8、人工智能算法与硬件：从基础到前沿

人工智能算法与硬件：从基础到前沿

1. 机器学习算法在AI浪潮中的角色

在新一轮的人工智能算法浪潮中，机器学习扮演着部分替代、部分补充现有算法的角色。它能够让那些从人类视角看需要智能，但又难以形式化为精确步骤序列的活动变得可行。以围棋为例，围棋对于人工智能来说是极其复杂的游戏。国际象棋每一步平均有35种可能走法，一局通常超过80步；而围棋每一步约有140种走法，一局往往超过240步，目前世界上没有足够的计算能力为围棋创建完整的状态空间。

谷歌DeepMind团队开发的AlphaGo程序击败了众多顶尖围棋选手。该程序不依赖于搜索巨大状态空间的算法，而是采用了以下方法：
- 智能搜索方法 ：基于对可能走法的随机测试。人工智能多次进行深度优先搜索，以确定首次找到的结果是积极的还是消极的（不完全和部分的状态空间）。
- 深度学习算法 ：处理棋盘图像，推导在该情况下的最佳走法（策略网络算法），并估计使用该走法赢得比赛的可能性（价值网络算法）。
- 强化学习能力 ：通过观察围棋专家的过往棋局以及自我对弈来学习。最新版本的AlphaGo Zero甚至可以在没有任何人类示例的情况下自主学习。

2. 早期AI硬件困境与标准硬件

早期人工智能努力失败的原因之一是缺乏合适的硬件。硬件无法快速完成日常任务，更不用说模拟人类思维这样复杂的任务了。以艾伦·图灵破解恩尼格玛密码为例，如果操作员使用恩尼格玛机的方式没有特定漏洞，图灵使用的计算机设备根本无法快速解决问题。

如今，标准的现成硬件可以解决许多问题。大多数人工智能项目