1樓：三克油馬吃
聶衛平回了馬雲質疑的說法是alphago相當於專業圍棋20段，而人類最高9段。
alphago是人類集體智慧的結晶，有學習（深度演算法）功能，人類沒出一招，人家則拿出成千上萬的對比分析資料得出最佳結論。
是人就會犯錯，但狗不是人，犯錯的機率就少！
2樓：麵條會看臉
因為是人工智慧程式，集眾多高智商程式設計師的智慧為一身，是團隊力量的結晶。俗話說，三個臭皮匠，賽過諸葛亮，人工智慧程式背後是團隊的強大力量
3樓：輕視之亂
alphago究竟採用了怎樣的技術讓它不同以往呢？教會機器下棋，傳統的人工智慧方法是將所有可能的走法構建成一棵搜尋樹，用這種方法成功的讓機器戰勝過世界第一的國際象棋選手，但這種方法對圍棋並不適用。此次谷歌推出的alphago，將高階搜尋樹與深度學習演算法結合在一起，甚至能夠讓機器做到「左右互搏」實現自我學習。
在較短的時間內變得越來越聰明，量變必然會引起質變，而量變正是計算機最容易實現和最擅長的東西。對於此，國內人工智慧企業，圖普科技ceo李明強也發表了自己的看法：「我們作為同alphago一樣也是基於深度學習的人工智慧企業，我是十分看好alphago乃至整個人工智慧的前景的。
」當被問及深度學習演算法未來在哪些民用領域能夠為人類服務時，李明強信心十足的表示：「我認為所有的領域都會逐步應用，ai對人類是高維打擊，這是遍地開花的事情，不是某個行業的事情。實現路徑上，人工智慧先替代簡單機械性的事情，比如現在生產線上的智慧機器人，我們圖普的智慧鑑黃機器人，然後逐漸過渡到複雜模糊的事項，比如自動駕駛，機器服務員，以後甚至模擬人類細膩情感、藝術創新，機器也會做的比人好，比如與人類戀愛調情、自主寫歌畫畫。
總之，現在人類能做的，未來人工智慧可能實現，甚至做得更好，這樣的未來並不遙遠。」
4樓：廣州康邦矽藻泥
alphago依靠精確的專家評估系統（value network）、基於海量資料的深度神經網路（policy network），及傳統的人工智慧方法蒙特卡洛樹搜尋的組合，以及可以通過左右互搏提高自己的水平，這個真的是有的恐怖了有木有。李世石九段固然厲害，可人類畢竟是動物，機器軟體程式是無休止的工作，這一點也是客觀因素了。
alphago依靠精確的專家評估系統（value network）、基於海量資料的深度神經網路（policy network），及傳統的人工智慧方法蒙特卡洛樹搜尋的組合，以及可以通過左右互搏提高自己的水平，這個真的是有的恐怖了有木有。李世石九段固然厲害，可人類畢竟是動物，機器軟體程式是無休止的工作，這一點也是客觀因素了。比賽已經結束了，李世石一比四不敵alphago。
有一種觀點人為，只要下alphago棋譜中所未記載的招數就能獲勝，哪怕這些下法根本不符合圍棋棋理。這種做法的可行性並不高。
alphago並非是對人類棋手弈棋棋譜記憶後的簡單再現，而是具備了一定模擬人類神經網路的「思考」能力，既不是像過去那樣採用窮舉法尋找最有選項，也不是複製棋譜中
所記載的定勢或手筋。而是會對選擇進行「思考」，刪除那些勝率低的選擇，並對具有高勝率的選項進行深度「思考」，最終從無數個落子的選擇中基於自己的「思考」選擇一個最優項。 因此，若是人類棋手想憑藉下幾步不符合圍棋棋理，或未被棋譜記載的圍棋下法，就輕而易舉戰勝alphago的可能性並不高。
因為alphago是人工智慧，而不是一臺只會複製人類棋手招數的機器。
5樓：那年四月的謊言
2131232323123
6樓：匿名使用者
厲害呀被
金晶科技看見都喜歡
7樓：蘇厚子
