Android以Java為編程語(yǔ)言，使接口到功能，都有層出不窮的變化，其中Activity等同于J2ME的MIDlet，一個(gè) Activity 類（class）負(fù)責(zé)創(chuàng)建視窗（window），一個(gè)活動(dòng)中的Activity就是在 foreground（前景）模式，背景運(yùn)行的程序叫做Service。兩者之間.
創(chuàng)新新互聯(lián)，憑借10多年的網(wǎng)站設(shè)計(jì)制作、成都網(wǎng)站制作經(jīng)驗(yàn)，本著真心·誠(chéng)心服務(wù)的企業(yè)理念服務(wù)于成都中小企業(yè)設(shè)計(jì)網(wǎng)站有上1000家案例。做網(wǎng)站建設(shè)，選成都創(chuàng)新互聯(lián)。
英語(yǔ)作文human vs alphago
Google's artificial intelligence-driven AlphaGo sofare program will challenge Ke Jie, the world's top professional Go player, at China's Future of Go Summit in May. The prospect of this petition beeen human and artificial intelligence has captured the attention of the Chinese public, where the game was invented more than 2,500 years ago, and driven interest in Google's DeepMind machine learning method that developed AlphaGo.We believe a machine could never replace a person as an adversary in future.It's a cold machine without blood, while we have spiritual power.
怎么看待alphago的這個(gè)失誤
谷歌非常有謀略，先讓阿爾法狗連贏三次，奠定勝利的事實(shí)，展示人工智能的厲害！讓人恐慌！ 然后，谷歌讓阿爾法狗輸棋給李世石，以明白無誤的方式告訴恐慌的人們：不要害怕，我們掌控著人工智能的！ 如果人工智能把人逼上絕路，人工智能產(chǎn)業(yè)就會(huì)遭到人們的封殺！ 谷歌輸一局，緩和局面。
中日韓還有成千上萬圍棋學(xué)習(xí)者和相關(guān)從業(yè)人員，Google是商業(yè)公司，當(dāng)然不會(huì)把事情做絕，肯定會(huì)考量這方面的因素。
比賽結(jié)束，alphago四比一完勝李世石，僅勝利的一局有很多人認(rèn)為是谷歌為了讓alphago有世界排名而故意輸?shù)囊痪?，因?yàn)槿绻粋€(gè)棋手一直連勝，是沒有世界排名的，輸了一局才有排名，按照官方發(fā)布目前alphago排名世界第二，中國(guó)小將柯杰世界第一。
如何評(píng)價(jià)AlphaGo的圍棋水平
AlphaGo能夠戰(zhàn)勝李世石的確證明了他是有職業(yè)頂尖的水平，也就是的職業(yè)九段，其計(jì)算能力與局部分析能力超越職業(yè)九段！可是，AlphaGo要想拿到職業(yè)冠軍是基本不可能的，因?yàn)樗粫?huì)自主學(xué)習(xí)，需要輸入對(duì)方的棋譜才能占優(yōu)優(yōu)勢(shì)。
