大家好，关于alphago人工智能很多朋友都还不太明白，今天小编就来为大家分享关于alphago是人工智能吗的知识，希望对各位有所帮助！
本文目录
- 如何看待AlphaGo Zero通过完全自学100-0完爆AlphaGo？
- 如果现在让两套同样配置的AlphaGo围棋对战，结果会是怎么样？
- AlphaGo打魔兽世界能战胜th000等顶尖选手吗？
- 后AlphaGo时代，我们离通用人工智能（AGI）还有多远？这方面研究进展如何？
如何看待AlphaGo Zero通过完全自学100-0完爆AlphaGo？
中国棋手柯洁在得知AlphaGoZero的消息后，第一时间发微博表示：人类太多余了......
在围棋比赛上，谷歌旗下DeepMind团队的人工智能程序AlphaGo横扫世界顶尖棋手的事情，早已不是新闻。就在昨天凌晨，DeepMind在一篇论文中详细介绍了迄今最强大的一版AlphaGo——AlphaGoZero（阿尔法元）。而这个新AI自学3天就以100-0完爆了当年的阿法狗。
新一代的阿尔法元有多厉害呢？
他的特点在于，AlphaGoZero除了使用围棋规则，完全摈弃了人类棋手的知识和棋谱，从零开始学起，大概学习21天就能完胜柯洁，学习40天就能完胜之前的任何AlphaGo版本。
阿尔法狗的前几代版本，都是通过用上千盘人类业余和专业选手的棋谱进行训练，学习如何下围棋。而AlphaZero，则直接跳过这个步骤，自我对弈下围棋，也就是说用自己的左手和右手下，完全从乱下开始，用这种方法超越了人类的水平。
论文原文：（https://deepmind.com/blog/alphago-zero-learning-scratch/）
那么短短一两年，我们可以看到人工智能的发展非常迅速。但很多人就会说这些AlphaGo人工智能垃圾，除了下棋还会干什么。
但我觉得不是这样想的，市面上有无数针对下棋的程序，但并不是每个都是只是为了下棋的，DeepMind的开发团队没有几个是懂围棋的，他们开发AlphaGo并让它与人类下围棋，只是为了让它找到逻辑判断的方式并不断自我学习，这些是人工智能深度学习的基础。
AlphaGo发挥创意的那些时刻表示着，人工智能将成为创造力高于人类的存在，并帮助我们解决人类面临的一些最重要的挑战。
至于人们说的什么AI觉醒之类的事情，不管信不信吧，目前看来还是很遥远的事，目前他的研究方向还在于，当它拥有了这些能力之后，它可以迅速学习其他方面的能力，并最终服务人类。
如果现在让两套同样配置的AlphaGo围棋对战，结果会是怎么样？
我不知道为什么又要提这有点过于简单的问题！而且似乎已经不止一次提问了。只要你真正把阿法狗搞清楚就知道了，众所周知阿尔法go水平的提高，就是通过自我对弈来实现的。目前谷歌公司公开的棋谱当中，有master版本的50局自我对弈，那就是同一个版本的对弈了，还有ZERO和master的对弈，和Lee的对弈。具体可以参考网上的相关介绍文字，甚至你可以上nature上去查看谷歌公司的原文。最近在野狐围棋上的神秘AI达到预期，最终被证明就是绝艺最新版本，这个版本就应该是参考了谷歌10月发表在nature杂志上论文以后开发的。
AlphaGo打魔兽世界能战胜th000等顶尖选手吗？
打魔兽和打星际2还是有点不一样的，操作的话，我相信阿法狗是完全没问题的，只会比th000好，不会比th000差。
但魔兽是一个讲究变化的游戏，打法变化还是比较多的。这是第一点。
第二点是魔兽相对还是讲一些运气的，由于有英雄的存在，前期开局的装备对比赛的影响还是有的，这是第二点。
目前来看th000获胜的机会还是比较大的，但随着ai的发展，第一点是可以被解决的，第二点是不太好解决的，所以th000获胜的机会一直有，而不会像围棋什么的，获胜的机会特别小，毕竟围棋更公平，而魔兽有运气成分。
后AlphaGo时代，我们离通用人工智能（AGI）还有多远？这方面研究进展如何？
关于这个问题，首先，有必要首先了解一下通用人工智能究竟是什么，实现它需要什么条件，以及现有的人工智能水平距离通用人工智能还有多远。
人工智能发展的现状如何？
