第三十七章 算力和人工智能(第2/3页)
这个方法的好处是上限非常高，之前导致了人工智能风口的围棋人工智能机器人阿尔法猫就是其中的典型。
人类玩围棋已经有了上千年的时间，在阿尔法猫横空出世之前，围棋曾经在长达百年的时间内被认为是不可破解的游戏。
而作为一个人类自己发明的游戏，人工智能仅仅用了两年的时间，对于围棋的理解就超过了人类过去千年的总和，在围棋网络对战平台上，对战顶尖的人类围棋职业玩家，战绩达到了惊人的五十胜零负。
阿尔法猫就是基于tensorflow神经网络架构训练产生的产品。
这个方法的缺点是，人工智能神经网络是一个盲盒。
人类无法真正控制神经网络某个特定的行为和选择。
比如阿尔法猫的训练过程中，当发现它在某个特定场景之下走出的棋招是明显错误的，人类无法通过打补丁的方式把这些特定场景罗列出来，再用规则进行纠错。
以鹿阳打算做的【高考志愿填报推荐模拟器】举例：
如果一个考生考试只得了320分，【高考志愿填报推荐模拟器】却给出模拟结果，他的推荐选项是全国top2的帝都大学核物理专业。
这个答案显而易见是错误的。
可是，如果在产品中加入一条：
当一个考生考试得到320分以下，所有推荐报考全国top2的学校的选项都视为错误推荐，重新模拟计算以第二优解作为推荐选项。
可能会导致更加严重的问题。
比如，模拟器经过模拟，事实上该考生如果报考top2的帝都大学的艺术专业，因为该专业正好当年招生人数太少，可以上投档线。
而增加的这条纠错的条例，就排除了这位考生原本可以上帝都大学的可能性。
总而言之，尝试对人工智能神经网络进行细节纠错，往往会造成拆东墙补西墙的后果，几乎是不可能完成的任务。
鹿阳把办公室最后面靠近落地窗的白板搬到梁明远旁边，在上面写写画画，对他做了一番科普。
梁明远看得目瞪口呆：
“大哥，你这真的是本科生水平吗？怎么比我都懂得多啊！”
鹿阳嘿嘿一笑：
“个人爱好，略懂，略懂。”
梁明远仔细看着白板上密密麻麻的讲解好一会：
“看来你不是肚子里没货全靠画饼忽悠的那种热你，但是你不会是打算用专家系统这么落后的办法，来搞这个【高考志愿填报推荐模拟器】吧？”
“怎么可能，用专家系统那我这一千多台服务器不就没用了吗？当然要用神经网络的办法！”
“你也是内行，比我懂得多，我就实话实说了。你肯定知道，神经网络上限很高，下限也很低。光这一千台服务器的算力，算上一个月，用现在最吸先进的tensorflow架构，到底能得出个什么结果你心里真的有数吗？”
鹿阳心想这小胖子还真是专业，如果只是靠着当前科技水平的神经网络架构，
那即使一千台服务器全部用上，按照鹿阳的估算，很有可能训练几个月的时间，最终也只能得到一个荒腔走板的半成品来。
可是，鹿阳手里可是有【离谱人生模拟器】这种神器作为范本。
（本章未完，请点击下一页继续阅读）