此外，在局部與大局的判斷上，AlphaGo是有缺陷的，如果是遇到巔峰時(shí)期的李昌鎬或是聶老聶衛(wèi)平先生，折現(xiàn)缺點(diǎn)就會(huì)被無限放大。
總而言之，現(xiàn)在它的對(duì)局還是太少了，需要更多的對(duì)局與研究，看不同的棋風(fēng)與派別對(duì)它的勝率的影響，究竟綜合實(shí)力是多少，還需要考究！
人工智能的利與弊作文結(jié)尾？
機(jī)器人還是不一樣，完全不受外界與情緒的任何干擾，坐下便拼殺起來。
它的芯片經(jīng)歷了十年換代，幾乎對(duì)所有圍棋套路了如指掌，面對(duì)我的每一步棋，都能識(shí)破我的意圖，找到最合適的解決方法，更別提失誤了，而我卻并不急躁，慢慢悠悠，心中早已打好了算盤。
這盤棋下得出奇得慢，半個(gè)月，1個(gè)月，我也并不著急，AlphaGo作為一個(gè)高智商機(jī)器人也能準(zhǔn)確捕捉到我的所有需求，我們不僅棋下得有條不紊，它更是端茶倒水，冷風(fēng)熱氣，無微不至。
這棋轉(zhuǎn)眼便下了三個(gè)月，我打定主意，心中不急，這AlphaGo作為機(jī)器人便更不知著急了，倒是觀眾們耐心早已磨完，他們催促也好，咒罵也罷，我自不動(dòng)，每日只想一步棋，每日只下一步棋，但我內(nèi)心卻從未平靜。
我等待著機(jī)會(huì)，更等待著靈感，后來已無人有心再關(guān)注這場(chǎng)比賽，我的心中也越發(fā)平靜了。
直到那一天，我依如往常早早起床，一邊誦讀著道德經(jīng)，一邊在園中散步。
突然，一個(gè)靈感穿過我的頭腦，一個(gè)陰陽(yáng)卦象圖轉(zhuǎn)變?yōu)榱艘环灞P，“我若擊殺這個(gè)未曾關(guān)注過的棋點(diǎn)，他豈不再無機(jī)會(huì)？”我哈哈大笑，回到棋盤前，下了這一步我等了許久的棋，不出所料，AlphaGo一籌莫展，投子認(rèn)輸。
世界轟動(dòng)，人們重新將關(guān)注點(diǎn)拉到了我身上，我也不過多解釋，手放背后：“道可道，非常道……”我先人一盤棋能下幾個(gè)月，參悟世間之道，下的是道，而非棋，這豈是一個(gè)機(jī)器人能理解的？”從此之后，人們不再挑戰(zhàn)AlphaGo，亦不再過度追求棋中勝負(fù)，他們好像也沉靜了下來，回歸了這項(xiàng)運(yùn)動(dòng)最本質(zhì)的精髓，思考人生，思考自然，思考世界，找到了心中的那片桃花源。
如何評(píng)價(jià)柯潔與 AlphaGo 的對(duì)決
柯潔經(jīng)歷了英雄般的戰(zhàn)斗后，依然第二局輸給AlphaGo。
最有價(jià)值的信息可能來自AlphaGo之父薩比斯，中盤階段他評(píng)論說：“不可思議，根據(jù)AlphaGo的評(píng)估，柯潔現(xiàn)在下得很完美。
”賽后薩比斯則評(píng)論：“這是一場(chǎng)驚心動(dòng)魄的令人驚奇的比賽，柯潔幾乎把AlphaGo逼到了極限。
”柯潔今天的最大收獲是測(cè)出阿法狗的真實(shí)水平。
期望這次比賽能夠驗(yàn)證。
當(dāng)然它有兩個(gè)前提條件，一是柯潔把最好水平發(fā)揮出來，二是AlphaGo能夠經(jīng)受真正的考驗(yàn)，而不是表面看它只贏一兩個(gè)子，實(shí)際上后臺(tái)勝率顯示根本沒有機(jī)會(huì)。
前天的第一局，AlphaGo贏了1.5目。
這是一個(gè)很小的差距，但柯潔下得談不上多出色，因?yàn)閺念^到尾他基本沒什么機(jī)會(huì)。
AlphaGo并不是一個(gè)賭徒，能贏100目絕不贏99；它是根據(jù)勝率估算來行棋的，如果贏1目而它認(rèn)為勝率是100%，就沒必要去下贏100目而勝率只有99%的棋。
