbotsu: 不想做就直接說 05/24 00:54
: DeepMind創辦人Hassabis和Legg在倫敦大學生命科學系的蓋茲比計算神經科學小組裡相識
: 2014年1月26日，Google宣布已經同意收購DeepMind科技
: 是於2014年開始由英國倫敦Google DeepMind開發的人工智慧圍棋程式
: AlphaGo的做法是使用了蒙地卡羅樹搜尋與兩個深度神經網路相結合的方法，其中一個是
: 以估值網路來評估大量的選點，而以走棋網路來選擇落子。在這種設計下，電腦可以結合
: 樹狀圖的長遠推斷，又可像人類的大腦一樣自發學習進行直覺訓練，以提高下棋實力
: 結論 :
: 這是一個模擬人腦神經網路科學的突破 專業的在生命科學系計算神經科學
: 台灣如果想玩 要跟生科系 一起共創大未來 單靠資工人員是有限的
: 生科+資工=AI 懂?
蒙地卡羅+類神經的好處是預先演算建立大量推測資料
再用推測資料判斷最佳值 類似推測這棋步贏的機率有多少
這應該是一年前自我學習資料推演階段
AlphaGo現在應該不用這樣做了
按照他們記者會講述現在單機上面運行
現在應該已經驗證一種模型可快速計算棋步最佳值
而且直接跟柯傑對奕驗證會否有Bug在這種快速求解的演算模型上
如果要把演算匹配細緻到像是人腦匹配一樣 那反而降低演算效率
用在現有電腦計算上 只是一種大負擔 卻沒有很多好處
就像是在手機上運行WINDOWS10 打3D遊戲一樣
發展這個不如先解決計算機演算結構的問題
像是用量子邏輯建構的量子電腦 可能計算效率快於現在的數萬倍
如果達成了 你想做什麼樣的AI都有可能發生