01、Alphago在不被看好的情况下，以4比1击败了围棋世界冠军李世石，令其名震天下 。随着AlphaGo知名度的不断提高 ， 人们不禁好奇，究竟是什么使得AlphaGo得以战胜人类大脑？AlphaGo的核心依托——人工神经网络 。
什么是神经网络?
人工神经网络是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能的数学模型或计算模型 。神经网络由大量的人工神经元联结进行计算 。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统 。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式 。
神经网络是一种运算模型，由大量的节点（或称“神经元” ， 或“单元”）和之间相互联接构成 。每个节点代表一种特定的输出函数，称为激励函数 。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆 。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同 。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达 。
例如，用于手写识别的一个神经网络是被可由一个输入图像的像素被激活的一组输入神经元所定义的 。在通过函数（由网络的设计者确定）进行加权和变换之后，这些神经元被激活然后被传递到其他神经元 。重复这一过程，直到最后一个输出神经元被激活 。这样决定了被读取的字 。
它的构筑理念是受到人或其他动物神经网络功能的运作启发而产生的 。人工神经网络通常是通过一个基于数学统计学类型的学习方法得以优化 ， 所以人工神经网络也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题(也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力)，这种方法比起正式的逻辑学推理演算更具有优势 。
人工神经网络是一个能够学习，能够总结归纳的系统，也就是说它能够通过已知数据的实验运用来学习和归纳总结 。人工神经网络通过对局部情况的对照比较（而这些比较是基于不同情况下的自动学习和要实际解决问题的复杂性所决定的） ， 它能够推理产生一个可以自动识别的系统 。与之不同的基于符号系统下的学习方法，它们也具有推理功能，只是它们是建立在逻辑算法的基础上，也就是说它们之所以能够推理，基础是需要有一个推理算法则的集合 。
2AlphaGo的原理回顶部
AlphaGo的原理
首先 ， AlphaGo同优秀的选手进行了150000场比赛，通过人工神经网络找到这些比赛的模式 。然后通过总结，它会预测选手在任何位置高概率进行的一切可能 。AlphaGo的设计师通过让其反复的和早期版本的自己对战来提高神经网络，使其逐步提高获胜的机会 。
从广义上讲，神经网络是一个非常复杂的数学模型，通过对其高达数百万参数的调整来改变的它的行为 。神经网络学习的意思是，电脑一直持续对其参数进行微小的调整 ， 来尝试使其不断进行微小的改进 。在学习的第一阶段 ， 神经网络提高模仿选手下棋的概率 。在第二阶段，它增加自我发挥，赢得比赛的概率 。反复对极其复杂的功能进行微小的调整，听起来十分疯狂，但是如果有足够长的时间，足够快的计算能力，非常好的网络实施起来并不苦难 。并且这些调整都是自动进行的 。
推荐阅读
- 自学围棋的AlphaGo Zero，你也可以造一个
- 100：0，新AlphaGo放弃了人类？
- 这是迄今为止，AlphaGo算法最清晰的解读！
- IT教育网是做什么的
- 通用AlphaGo诞生？MuZero在多种棋类游戏中超越人类
- 人工智能如何实现人脸识别，你不知道的奥秘
- 2030年，世界上将会有8亿人的工作岗位被人工智能替代
- 5G和物联网的火热，正驱动AI芯片由云端走向边端
- 复盘人机大战首局—无可奈可的半目胜负
- 变坏的奥特曼有哪些