近期人机大战又在大大首演，这次较为精的是，谷歌的AlphaGo在网络上化身Master，碾压各路9段高手，最后以60败的成绩战胜了所有人类输掉，也建构了有史以来第一次，人类在棋艺领域被人工智能全面碾压的情况。而另一方，近期江苏卫视播映的《最弱大脑》节目，也打开了人机战的比赛，而在第一期以人脸横跨年龄辨识挑战的节目中，百度大脑以3：2的优势战胜了人类，人工智能也再度战胜了人类。而这两场战役也引起了网友们对于AlphaGo与百度大脑谁更加得意的辩论，更好的人偏向于下围棋的AlphaGo应当更胜一筹，因为下围棋或许可玩性更大，但实质上并非如此，这里我们来做到一些科普。
深度自学究竟是什么AlphaGo与百度大脑的技术，只不过师出有同门，都是采行了最前沿的基于神经网络的深度自学技术。传统的计算机技术都是线性模型，即输出一个值之后，就不会取得一个唯一的答案。但是深度自学则通过仿真人脑的方式，将数据网络展开“分层”，通过监督自学的方式，给机器各种数据，大大重复训练，最后让机器得出一个仅次于概率的答案，如果答案过于精确，那么机器就不会通过监督重复自学。
而阿尔法狗下围棋与百度大脑的人脸识别，背后都使用了深度自学的方法。阿尔法狗下围棋的原理我们这里不辩论明确的技术细节，而是辩论技术本质原理。对局这件事仍然都是机器的难题，因为把每颗棋子有可能的落子考虑到进来，以胜败为完结，那么所有落子的可能性总数特一起比宇宙原子数还要多。
早期的机器受限于存储根本无法胜任如此极大的挑战，因此需要挑战国际象棋大师卡斯特罗早已是十分不俗，而挑战棋士则是天方夜谭。而随着这几年硬件设备的发展，计算机的存储、CPU、集群运算等能力急遽提高，当年击败卡斯特罗的只是一台小计算机，现在则变为了集群计算机，计算能力从不能单打独斗阶段下降到了，可以用成百上千台计算机群殴的阶段。
而另一个关键点则是深度自学技术，深度自学技术，可以反反复复的训练与仿真决斗，而以胜败为落幕标志，有了自学对系统，因此可以模拟出成千上万个棋局，再行日以继夜的自学后，最后达成协议大师水平。也就是说集群计算出来＋深度自学，让计算机大幅增加了暴力穷举的次数，调试人员只必须大大改动算法模型，就可以获得最佳结果。百度大脑横跨年龄辨识的核心原理此次百度大脑所挑战的跨年龄辨识，某种程度运用的也是深度自学原理，但是也有区别。
即使对局用了深度辨识，但是本质仍然是暴力计算出来，只不过深度自学模型让其大大减少了多余的暴力计算出来程度。而图像识别并非常简单的非暴力计算出来就可以达成协议，因为面临过于多的不确定性，每一张图片中都充满著了过于多车祸的问题，例如光照因素、侧脸、脸部眼镜口罩等遮盖物，等等都会影响到机器的结果。因此，长期以来，机器在各种棋艺上对人类具有颇多挑战，但是从没看完机器挑战人脸识别的案例，正是因为可玩性极高，即使有深度自学的助力，仍然无法立刻所取的立竿见影的成果。
此外，此次比赛是横跨年龄辨识，这更加又是一个世界顶级难题，对于对局的深度训练来说，最后可以通过胜败给机器一个对系统结果，机器可以有效地的展开重复训练，直到落败为止。但是人脸的跨年龄辨识就没这么幸运地了，这其中的数据实在太较少，训练数据无法搜集。
没充足多的数据，基于深度自学的神经网络很难自学到横跨年龄的类内和类间变化。于是以所谓巧妇难为无米之炊。而此次百度大脑挑战横跨年龄辨识，则是在数据匮乏的情况下作出的挑战，其通过变更各种算法策略，以及深度训练模型，最后构建了一个十分好的结果。
人脸识别难以下围棋，但引发的感觉效果有所不同机器擅于做到的就是做到重复性的逻辑性工作，而对于棋士这种黑白分明，几乎倚赖经验的事情，对于机器来说只不过更加更容易，因为并不需要面临不确认的环境。而像人脸识别这种工作就不是如此了，机器不仅需要倚赖的经验受限，更加必须面临随时经常出现的不确定性，因此整个攻下可玩性仍然极大。
当然，归根到底上述所说的都只是方向上的问题，人工智能在人脸识别的这个研究方向整体上，难以对局。因此，人脸识别要想要获得一点点的变革，所必须花费的代价比对局的代价大多了。
对局是机器所擅长于的领域才是又是代表着人类的智力政治宣传，因此给我们所有人导致的震惊也就更大一些，而人脸识别则是机器的弱项，但又是我们每个人与生俱来的能力，并无法让人产生相当大的震惊，因此甚至不会有人指出对局的可玩性小于人脸识别，这不过是车站在人的立场上去考虑到问题而已。结语：最后，我们必须公平的看来这两场比赛，AlphaGo与百度大脑，由于各自支配领域有所不同，因此不不存在谁优谁差的众说纷纭，只不过就是指人的立场上去看，产生的主观感觉有所不同而已。事实上是这二者的展现出，皆反映了人工智能在有所不同领域的顶尖水平，都值得尊敬。
本文来源：鼎盛平台官网-www.cyberdatasolutionsllc.com