是的，厲害的東西還很多。這個也夠厲害的。
8樓：匿名使用者
「幾百個幾千個高手」算計你一個，結果可想而知。
9樓：禾女鬼口員
因為他是人類的電腦和計算機大腦的結合體。實在不明白為什麼人要和機器比賽。又不是同類，研究出來這麼高科技的東西，不怕出現第三種生物統治人類嗎
10樓：植秋梵玉
因為是高科技的電子產品，所以整體的反應和功能都更強大
11樓：青島牛仔
阿爾法圍棋（alphago）是一款圍棋人工智慧程式，由谷歌（google）旗下deepmind公司的戴密斯·哈薩比斯、大衛·席爾瓦、黃士傑與他們的團隊開發。其主要工作原理是「深度學習」。
程式原理
深度學習
阿爾法圍棋（alphago）是一款圍棋人工智慧程式。其主要工作原理是「深度學習」。「深度學習」是指多層的人工神經網路和訓練它的方法。
一層神經網路會把大量矩陣數字作為輸入，通過非線性啟用方法取權重，再產生另一個資料集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織連結一起，形成神經網路「大腦」進行精準複雜的處理，就像人們識別物體標註**一樣。
阿爾法圍棋用到了很多新技術，如神經網路、深度學習、蒙特卡洛樹搜尋法等，使其實力有了實質性飛躍。美國臉書公司「黑暗森林」圍棋軟體的開發者田淵棟在網上發表分析文章說：「『阿爾法圍棋』這個系統主要由幾個部分組成：
一、走棋網路（policy network），給定當前局面，**/取樣下一步的走棋；二、快速走子（fast rollout），目標和走棋網路一樣，但在適當犧牲走棋質量的條件下，速度要比走棋網路快1000倍；三、估值網路（value network），給定當前局面，估計是白勝還是黑勝；四、蒙特卡洛樹搜尋（monte carlo tree search），把以上這三個部分連起來，形成一個完整的系統。」
兩個大腦
阿爾法圍棋（alphago）是通過兩個不同神經網路「大腦」合作來改進下棋。這些大腦是多層神經網路跟那些google**搜尋引擎識別**在結構上是相似的。它們從多層啟發式二維過濾器開始，去處理圍棋棋盤的定位，就像**分類器網路處理**一樣。
經過過濾，13 個完全連線的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。
這些網路通過反覆訓練來檢查結果，再去校對調整引數，去讓下次執行更好。這個處理器有大量的隨機性元素，所以人們是不可能精確知道網路是如何「思考」的，但更多的訓練後能讓它進化到更好。
第一大腦：落子選擇器 （move picker）
阿爾法圍棋（alphago）的第一個神經網路大腦是「監督學習的策略網路（policy network）」 ，觀察棋盤佈局企圖找到最佳的下一步。事實上，它**每一個合法下一步的最佳概率，那麼最前面猜測的就是那個概率最高的。這可以理解成「落子選擇器」。
第二大腦：棋局評估器 （position evaluator）
阿爾法圍棋（alphago）的第二個大腦相對於落子選擇器是回答另一個問題。不是去猜測具體下一步，它**每一個棋手贏棋的可能，再給定棋子位置情況下。這「局面評估器」就是「價值網路（value network）」，通過整體局面判斷來輔助落子選擇器。
這個判斷僅僅是大概的，但對於閱讀速度提高很有幫助。通過分類潛在的未來局面的「好」與「壞」，alphago能夠決定是否通過特殊變種去深入閱讀。如果局面評估器說這個特殊變種不行，那麼ai就跳過閱讀。
日本為什麼這麼厲害？
12樓：繩桂枝籍雨
說在前面的話，我至今仍然非常討厭日本人。