所以，第一局柯潔遠(yuǎn)遠(yuǎn)沒有逼出AlphaGo的真正實(shí)力。
昨天AlphaGo方面的消息，認(rèn)為這次雖然只是一個(gè)單機(jī)版，但棋力已經(jīng)比去年贏李世石的時(shí)候提高了三子。
這是一個(gè)挺嚇人的消息，因?yàn)樗鼤?huì)讓人類棋手覺得，目前這個(gè)版本至少比人類強(qiáng)三子以上。
老實(shí)講這挺絕望的，三子以上，四子。
那等于徹底宣布人類棋手跟AlphaGo已經(jīng)是天壤之別。
知道，面對(duì)一個(gè)可以讓四子的對(duì)手，這是職業(yè)和業(yè)余的差距，比賽已經(jīng)失去意義，準(zhǔn)確地說那叫戲耍。
它可以只贏1目甚至半目，但不說明任何問題，就像柯潔也可以讓只輸半目，但那又能說明什么。
難道會(huì)跑大街上喊，快看，柯潔只贏了半目。
誰(shuí)都知道，柯潔想怎么贏就怎么贏，半目和100目沒差別。
今天的比賽，由于“幾乎把AlphaGo逼到了極限”，雖然不是讓子棋，但基本可以猜出，在人類棋手高水平發(fā)揮的前提下，目前AlphaGo讓不到人類三子，可能是二子或者略多。
掛盤講解的李世石也做出這種判斷：AlphaGo并沒有提升三子的實(shí)力，估計(jì)大概有二子。
至此，本次比賽人類棋手的目標(biāo)或者說心愿已經(jīng)達(dá)到：測(cè)試出AlphaGo的真正實(shí)力。
否則，AlphaGo就永遠(yuǎn)是上帝般的存在。
知道它強(qiáng)，但不知道它到底多強(qiáng)，所以它就是上帝。
知道，沒有上帝。
如果由于無法評(píng)測(cè)AI（人工智能）的水平，而把它視為上帝一樣的存在，這不是人類進(jìn)化或者說發(fā)展的方向。
等于把命運(yùn)交給未知，哪怕這個(gè)未知是人類創(chuàng)造出來的，也有理由疑慮甚至恐懼。
所以要感謝柯杰，不愧圍棋第一人，他今天的勇氣和表現(xiàn)，至少讓暫時(shí)可以從外部角度了解到AlphaGo的真實(shí)水平。
這是比勝負(fù)更重要的事情。
如何評(píng)價(jià)AlphaGo
題目：《人工智能》3月15日，舉世矚目的“人機(jī)大戰(zhàn)”塵埃落定，人工智能“阿爾法狗圍棋”（AlphaGo）以4:1的比分戰(zhàn)勝人類圍棋頂尖高手李世石九段，為世人留下一個(gè)不愿接受又不得不接受的事實(shí)。
面對(duì)“阿爾法狗圍棋”（AlphaGo），有人不服，如中國(guó)的超級(jí)圍棋新星柯潔九段，就公開向“阿爾法狗圍棋”（AlphaGo）叫板：“你贏不了我！”有人嘆息：人類智慧最后的尊嚴(yán)在一只“小狗”面前丟失。
有人甚至悲觀地認(rèn)為，機(jī)器統(tǒng)治人類的時(shí)代即將來臨。
其實(shí)，所謂人類尊嚴(yán)、所謂機(jī)器人的統(tǒng)治時(shí)代，只是我們一些人的臆想，“阿爾法狗圍棋”（AlphaGo）的勝利，說到底就是一次技術(shù)革命的勝利，是人類對(duì)自身的一次超越。
正如西安交通大學(xué)副校長(zhǎng)、國(guó)家重點(diǎn)基礎(chǔ)研究計(jì)劃（973）“基于視認(rèn)知的非結(jié)構(gòu)化信息處理基礎(chǔ)理論與關(guān)鍵技術(shù)”首席科學(xué)家徐宗本說的：“任何人工智能技術(shù)的成功一定是當(dāng)代最新技術(shù)綜合運(yùn)用的成功，片面說成誰(shuí)戰(zhàn)勝誰(shuí)是不公平的，也是無意義的，說人類智慧的最后壁壘被攻破，這都是無稽之談。
