游知有味：不遠(yuǎn)將來人工智能真的可以搞定人類嗎？

人工智能真的會(huì)自我發(fā)展嗎

　　首先，我們?cè)诳创斯ぶ悄軙r(shí)應(yīng)該明白弱人工智能與強(qiáng)人工智能的區(qū)別。

　　弱人工智能觀點(diǎn)認(rèn)為不可能制造出能真正地推理和解決問題的智能機(jī)器，這些機(jī)器只不過看起來像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)。SIRI，百度翻譯，谷歌搜圖等應(yīng)用，都是屬于弱人工智能的一種。

愛寶是很多人第一次接觸到民用AI機(jī)器人

　　我們?nèi)粘Ｉ钪芯偷教幊錆M著弱人工智能科技，得益于這些科技的發(fā)展與研究，我們的生活越來越便利，也得以從一些繁瑣的工作中解脫。

　　相比弱人工智能，強(qiáng)人工智能就站在它的對(duì)立面。他們認(rèn)為有可能制造出真正能推理和解決問題的智能機(jī)器，并且，這樣的機(jī)器能將被認(rèn)為是有知覺的，有自我意識(shí)的。

谷歌研發(fā)的機(jī)器狗不知道什么時(shí)候能夠正式應(yīng)用

　　顯然，強(qiáng)人工智能的研究要比弱人工智能要復(fù)雜很多，這也導(dǎo)致了研究上的困難。計(jì)算機(jī)需要通過從解決一類問題的經(jīng)驗(yàn)中獲取知識(shí)，學(xué)習(xí)策略，在遇到類似的問題時(shí)，運(yùn)用經(jīng)驗(yàn)知識(shí)解決問題并積累新的經(jīng)驗(yàn)。在這點(diǎn)上，如何進(jìn)行數(shù)據(jù)分析選擇保存需要的知識(shí)并且正確運(yùn)用，是最為復(fù)雜的一點(diǎn)。

　　除了這兩者外，還有代表著強(qiáng)人工智能發(fā)展到超越生物智能的超人工智能的存在。

機(jī)械是否回有如人類一般自我進(jìn)化？

　　知道了人工智能的區(qū)別，我們繼續(xù)來看看AlphaGo是如何工作的吧。

　　AlphaGo的主要工作原理是“深度學(xué)習(xí)”。“深度學(xué)習(xí)”是指多層的人工神經(jīng)網(wǎng)絡(luò)和訓(xùn)練它的方法。一層神經(jīng)網(wǎng)絡(luò)會(huì)把大量矩陣數(shù)字作為輸入，通過非線性激活方法取權(quán)重，再產(chǎn)生另一個(gè)數(shù)據(jù)集合作為輸出。這就像生物神經(jīng)大腦的工作機(jī)理一樣，通過合適的矩陣數(shù)量，多層組織鏈接一起，形成神經(jīng)網(wǎng)絡(luò)“大腦”進(jìn)行精準(zhǔn)復(fù)雜的處理，就像人們識(shí)別物體標(biāo)注圖片一樣。

　　AlphaGo中的多層神經(jīng)網(wǎng)絡(luò)有輸入層、隱藏層、輸出層。其中隱藏層的層數(shù)根據(jù)需要而定，沒有明確的理論推導(dǎo)來說明到底多少層合適。此外，還在原來多層神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，加入了特征學(xué)習(xí)部分，這部分是模仿人腦對(duì)信號(hào)處理上的分級(jí)的。具體操作就是在原來的全連接的層前面加入了部分連接的卷積層與降維層，而且加入的是一個(gè)層級(jí)。