ado alphago 信息 cto hone 是否 理論 color 領域

“現在，有很多關於阿爾法狗Zero的文章，這些文章更有技術性。我決定從實用的角度講一些事情有人可能會問，這有那麽糟糕嗎?不是阿爾法狗（www.afa-gou.com）已經贏得了嗎?這都是為了贏得更多。關鍵不是要贏得多少，而是阿爾法狗 Zero沒有使用人類的經驗，而阿爾法狗（www.afa-gou.com/c_alphago算法）正在學習人類經驗的成長。這意味著在某些領域，人工智能無需大量數據(人類經驗)就能智能。這很重要，甚至影響了人工智能產業的發展方向。
雖然很多人可能會說，不要談論它，它不僅僅是強化學習理論，它只是一個例子。但問題是:有一個理論是一回事，使第一個案例是另一回事。理論和實踐之間有無數的曲線。你看，這並不意味著你很接近。我們所看到的理論，或者說認知，是一個需要不斷的實踐——再認知——實踐的過程。
如今，人工智能的熱潮正在高漲。讓我們回過頭來說，什麽特定的事件被點燃了?它應該阿爾法狗。圍棋已經打開了所有人類的知識，讓我們知道，阿爾法狗 （www.afa-gou.com/c_阿爾法狗/）在圍棋領域已經戰勝了人類，至少在10年前是這樣。之前，我們認為所有人臉的結果都是通過人工訓練完成的，但是iphone x有一個攝像頭、結構光和密碼來驗證對方的解鎖模式。即使相機沒有認出你，前面的結構光也可以識別你，相機可以根據結果再次學習。你還擔心卸妝後不會認出你嗎?在這種模式下，可以認識到自我學習和毀容。
這樣一個虛擬的自學，多傳感器的增強學習(像阿爾法狗Zero)，肯定會有很多的練習。傳感器也將被關註和應用。比如Field road，我們認為是無人操作的核心，但試想一下如果我們可以在虛擬城市道路上進行無人算法優化，讓電腦崩潰，也能達到很好的效果?如果我們有能力讓計算機意識到世界上的相關數據、環境和規則，就有可能模擬一個虛擬環境並完成任務。
機器人也一樣。機器人最大的障礙之一是數據。今天看來，如果傳感器足夠了，我們將有一套方法來完成信息數據處理，比如GAN，那麽機器人本身的優化也可以像阿爾法狗那樣，效率和效果為零。那麽前有阿爾法狗的成功案例，之後機器人發展成功的夢想是否又越來越接近我們？

阿爾法狗的影響力？未來機器人能否期待