互联网上充斥着各种令人惊叹的故事，描述了现在的各种人工智能应用，在经历了多年人工智能研究之后达到了顶峰。诸如比人类医生更准确地诊断癌症的人工智能系统类似的例子比比皆是，在这些领域里，专用的人工智能正在复制类似人类的推理和认知。
例如，社交媒体网站使用的深度学习算法越来越擅长识别对象和人，甚至还能够识别这些对象和人的详细特征。由深度学习推动的现代计算机视觉技术现在可以识别发布到社交媒体的图像中的人、图像中人物的位置、他们的表情以及他们可能穿着的任何配饰。这使人工智能系统能够感知与人类相似的图像，不仅可以简单地从图像中识别人物，还可以分析细微的模式以识别那些不那么显而易见的属性。一个例子是斯坦福大学的一项研究，该研究表明，通过分析人的面部图像，神经网络能够识别人的性取向——而这种能力不太可能出现在人类身上。
执行类似人类功能的人工智能系统的另一个实例是自然语言处理（NLP），人工智能可以理解以自然语言传递的语音或文本。作为智能手机中聊天机器人和虚拟助手等应用程序（如Siri、Cortana等）的一部分，人工智能能够精准理解文本和语音的含义。自然语言生成也取得了进步，这是一种生成正常人类语言信息的技术，被用于需要机器响应人们语音或文本的众多应用程序之中。
随着这些发展，人类智能和人工智能之间的差距似乎正在快速缩小。这可能会让你觉得强大的人工智能系统或通用人工智能系统的未来可能不会太遥远。然而，至关重要的是，要理解通用人工智能可不仅仅是在特定任务上胜过人类这么简单。
通用人工智能究竟是什么？简而言之，通用人工智能（AGI）可以定义为可以完成任何人类可以完成任务的机器。尽管上面提到的应用显示出人工智能可以比人类更有效地完成很多任务，但是它们并不是通用人工智能，也就是说，它们只是在某个单一的功能上表现出色，而对于任何其他的事情都无能为力。因此，尽管人工智能应用在完成某项特定任务时可以相当于一百个训练有素的人类，但是在完成任何其他的任务方面，它可能会输给一个年仅五岁的孩子。例如，计算机视觉系统虽然擅长理解视觉信息，却无法将这种能力转化并应用于其他任务。相反，人类虽然有时无法非常熟练地执行这些任务，但是和当今任何现有的人工智能程序相比，人类能够执行更广泛的任务。
人工智能要想实现任何功能，都必须使用大量的数据进行训练，而人类需要的学习经验明显要少得多。而且，人类——以及未来可能具有通用人工智能的机器人——可以更好地将一种学习体验应用到其他类似的学习体验之中。具有通用人工智能的机器人不仅需要的训练数据相对较少，而且还能够将从一个领域获得的知识应用于另一个领域。例如，一个经过训练，使用NLP处理一种语言的通用人工智能代理可能学习使用相同词根和类似语法的语言。这种能力将使人工智能系统的学习过程和人类相似，能够极大地减少培训时间，同时让机器获得多个领域的能力。
人工智能是否能够实现通用智能？人工智能系统，尤其是通用人工智能系统，参考了人脑。由于我们自己对大脑及其功能没有全面的了解，因此很难对其进行建模并复制它的工作方式。然而，正如Church-Turing论文所述，创建能够复制人类大脑复杂计算能力的算法从理论上说是可能的，用简单的话说——如果有无限的时间和记忆，任何一种问题可以通过算法解决。这是有道理的，因为深度学习和人工智能的其他子集基本上是存储器的函数，拥有无限（或足够大量）的存储器则意味着可以使用算法来解决复杂度最高的问题。
我们距离实现通用人工智能还有多远？虽然复制人脑的功能从理论上说是可能的，但是目前尚不可行。因此，在能力方面，我们在突飞猛进。然而，在时间方面，人工智能开发新功能的速度越来越快，这意味着当人工智能研究界在通用人工智能开发方面取得了突破时，我们可能会接近拐点。最近一项面向人工智能专家的调查结果显示通用人工智能或奇点可能会在2060年出现。
因此，尽管在能力方面，我们远未实现通用人工智能，但人工智能研究的指数级推进可能最终会在我们的一生中或本世纪末发明通用人工智能。通用人工智能的发展是否对人类有益还有待于辩论和猜测。对世界上首个真实世界中的通用人工智能出现所需的时间也只是一种估计。但是确定无疑的是——通用人工智能的发展将触发一系列事件并带来不可逆的变化（好的或者是坏的），它将永远重塑我们所知道的世界和生活。
END，本文到此结束，如果可以帮助到大家，还望关注本站哦！