”“阿爾法狗圍棋”（AlphaGo）的勝利，背后的最大價(jià)值在于，它激勵(lì)人們持續(xù)不斷地探索過去人工智能領(lǐng)域一直看似難以實(shí)現(xiàn)的人類智能級(jí)別。
從這一點(diǎn)上看，人工智能的勝利也有非凡的意義，甚至可以說具有劃時(shí)代的意義。
是的，翻開人類歷史，哪一次技術(shù)革命不帶來人類社會(huì)翻天覆地的變化？蒸汽機(jī)的發(fā)明、使用，使人類從農(nóng)業(yè)手工業(yè)時(shí)代進(jìn)入了工業(yè)社會(huì)；電動(dòng)機(jī)的誕生，使人類從工業(yè)社會(huì)跨入了現(xiàn)代化。
而以原子能、電子計(jì)算機(jī)、空間技術(shù)和生物工程的發(fā)明與應(yīng)用為主要標(biāo)志的信息技術(shù)革命，更讓人類從此進(jìn)入了自動(dòng)化、信息化時(shí)代。
每一次技術(shù)革命，伴隨的都是生產(chǎn)力的發(fā)展和人類自身的解放。
“阿爾法狗圍棋”（AlphaGo）的 勝利，是不是會(huì)掀起又一次技術(shù)革命，我們還需拭目以待。
然而，人工智能的進(jìn)步，卻可以讓我們展望到人類美妙無比的前景。
我們似乎可以看到，不久的將來，到 處都是機(jī)器人在人們的指令下為人們服務(wù)；我們似乎可以看到，那些對(duì)于目前醫(yī)術(shù)來說幾乎無解的人類大腦和神經(jīng)疾病，如自閉癥、老年癡呆癥這樣的國(guó)際醫(yī)學(xué)難 題，隨著人工智能的進(jìn)步，一切都會(huì)迎刃而解；我們似乎可以看到，有了人工智能的協(xié)助，人類真正步入了大同的理想社會(huì)。
是的，“阿爾法狗圍棋”（AlphaGo）的勝利，是人類的智慧向前邁出的又一步，有了這一步，我們的世界將更加美好。
當(dāng)然，面對(duì)這些進(jìn)步，我們不能只是圍觀、娛樂和敬仰，我們應(yīng)該用我們的智慧，去促成人工智能更大的進(jìn)步！
AlphaGo是什么 谷歌AlphaGo全解讀
AlphaGo一般指阿爾法圍棋阿爾法圍棋（AlphaGo）是第一個(gè)擊敗人類職業(yè)圍棋選手、第一個(gè)戰(zhàn)勝圍棋世界冠軍的人工智能程序。
其主要工作原理是“深度學(xué)習(xí)”。
阿爾法圍棋（AlphaGo）是一款圍棋人工智能程序。
其主要工作原理是“深度學(xué)習(xí)”。
“深度學(xué)習(xí)”是指多層的人工神經(jīng)網(wǎng)絡(luò)和訓(xùn)練它的方法。
一層神經(jīng)網(wǎng)絡(luò)會(huì)把大量矩陣數(shù)字作為輸入，通過非線性激活方法取權(quán)重，再產(chǎn)生另一個(gè)數(shù)據(jù)集合作為輸出。
這就像生物神經(jīng)大腦的工作機(jī)理一樣，通過合適的矩陣數(shù)量，多層組織鏈接一起，形成神經(jīng)網(wǎng)絡(luò)“大腦”進(jìn)行精準(zhǔn)復(fù)雜的處理，就像人們識(shí)別物體標(biāo)注圖片一樣。
對(duì)于最強(qiáng)AlphaGo Zero如何煉成的真心話,都在這里
最強(qiáng)AlphaGo Zero怎樣煉成剛剛，Deepmind在Reddit的Machine Learning板塊舉辦了在線答疑活動(dòng)AMA,Deepmind強(qiáng)化學(xué)習(xí)組負(fù)責(zé)人David Silver和其同事熱情地回答了網(wǎng)友們提出的各種問題。
