在AlphaGo 已能打败专业围棋选手之后，你如何看待电子鼻、电子舌?

2016/03/10

回专家观点列表

在 DeepMind 的主页裡，AlphaGo 是这样被介绍的：它是一种电脑玩围棋的新方法，这种方法运用了基于深度神经网路的蒙地卡罗树状搜寻，而这个深度神经网路一方面是透过运用人类专家级围棋棋局进行监督学习来训练，另一方面还透过程式、电脑自己与自己博弈的增强学习来进行训练，可见 AlphaGo 的成果也与从人类专家级棋谱资料库学习有关。

在蒙地卡罗树状搜寻之前，虽然电脑凭藉强大的计算力可以积累大量「常识」，但由于「棋感」的缺失，人工智慧无法对计算方向进行有效的筛选，最终就不免沦于蛮力搜索。

而蛮力搜索虽然可以在一定程度上实现高水准的「计算」，甚至很多其他棋类都在这一环节上被人工智慧打败，而由于围棋的过度複杂和摩尔定律结束对电脑发展前景的限制，走到这一步仍然无法让人工智慧战胜人类。

而蒙地卡罗树状搜寻出现后，凭藉大量储备的棋局，透过胜负概率来判断下一步着点以做为计算方向，极大的提高的计算效率，所以 AI 的水准才完成革命性的进步。

从前述人工智慧的成果，回到看智能感官的问题，目前电脑仍为工具，其成果来自于被人所使用的资料库与设定的演算法从原来的常识的蛮力搜寻进到突破了具备「棋感」，而智能感官工具，目前资料库仍需感官科学的不断导入以及如何建立属于感官的「X感」，就是电子鼻电子舌能否广泛应用的关键。