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。
為什麼張伯倫這麼 厲害 ，張伯倫 厲害 在哪些方面呢？
張伯倫厲害在創造了籃球傳奇歷史，是nba歷史上第一位巨人中鋒。他個子雖高，卻具有罕見的靈活性和反應能力，絕佳的 身體條件使他在場上如入無人之境，得分如探囊取物。1958年，張伯倫開始了傳奇般的職業籃球生涯。1959年，他回到家鄉費城，在費城勇士隊的第一年中平均每場得37.6 分，抓下27個籃板球，成...
為什麼電腦病毒這麼厲害，為什麼電腦有這麼多病毒？
北京瑞星資訊科技股份 計算機病毒指 編制者在計算機程式中插入的破壞計算機功能或者破壞資料，影響計算機使用並且能夠自我複製的一組計算機指令或者程式 與醫學上的 病毒 不同，計算機病毒不是天然存在的，是某些人利用計算機軟體和硬體所固有的脆弱性編制的一組指令集或程式 它能通過某種途徑潛伏在計算機的儲存介質...
日本為什麼那麼強大，日本為什麼這麼厲害？
迮軒花霞飛 日本是個海洋國家，長期學習中國失敗後，轉而求知於全世界。對一切比他們先進的東西都抱著學習的態度。明治維新後，日本用六十年的時間走完了法國二百年的路，進入強國的俱樂部。很重要的一個舉措就是 要讓北海道山裡農民的小女兒都讀完小學。在一個重男輕女的國家裡，能做到這點需要很大的努力，但他們做到了...