“alphago”只是冰山一角，人工智能究竟有多强

历史时刻

公元2016年3月10日，具备深度学习能力的人工智能棋手“alphago”战胜了韩国棋王李世石，以总比分1:0暂时领先。这盘棋吸引了全世界的目光，不管懂不懂围棋的都在关注这场人机大战。赛前呼声高昂的李世石最终竟然败下阵来，机器在围棋比赛中击败了人脑，再一次验证了人工智能的强大。

围棋下法极其复杂

可能有人会问：“这有什么难的，电脑运算速度这么快，让它用穷举的方法来下棋就可以了呀！”

但是实际上这种方法在围棋中是行不通的。围棋棋盘横竖各有19条线，落子点高达361个，在下棋的过程中黑白双方交替进行。这表示围棋有10的171次方种可能性，也就是1的后面有171个0。这是什么概念？要知道宇宙中原子的总数才10的80次方个，整个宇宙中的物质都装不下一盘棋！因此要想靠穷举的方式下围棋是不现实的。

因此唯一的方式就是让机器自己“学习”，并且在下棋过程中自己判断选择最优的下法。

在围棋这种一步定输赢的竞赛中，对机器来说是相当难的。

无人驾驶汽车信息量庞大

如果说alphago是“深度学习”与“蒙特卡洛搜索树”的实际应用，那么无人驾驶汽车则是大数据与智能化的深度结合。

别看谷歌的这辆小车长的萌宠，它才是真正意义上的无人驾驶汽车，或者说智能汽车。它已经获得了美国政府的认可，被认定为可以上路的司机，而这也是划时代的里程碑。

那么谷歌无人汽车要在路上行驶，需要什么支持？

定位数据

首先，要在路上行驶，它需要自己位置的实时数据。比如现在的经纬度是多少，自己在什么路，哪条车道上，车头朝向等等。而这些都数据都需要通过谷歌地图、街景图和GBS系统来获得。

环境数据

无人驾驶汽车需要时刻收集周围的环境数据，了解交通状况，以此来对自己的行车路线进行规划与修正。比如它需要知道约200米左右的路面情况，周围车辆、行人位置，同时还有对这些移动物理的运动趋势进行计算，判断他们会不会影响自己的行驶路线等等。谷歌汽车每秒收集数据量高达750MB，这需要它拥有强大的数据处理能力，同时还必须配合完善的雷达系统。

理解能力

如果在路上遇到闪着警报灯的救护车或者消防车该怎么办？人类当然可以一眼看出来，并且做出相应的避让动作。但是这对于智能汽车来说可没那么简单了。好在谷歌汽车可以将“看”到的一切物体进行辨别，就连信号灯与特殊车辆都能够准确的辨认，还可以根据天气控制车速。也就是说它具有理解它“看”到的物体的能力。

人工智能的普及与应用是未来发展的趋势，随着人工智能的日渐强大，我们的生活也将越来越便捷。不论这次李世石与alphago的世纪之战结果如何，这都是人工智能的一次里程碑。

汽车帮微信开通评论功能啦

有什么想对帮主说的吗？

想让大家知道你的想法吗？

点击参与吧~