由于在AMA前一天Deepmind剛剛發(fā)表了《Mastering the game of Go without human knowledge》（不使用人類知識(shí)掌握圍棋）的論文，相關(guān)的提問和討論也異常熱烈。
什么是AMA?AMA(Ask Me Anything)是由Reddit的特色欄目，你也可以將其理解為在線的“真心話大冒險(xiǎn)”。
AMA一般會(huì)約定一個(gè)時(shí)間，并提前若干天在Reddit上收集問題，回答者統(tǒng)一解答。
本次Deepmind AMA的回答人是：David Silver:Deepmind強(qiáng)化學(xué)習(xí)組負(fù)責(zé)人，AlphaGo首席研究員。
David Silver1997年畢業(yè)于劍橋大學(xué)，獲得艾迪生威斯利獎(jiǎng)。
David于2004年在阿爾伯塔大學(xué)獲得計(jì)算機(jī)博士學(xué)位，2013年加盟DeepMind，是AlphaGo項(xiàng)目的主要技術(shù)負(fù)責(zé)人。
Julian Schritieser:Deepmind高級(jí)軟件工程師。
此前有多位機(jī)器學(xué)習(xí)界的大牛/公司在Reddit Machine Learning版塊開設(shè)AMA，包括：Google Brain Team、OpenAI Research Team 、Andrew Ng and Adam Coates、Jürgen Schmidhuber、Geoffrey Hinton、Michael Jordan 、Yann LeCun、Yoshua Bengio等。
我們從今天Deepmind的AMA中選取了一些代表性的問題，整理如下：關(guān)于論文與技術(shù)細(xì)節(jié)Q: Deepmind Zero的訓(xùn)練為什么如此穩(wěn)定？深層次的增強(qiáng)學(xué)習(xí)是不穩(wěn)定和容易遺忘的，自我對(duì)局也是不穩(wěn)定和容易遺忘的，如果沒有一個(gè)好的基于模仿的初始化狀態(tài)和歷史檢查點(diǎn)，二者結(jié)合在一起應(yīng)該是一個(gè)災(zāi)難...但Zero從零開始，我沒有看到論文中有這部分的內(nèi)容，你們是怎么做到的呢？David Silver：在深層增強(qiáng)學(xué)習(xí)上，AlphaGo Zero與典型的無模式算法（如策略梯度或者Q學(xué)習(xí)）采用的是完全不同的算法。
通過使用AlphaGo搜索，我們可以極大改進(jìn)策略和自我對(duì)局的結(jié)果，然后我們會(huì)用簡(jiǎn)單的、基于梯度的更新來訓(xùn)練下一個(gè)策略及價(jià)值網(wǎng)絡(luò)。
比起基于簡(jiǎn)便的基于梯度的策略改進(jìn)，這樣的做法會(huì)更加穩(wěn)定。
Q：我注意到ELO等級(jí)分增長(zhǎng)的數(shù)據(jù)只與到第40天，是否是因?yàn)檎撐慕馗宓脑颍炕蛘哒f之后AlphaGo的數(shù)據(jù)不再顯著改善？David Silver:AlphaGo已經(jīng)退役了！這意味著我們將人員和硬件資源轉(zhuǎn)移到其他AI問題中，我們還有很長(zhǎng)的路要走吶。
Q：關(guān)于論文的兩個(gè)問題：Q1：您能解釋為什么AlphaGo的殘差塊輸入尺寸為19x19x17嗎？我不知道為什么每個(gè)對(duì)局者需要用8個(gè)堆疊的二進(jìn)制特征層來描述？我覺得1、2個(gè)層就夠了啊。
