專家指出，圍棋變化多端，需運用直覺判斷等人類獨特思考方式下棋，電腦較難靠窮盡所有可能性的「暴力搜尋法」運算取勝。因此，AlphaGo的研究可望「令人工智能更接近人類」，有助現實應用。 美國費城圍棋會主席本斯頓(Matthew Bengston)指出，圍棋策略變化較大，不像國際象棋等棋類較易出現類同「路數」。人工智能要學會下圍棋，便需掌握圖像辨識等能力，而要模仿高手單靠觀察棋盤得到的直覺判斷來下子尤其困難，以窮盡所有可能性的「暴力搜尋法」運算根本難以做到。 「執生」估棋局 多想幾步致勝 AlphaGo透過深度學習技術(deep learning)模仿人類下棋。專家以多部電腦組成類似人腦神經系統網絡，輸入足夠棋局資料，便能辨識及掌握棋局空間規律，了解何謂致勝好棋。到己方下子時，AlphaGo會找出最佳下子位置，再以「樹狀搜索」技術推演棋局演變，作出相應戰術部署，較人類「多想幾步」致勝。facebook等科網公司開發的圍棋人工智能程式亦以類似方式運作。 DeepMind行政總裁哈薩比斯說，目前AlphaGo只會下圍棋，希望最終能將其智能「通用化」，應用於解決現實問題，例如醫療、建構氣候模型等，亦可望改進Google產品，包括開發為用戶度身訂做的輔助軟件。深度學習技術已可用於辨識人臉，翻譯等用途。 專家指出，人工智能大多建基於規律配對，懂得學習代表能將已有規律與眼前情况連結，更進一步。 (綜合報道)
|
| |
| |
;){kind=small}
