?adversarial

adversarial發(fā)音

英：[??dv??se?r??l]　　美：[??dv??s?r??l]

英：　　美：

adversarial中文意思翻譯

adj. 對手的；敵對的；對抗的

用窮舉法的象棋AI和深度學習的象棋AI，哪個更強？

毋庸置疑，當然是深度學習的象棋AI更強。說到Ai，就不可避免的要說到圍棋AI。阿爾法狗有48個TPU(神經網絡訓練專用芯片)，需要要大量的棋譜做鋪墊，然后強化學習和訓練。阿爾法元比他更進一個層次，采用了新神經網絡和搜索算法，只用了4個TPU，后者從零起步，通過自我學習狂虐前者。然而，如果用窮舉法，19路圍棋變化也不少于361階乘種，真不敢想象需要什么樣的電腦來計算。象棋同樣道理。

用窮舉法的象棋AI和深度學習的象棋AI，哪個更強？

首先我們要搞清楚窮舉法的象棋人工智能和深度學習的象棋人工智能有什么區(qū)別，窮舉法簡單說來就是一個一個地試，是最常見的一個應用方法，我們的生活中遇到的各種問題，都可以用窮舉法，比如密碼問題，三位數的密碼，可以從000到999來一個一個試，總會有試對的時候，這個就比較費體力，如果運用到象棋人工智能中，就需要有一個高級計算機芯片，因為這個需要運行速度，來快速試答案。我們在電視上看到的阿爾法狗其實就是窮舉法，阿爾法狗把每一步的步驟演繹到50的深度，甚至100的深度，就是下到100手以后，人腦根本無法與之相比，所以取勝機會極低。

而深度學習是人工神經網絡的體現，是高度的智能化，相當于千千萬萬個人腦共同學習，相對來說，深度學習比較主觀能動性，而窮舉法相對比較客觀。帶到象棋人工智能方面，目前深度學習人工智能還沒有窮舉法人工智能成熟。在我看來，各有優(yōu)缺點，窮舉法比較死板，但只要芯片夠強大，基本無敵。深度學習比較靈活，但需要復雜的編程整合，相比較窮舉法的編程復雜的多，目前還沒開發(fā)出來，如果將來能夠實現，我想深度學習的人工智能必將比窮舉法的人工智能強，那時候我們人類所要擔心的問題就是<終結者>里面人類與機器的矛盾了。