雖然我不是100%理解圍棋的規(guī)則，但8個(gè)層看起來也多了點(diǎn)吧？Q2：由于整個(gè)通道使用自我對(duì)局與最近的/最好的模型進(jìn)行比較，你們覺得這對(duì)于采用參數(shù)空間的特定SGD驅(qū)動(dòng)軌跡對(duì)否會(huì)有過擬合的風(fēng)險(xiǎn)？David Silver：說起來使用表征可能比現(xiàn)在用的8層堆疊的做法更好！但我們使用堆疊的方式觀察歷史數(shù)據(jù)有三個(gè)原因：1）它與其他領(lǐng)域的常見輸入一致；2）我們需要一些歷史狀態(tài)來表示被KO;3）如果有一些歷史數(shù)據(jù)，我們可以更好地猜測(cè)對(duì)手最近下的位置，這可以作為一種關(guān)注機(jī)制（注：在圍棋中，這叫“敵之要點(diǎn)即我之要點(diǎn)”），而第17層用于標(biāo)注我們現(xiàn)在究竟是執(zhí)黑子還是白子，因?yàn)橐紤]貼目的關(guān)系。
Q：有了強(qiáng)大的棋類引擎，我們可以給玩家一個(gè)評(píng)級(jí)——例如Elo圍棋等級(jí)分就是通過棋手對(duì)局的分析逐步得出的，那么AlphaGo是否可以對(duì)過去有等級(jí)分前的棋手的實(shí)力進(jìn)行分析？這可能為研究人類的認(rèn)知提供一個(gè)平臺(tái)。
Julian Schritieser：感謝分享，這個(gè)主意很棒！我認(rèn)為在圍棋中這完全可以做到，或許可以用最佳應(yīng)對(duì)和實(shí)際應(yīng)對(duì)的價(jià)值差異或者政策網(wǎng)絡(luò)給每一手位置評(píng)估得到的概率來進(jìn)行？我有空的時(shí)候試一下。
Q： 既然AlphaGo已經(jīng)退役了，是否有將其開源的計(jì)劃？這將對(duì)圍棋社區(qū)和機(jī)器學(xué)習(xí)研究產(chǎn)生巨大的影響。
還有，Hassabis在烏鎮(zhèn)宣稱的圍棋工具將會(huì)什么時(shí)候發(fā)布？David Silver：現(xiàn)在這個(gè)工具正在準(zhǔn)備中。
不久后你就能看到新的消息。
Q:AlphaGo開發(fā)過程中，在系統(tǒng)架構(gòu)上遇到的最大障礙是什么？David Silver：我們遇到的一個(gè)重大挑戰(zhàn)是在和李世石比賽的時(shí)候，當(dāng)時(shí)我們意識(shí)到AlphaGo偶爾會(huì)受到我們所謂的“妄想”的影響，也就是說，程序可能會(huì)錯(cuò)誤理解當(dāng)前盤面局勢(shì)，并在錯(cuò)誤的方向上持續(xù)許多步。
我們嘗試了許多方案，包括引入更多的圍棋知識(shí)或人類元知識(shí)來解決這個(gè)問題。
但最終我們?nèi)〉昧顺晒?，從AlphaGo本身解決了這個(gè)問題，更多地依靠強(qiáng)化學(xué)習(xí)的力量來獲得更高質(zhì)量的解決方案。
圍棋愛好者的問題Q:1846年，在十四世本因坊跡目秀策與十一世井上幻庵因碩的一盤對(duì)局中，秀策下的第127手讓幻庵因碩一時(shí)驚急兩耳發(fā)赤，該手成為扭轉(zhuǎn)敗局的“耳赤一手”。
如果是AlphaGo，是否也會(huì)下出相同的一首棋？Julian Schritieser：我問了樊麾，他的回答是這樣的：當(dāng)時(shí)的圍棋不貼目，而AlphaGo的對(duì)局中，黑棋需貼7.5目。
貼目情況不同造成了古今棋局的差異，如果讓AlphaGo穿越到當(dāng)年下那一手，很有可能下的是不同的另一個(gè)地方。
Q：從已發(fā)布的AlphaGo相互對(duì)局看，執(zhí)白子的時(shí)間更為充裕，因...
