天才一秒記住【閃文書庫】地址：www.shanwen.tw
生機，也是生逢其時，有兩陣不可忽略的東風送其上青雲。
一陣東風是算力增強。計算機晶片的速度呈指數級增長，價格一路下跌，由遊戲應用發展壯大的GPU（圖形處理器）大大補充了從前CPU（中央處理器）引擎的計算能力，讓人工智慧計算更強大。“阿爾法狗”戰勝李世石的時候啟用了1920個CPU和280個GPU陣列運算，一秒就能自我對弈數百盤。
另一陣東風是大資料。事實上，這可能是這一輪人工智慧熱潮最重要的推動因素。人們赫然發現，原來不是演算法的問題，而是以前用來訓練的資料還遠遠不夠多。這就好比讓徒弟自學武功，卻不給他足夠多的對戰機會。有了大資料，演算法呈現的結果出現了驚人的進步，讓人目瞪口呆。
於是，在算力和大資料的輔佐之下，升了級的“深度學習”演算法如虎添翼，能夠從海量資料中找到高超的戰術規律，以人類無法看懂的方式戰勝人類。
就是大資料輔助的“深度學習”，成為這一輪人工智慧熱的關鍵。
人們把很多很多大資料扔給機器，用多層神經網路進行“深度學習”，結果發現，機器在很多領域能力有了突飛猛進的提高。影象識別的正確率趕上了正常人，語音識別也過關了，把科學文獻作為資料，短時間就能學習幾十萬份最新文獻。金融、電力、能源、零售、法律，“深度學習”都能從大資料中學到最佳化的行為做法。人工智慧的應用，能讓這些領域變得高效、便捷、自動化。除了“深度學習”，也還有其他演算法，包括後面要提到的決策樹、貝葉斯等演算法，各種演算法的綜合使用效果是最佳的。各種演算法共同構成機器學習大家庭。
除了深度學習，“阿爾法狗”另一重武器叫作“強化學習”。“強化學習”是什麼呢？簡單點說，就是“無序嘗試，定向鼓勵”，就好比小朋友在屋裡隨機行動，走到數學教具旁邊父母就說“好棒好棒”，後來小朋友就特別喜歡走到數學教具旁邊（當然，這純屬假想的場景）。這種思維一點都不奇怪，在心理學中很早就已經應用到教學中，對大多數教學場景都有效果，尤其對一些發展遲緩的孩子做教學干預（但也有心理問題）。
最近我們都聽說了新版本的“阿爾法狗零”，依靠自我對弈的強化學習，用3天時間戰勝了老版本的所有“阿爾法狗”。這是很強大的方法。實際上，在“阿爾法狗”的最初版本中，自我對弈的時候也已經用到強化學習。隨機嘗試和正反饋能使得行為很快集中到特定的目標上。
現在問
本章未完，請點選下一章繼續閱讀！若瀏覽器顯示沒有新章節了，請嘗試點選右上角↗️或右下角↘️的選單，退出閱讀模式即可，謝謝！