人工智能研发这一块，无论是今世还是前世，无论是硬件还是软件条件，目前国内都是远远落后于国外的。
当下国内人工智能水平，尤其是游戏ai的智能水平，还停留在“监督学习”阶段。
所谓“监督学习”，即是指人类出题，告诉ai正确的答案，并赋予相应的对策的学习方式，类似于中小学填鸭式教育。
反映到游戏应用场景里，就是那种识别看到人类玩家后，人机会主动进行攻击，最多再加一些设定，比如hp小于30%时，会自己找掩体躲避，当敌人躲在某处时间过长时，会扔一颗手雷过去。
但这些都是很死板的程序判断，严格来说还不具备人工智能的特点，并不是真正意义上的人工智能。
而国际上，早在97年的时候，ibm用专门设计的计算机，就下赢了国际象棋冠军。
当然了，那会儿所谓的计算机也不能称之为ai，之所以能下赢国际象棋冠军，采用的是暴力破解方法，也就是穷举法，把所有可能的下法全部计算一遍，然后对比人类的棋谱，选择最优解。
也就是所谓的“大力出奇迹”。
但是到了围棋这里，没法再这样穷举了。
力量再大，终有极限，围棋的可能性走法，远超宇宙中全部原子之和，即使用目前最牛逼的超算，也要算几万年，在量子计算机成熟之前，电子计算机几无可能胜任这样的任务。
于是，程序员给阿尔法狗多加了一层算法：先计算哪里需要计算，哪里需要忽略，然后再有针对性地计算。
通俗点说，就是计算机具有了学习能力，能够感知、判断并完成决策，这便具备了ai的基本特征。
不过，机器的学习方式，和人类有着质的不同，人通过观察少数特征，就能推及多数未知，也就是具有“举一反三”的能力。
但机器不行，它必须不断地试错排除，不断地识别计算，才能得出结果。
而且在这个学习过程中，需要三个基本条件：算法、算力、数据。
算法就是计算方法，也可以称之为计算模型，比如识别一只狗和识别一段人类语音，其算法是不同的，应用场景不同算法就不同，这需要程序员进行相应的设计和优化。
但有了算法，没有算力和数据，ai也无法进行学习。
就如同“巧妇难为无米之炊”，算法是食谱，算力就是烹饪工具，数据则是食材，光懂得烹饪方法，没有烹饪工具和食材，一样
本章未完，请点击下一页继续阅读！