AlphaGo這個(gè)系統(tǒng)主要由幾個(gè)部分組成：走棋網(wǎng)絡(luò)（Policy Neork），給定當(dāng)前局面，預(yù)測(cè)/采樣下一步的走棋。
快速走子（Fast rollout），目標(biāo)和1一樣，但在適當(dāng)犧牲走棋質(zhì)量的條件下，速度要比1快1000倍。
估值網(wǎng)絡(luò)（Value Neork），給定當(dāng)前局面，估計(jì)是白勝還是黑勝。
蒙特卡羅樹搜索（Monte Carlo Tree Search,MCTS），把以上這三個(gè)部分連起來，形成一個(gè)完整的系統(tǒng)。
我們的DarkForest和AlphaGo同樣是用4搭建的系統(tǒng)。
DarkForest較AlphaGo而言，在訓(xùn)練時(shí)加強(qiáng)了1，而少了2和3，然后以開源軟件Pachi的缺省策略 （default policy）部分替代了2的功能。
以下介紹下各部分。
1、走棋網(wǎng)絡(luò)走棋網(wǎng)絡(luò)把當(dāng)前局面作為輸入，預(yù)測(cè)/采樣下一步的走棋。
它的預(yù)測(cè)不只給出最強(qiáng)的一手，而是對(duì)棋盤上所有可能的下一著給一個(gè)分?jǐn)?shù)。
棋盤上有361個(gè)點(diǎn)，它就給出361個(gè)數(shù)，好招的分?jǐn)?shù)比壞招要高。
DarkForest在這部分有創(chuàng)新，通過在訓(xùn)練時(shí)預(yù)測(cè)三步而非一步，提高了策略輸出的質(zhì)量，和他們?cè)谑褂迷鰪?qiáng)學(xué)習(xí)進(jìn)行自我對(duì)局后得到的走棋網(wǎng)絡(luò)（RL neork）的效果相當(dāng)。
當(dāng)然，他們并沒有在最后的系統(tǒng)中使用增強(qiáng)學(xué)習(xí)后的網(wǎng)絡(luò)，而是用了直接通過訓(xùn)練學(xué)習(xí)到的網(wǎng)絡(luò)（SL neork），理由是RL neork輸出的走棋缺乏變化，對(duì)搜索不利。
有意思的是在AlphaGo為了速度上的考慮，只用了寬度為192的網(wǎng)絡(luò)，而并沒有使用最好的寬度為384的網(wǎng)絡(luò)（見圖2(a)），所以要是GPU更快一點(diǎn)（或者更多一點(diǎn)），AlphaGo肯定是會(huì)變得更強(qiáng)的。
所謂的0.1秒走一步，就是純粹用這樣的網(wǎng)絡(luò)，下出有最高置信度的合法著法。
這種做法一點(diǎn)也沒有做搜索，但是大局觀非常強(qiáng)，不會(huì)陷入局部戰(zhàn)斗中，說它建模了“棋感”一點(diǎn)也沒有錯(cuò)。
我們把DarkForest的走棋網(wǎng)絡(luò)直接放上KGS就有3d的水平，讓所有人都驚嘆了下。
可以說，這一波圍棋AI的突破，主要得益于走棋網(wǎng)絡(luò)的突破。
這個(gè)在以前是不可想像的，以前用的是基于規(guī)則，或者基于局部形狀再加上簡(jiǎn)單線性分類器訓(xùn)練的走子生成法，需要慢慢調(diào)參數(shù)年，才有進(jìn)步。
當(dāng)然，只用走棋網(wǎng)絡(luò)問題也很多，就我們?cè)贒arkForest上看到的來說，會(huì)不顧大小無謂爭(zhēng)劫，會(huì)無謂脫先，不顧局部死活，對(duì)殺出錯(cuò)，等等。
有點(diǎn)像高手不經(jīng)認(rèn)真思考的隨手棋。
因?yàn)樽咂寰W(wǎng)絡(luò)沒有價(jià)值判斷功能，只是憑“直覺”在下棋，只有在加了搜索之后，電腦才有價(jià)值判斷的能力。
2、快速走子那有了走棋網(wǎng)絡(luò)，為什么還要做快速走子呢？有兩個(gè)原因，首先走棋網(wǎng)絡(luò)的運(yùn)行速度是比較慢的，AlphaGo說是3毫秒，我們這里也差不多，而快速走子能做到幾微秒級(jí)別，差了1000倍。
