周不器和拉里·佩奇的私交很好,🛍🛋🚶由这俩人携手推进,很快双方的人工智能团队,就在一些具体的方向上展🔜🁟🆿开了业务上的探讨和合作。

    一件大事,一件小事。

    大事是共同成立的一个名📆😥🃢为“ai-bio”的项目,主要就是生物科学中诸多方面,包括蛋白质结构预测、疾病诊断和🁛治疗、药物发现等等。

    用人工智能来结合这种🉏级别的大命题,其实一直都存在,二三十年🋂🖞📳前就有了。

    不过那时候根本就做不到。

    现在不一样了,rokid-go这款围棋软件所采用的新的“黑箱式”的基于神经网路的机器学习模式,给这样的宏大命题找到了开发的基础。📿

    作为rokid-go之父,沈向阳在双方的合作交流中,简单地解释了🋌这种“黑箱模式”的逻辑。不仅仅是照顾周不器这样的外行,事实上即便是谷歌的很多🙢🌆技术出身的高管,若是不从事于人工智能领域,也未必就能理解这是什么意思。

    人工智能🈐♄类的构想,🄢⚷已经有五六十年的历史了,相关产品也出现二三十年了。

    不过,🁞🆷此前的人工智能产品,都是工程师🁶🊖🐕指导并制定出的“明规则”。

    就比如当初打败了国际🉏象棋的着名人工智能产🕼品“深蓝”,背后的技术逻辑其实很简🟟单,就是工程师把围棋的相关规则植入到下棋软件里。

    软件懂了规则,再依靠着计算💽🗖机🞎📄的庞大算力,就能打败人类了⚃。

    可是,到了围棋领域,这套思路就不行了。

    围棋要远比国际象棋复杂。

    仅仅靠着算力,以人类目前所掌握的算力能力,根本就不可能算清楚围棋的每🞄👥🊹一种变化,这就需要在算力之外有更深层的东西了。

    在人类选手里,叫思维、叫逻辑。

    想要让计算机也🗳有“罗辑”,这可就太难了,就不可能通过人类规则的植入让计算🏾☄机获得这种层次的计算思维。

    rokid-go采用的是黑箱运作。

    就是把rokid🕾🏍-go这款程序放在一个🜁⚲🕖黑箱里,不对其加入任何的规则。工程师所做的事,就是给黑箱中的rokid-go🟖🝈🉋喂数据。

    至于黑箱里发生了什么事,谁也不知道。

    然后,奇迹就诞生了。

    黑箱里的rokid🄢⚷-go,通过大量的人类围棋🖧的棋谱数据,通过自主学习🞄👥🊹,形成了自身对围棋的理解。