但是一個民族能夠存活至今必須有它的長處。
一、美國為了遏制蘇聯在亞洲的勢力，把日本當作一個楔子插入亞洲。所以用強大的綜合國力支援日本。
二、日本人雖說虛偽和骯髒，可是不能否認他們的勤奮和團結拼搏精神。後者尤其需要國人學習。
三、在美蘇爭霸時，日本人能抓住機遇，在美國眼皮底下快速發展。
可能還有一個因素——日本天皇沒被推翻，日本人的信仰和武士道精神猶存，軍國主義的野心仍然苟延殘喘。
所以，強大是必然的。而至於燒殺掠奪，中國被日本欺負了太久，3500萬人死於戰爭，日本軍隊的暴行仍然在中國大地上留有痕跡！美國人為了打日本投用了數以千萬噸的戰爭物資，幾乎沒有一個日本城市還有高樓建築。
死的全是直接或間接參與戰爭的日本國民。所以燒殺掠奪我認為幫助並不大。
13樓：股熱風
非專業的見解：
1，國家小方便治理，國家越大治理越繁瑣，效率就低。
2，國家文化背景，日本奉行的是天皇，天皇一個命令可以讓人去死，而不會有怨言，所以他們可以集合全國人力幹一件事，人人盡心盡力，不會出現個人主義，為自己打算的情況。而中國就不一樣，雖然也是精忠報國，但也有獨善其身的說法。所以一干起事來各人來肚子裡都有點小九九。
所以啦，人本人幹起事來效率高，中國人幹起事來效率低。
3，說實話小日本真的挺勤奮的，起早貪黑沒有怨言，這中國辦不到吧。
4，這點小日本沾了中國的光，2戰過後美國為了牽制中國扶持日本，使日本在發展初期最**也最困難的時候得到很大的幫助，經濟飛速發展。
幾句廢話，希望能有些沾邊！
14樓：章好休琳晨
他們都是美國養的
都是美國的殖民地
15樓：薩洮諸葛春華
每個人，都像你這樣的，對現實深深所思的話，就會好下去。
為什麼鯨魚這麼厲害？
16樓：東戶網
虎鯨是一種大型齒鯨，身長為8～10米，體重幾噸左右，背呈黑色，腹為灰白色，背鰭彎曲長達1米，嘴巴細長，牙齒鋒利，性情凶猛，食肉動物，善於進攻獵物，是企鵝、海豹等的天敵。有時它還襲擊同類鬚鯨或抹香鯨，可稱得上是海上霸王，是最凶猛的海洋動物。
17樓：匿名使用者
鯨魚這麼厲害不知道您指哪一方面，從力量來說因為鯨魚是體型最大的動物 自然身大力不虧，此外虎鯨是真正的海洋霸主，不僅因為個人和尖牙，還有因為虎鯨智商高，因此這麼厲害，連大白鯊和虎鯨相比都是小巫見大巫。
18樓：半天的憂傷
一個字大啊，你讓鯨魚變得像鯽魚那麼大，你看他會那麼厲害嗎？
alphago為什麼這麼厲害
19樓：迷霧非迷
機器人運算速度比人快
集合了大量圍棋高手的下棋思路，雖然是已經固定了
我們下一步可能想3步，但機器人基本上會想到更多結果，雖然可能並不是完全正確。
20樓：加
因為是人工智慧程式，集眾多高智商程式設計師的智慧為一身，是團隊力量的結晶。俗話說，三個臭皮匠，賽過諸葛亮，人工智慧程式背後是團隊的強大力量
21樓：青島牛仔
阿爾法圍棋（alphago）是一款圍棋人工智慧程式，由谷歌（google）旗下deepmind公司的戴密斯·哈薩比636f707962616964757a686964616f31333363373230斯、大衛·席爾瓦、黃士傑與他們的團隊開發。其主要工作原理是「深度學習」。
程式原理
深度學習
阿爾法圍棋（alphago）是一款圍棋人工智慧程式。其主要工作原理是「深度學習」。「深度學習」是指多層的人工神經網路和訓練它的方法。
一層神經網路會把大量矩陣數字作為輸入，通過非線性啟用方法取權重，再產生另一個資料集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織連結一起，形成神經網路「大腦」進行精準複雜的處理，就像人們識別物體標註**一樣。
