谷歌人工智能叫什么

　google的人工智能都众所周知，那么谷歌的人工智能叫什么，下面是学习啦小编为你整理的谷歌人工智能叫什么，供大家阅览！

　1936年，艾伦·图灵提出了一种可以辅助数学研究的机器(后来被称为“图灵机”)，80年过去了，人类在人工智能领域已经取得突飞猛进的发展。上世纪90年代，IBM超级计算机“深蓝”击败国际象棋世界冠军，引发了“电脑是否超越人脑”的热议。然而，围棋因其变化莫测的招式成为了AI(Artificial Intelligence，人工智能)难以攻克的“禁地”。当然，这个世界总有“不信邪”的人。DeepMind开发的AI程序AlphaGo，击败了欧洲围棋冠军樊麾。

　　AlphaGo是什么来历?

　　起初，DeepMind是英国的一家小型人工智能公司，专精于深度学习和分析建模领域，在2014年被谷歌收购。这家公司的创始人名叫德米斯·哈萨比斯(Demis Hassabis)，他拥有剑桥大学和伦敦大学学院的计算机科学和认知神经科学学位，还是一位国际象棋大师。从外表上来看，“学生气”的哈萨比斯很普通，但是其对AI的见解和愿景改变了很多的看法，其中就包括著名物理学家史蒂芬·霍金。一直以来，霍金总是倾向于“AI威胁论”，认为智能机器终有一天会威胁人类的安全。不过在与哈萨比斯长谈了4个小时之后，霍金似乎转变了态度。

　　介绍完DeepMind的负责人，我们把目光转回到AlphaGo。事实上，AlphaGo成名已久，曾经先后与Crazy Stone和Zen(两款知名围棋程序)进行了500局对弈，仅有一局失利。此外，其也优于Facebook的围棋程序Dark Forest，后者得到了马克·扎克伯格的支持。AlphaGo具备策略网络(Policy Network)和估值网络(Value Network)能力，前者分析局面、预测对手招式，后者负责判断胜率，可以在2微秒内走出一步棋，而Dark Forest仅具备第一种能力，并且走棋所花费的时间也要更慢。

学习啦在线学习网 　　当然，真正让AlphaGo成名的还是战胜欧洲围棋冠军樊麾，这在当时引起了轩然大波，甚至推升了谷歌的股价，毕竟这是电脑对人脑的一次胜利。更重要的是，站在计算机的角度来看，与象棋相比，围棋的难度要大很多，每个步数的潜在组合非常复杂，曾有专家说AI十年内都无法掌握围棋。

　　阿尔法围棋(AlphaGo)是一款围棋人工智能程序，由位于英国伦敦的谷歌(Google)旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。2015年10月阿尔法围棋以5:0完胜欧洲围棋冠军、职业二段选手樊麾;2016年3月对战世界围棋冠军、职业九段选手李世石，李世石输了。

　　阿尔法围棋(AlphaGo)是一款围棋人工智能程序。这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。

　　深度学习

学习啦在线学习网 　　阿尔法围棋(AlphaGo)的主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。

　　两个大脑

　　阿尔法围棋(AlphaGo)是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。

学习啦在线学习网 　　这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。这个处理器有大量的随机性元素，所以人们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。

　　第一大脑：落子选择器 (Move Picker)

　　阿尔法围棋(AlphaGo)的第一个神经网络大脑是“监督学习的策略网络(Policy Network)” ，观察棋盘布局企图找到最佳的下一步。事实上，它预测每一个合法下一步的最佳概率，那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。

　　第二大脑：棋局评估器 (Position Evaluator)

学习啦在线学习网 　　阿尔法围棋(AlphaGo)的第二个大脑相对于落子选择器是回答另一个问题。不是去猜测具体下一步，它预测每一个棋手赢棋的可能，在给定棋子位置情况下。这“局面评估器”就是“价值网络(Value Network)”，通过整体局面判断来辅助落子选择器。这个判断仅仅是大概的，但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”，AlphaGo能够决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行，那么AI就跳过阅读在这一条线上的任何更多落子。