阿爾法圍棋用到了很多新技術，如神經網路、深度學習、蒙特卡洛樹搜尋法等，使其實力有了實質性飛躍。美國臉書公司「黑暗森林」圍棋軟體的開發者田淵棟在網上發表分析文章說：「『阿爾法圍棋』這個系統主要由幾個部分組成：
一、走棋網路（policy network），給定當前局面，**/取樣下一步的走棋；
二、快速走子（fast rollout），目標和走棋網路一樣，但在適當犧牲走棋質量的條件下，速度要比走棋網路快1000倍；
三、估值網路（value network），給定當前局面，估計是白勝還是黑勝；
四、蒙特卡洛樹搜尋（monte carlo tree search），把以上這三個部分連起來，形成一個完整的系統。」
兩個大腦
阿爾法圍棋（alphago）是通過兩個不同神經網路「大腦」合作來改進下棋。這些大腦是多層神經網路跟那些google**搜尋引擎識別**在結構上是相似的。它們從多層啟發式二維過濾器開始，去處理圍棋棋盤的定位，就像**分類器網路處理**一樣。
經過過濾，13 個完全連線的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。
這些網路通過反覆訓練來檢查結果，再去校對調整引數，去讓下次執行更好。這個處理器有大量的隨機性元素，所以人們是不可能精確知道網路是如何「思考」的，但更多的訓練後能讓它進化到更好。
第一大腦：落子選擇器 （move picker）
阿爾法圍棋（alphago）的第一個神經網路大腦是「監督學習的策略網路（policy network）」 ，觀察棋盤佈局企圖找到最佳的下一步。事實上，它**每一個合法下一步的最佳概率，那麼最前面猜測的就是那個概率最高的。這可以理解成「落子選擇器」。
第二大腦：棋局評估器 （position evaluator）
阿爾法圍棋（alphago）的第二個大腦相對於落子選擇器是回答另一個問題。不是去猜測具體下一步，它**每一個棋手贏棋的可能，再給定棋子位置情況下。這「局面評估器」就是「價值網路（value network）」，通過整體局面判斷來輔助落子選擇器。
這個判斷僅僅是大概的，但對於閱讀速度提高很有幫助。通過分類潛在的未來局面的「好」與「壞」，alphago能夠決定是否通過特殊變種去深入閱讀。如果局面評估器說這個特殊變種不行，那麼ai就跳過閱讀。
為什麼山東魯能這麼厲害
中國足球職業聯賽分為兩個階段 十年甲a 94 03 7年中超 04到10 如果說大連隊是甲a的王者，那麼魯能就是當之無愧的中超霸主，7年中超戰績如下 04年 中超亞軍，中超杯冠軍 05年 中超季軍 06年 中超冠軍，足協盃冠軍 07年 中超季軍 08年 中超冠軍 09年 中超第四 10年 暫列第一。...
別克汽車為什麼降價這麼厲害
睢駿公西力行 別克的發動機太差。核心部件不行其他再行也白搭。在福特全系汽車紛紛十分強調節油的今天，就連jeep這種越野大塊頭都很注重節油的今天，別克還是老一派美國車的風格，一輛一輛的都是油老虎，那是沒人敢買的。必然跌慘。現款的jeep指南者，純正的越野車，百公里油耗 9個。福特銳界，標準的美式肌肉s...
為什麼蘋果手機發熱這麼厲害
一 發熱原因 1 當手機訊號比較差時，為保證正常的手機通訊，手機會自動加大發射功率，手機功率大導致手機發熱厲害。2 長時間使用3g或4g網路上網或通話時，導致cpu負載加大和發熱量增大。4 使用非原裝充電裝置充電輸入不穩定的電壓和電流，造成手機發熱量增大。5.戴不利於散熱的厚重的保護殼，手機發熱量也...