所以在走棋網(wǎng)絡(luò)沒有返回的時(shí)候讓CPU不閑著先搜索起來是很重要的，等到網(wǎng)絡(luò)返回更好的著法后，再更新對(duì)應(yīng)的著法信息。
其次，快速走子可以用來評(píng)估盤面。
由于天文數(shù)字般的可能局面數(shù)，圍棋的搜索是毫無希望走到底的，搜索到一定程度就要對(duì)現(xiàn)有局面做個(gè)估分。
在沒有估值網(wǎng)絡(luò)的時(shí)候，不像國(guó)象可以通過算棋子的分?jǐn)?shù)來對(duì)盤面做比較精確的估值，圍棋盤面的估計(jì)得要通過模擬走子來進(jìn)行，從當(dāng)前盤面一路走到底，不考慮岔路地算出勝負(fù)，然后把勝負(fù)值作為當(dāng)前盤面價(jià)值的一個(gè)估計(jì)。
這里有個(gè)需要權(quán)衡的地方：在同等時(shí)間下，模擬走子的質(zhì)量高，單次估值精度高但走子速度慢；模擬走子速度快乃至使用隨機(jī)走子，雖然單次估值精度低，但可以多模擬幾次算平均值，效果未必不好。
所以說，如果有一個(gè)質(zhì)量高又速度快的走子策略，那對(duì)于棋力的提高是非常有幫助的。
為了達(dá)到這個(gè)目標(biāo)，神經(jīng)網(wǎng)絡(luò)的模型就顯得太慢，還是要用傳統(tǒng)的局部特征匹配（local pattern matching）加線性回歸（logistic regression）的方法，這辦法雖然不新但非常好使，幾乎所有的廣告推薦，競(jìng)價(jià)排名，新聞排序，都是用的它。
與更為傳統(tǒng)的基于規(guī)則的方案相比，它在吸納了眾多高手對(duì)局之后就具備了用梯度下降法自動(dòng)調(diào)參的能力，所以性能提高起來會(huì)更快更省心。
AlphaGo用這個(gè)辦法達(dá)到了2微秒的走子速度和24.2%的走子準(zhǔn)確率。
24.2%的意思是說它的最好預(yù)測(cè)和圍棋高手的下子有0.242的概率是重合的，相比之下，走棋網(wǎng)絡(luò)在GPU上用2毫秒能達(dá)到57%的準(zhǔn)確率。
這里，我們就看到了走子速度和精度的權(quán)衡。
和訓(xùn)練深度學(xué)習(xí)模型不同，快速走子用到了局部特征匹配，自然需要一些圍棋的領(lǐng)域知識(shí)來選擇局部特征。
對(duì)此AlphaGo只提供了局部特征的數(shù)目（見Extended Table 4），而沒有說明特征的具體細(xì)節(jié)。
我最近也實(shí)驗(yàn)了他們的辦法，達(dá)到了25.1%的準(zhǔn)確率和4-5微秒的走子速度，然而全系統(tǒng)整合下來并沒有復(fù)現(xiàn)他們的水平。
我感覺上24.2%并不能完全概括他們快速走子的棋力，因?yàn)橹灰咤e(cuò)關(guān)鍵的一步，局面判斷就完全錯(cuò)誤了；而圖2(b)更能體現(xiàn)他們快速走子對(duì)盤面形勢(shì)估計(jì)的精確度，要能達(dá)到他們圖2(b)這樣的水準(zhǔn)，比簡(jiǎn)單地匹配24.2%要做更多的工作，而他們并未在文章中強(qiáng)調(diào)這一點(diǎn)。
在AlphaGo有了快速走子之后，不需要走棋網(wǎng)絡(luò)和估值網(wǎng)絡(luò)，不借助任何深度學(xué)習(xí)和GPU的幫助，不使用增強(qiáng)學(xué)習(xí)，在單機(jī)上就已經(jīng)達(dá)到了3d的水平（見Extended Table 7倒數(shù)第二行），這是相當(dāng)厲害的了。
任何使用傳統(tǒng)方法在單機(jī)上達(dá)...
轉(zhuǎn)載請(qǐng)注明出處作文大全網(wǎng) ? alphago是什么語(yǔ)言開發(fā)的
人工智能是一種未來性的技術(shù)，目前正在致力于研究自己的一套工具。一系列的進(jìn)展在過去的幾年中發(fā)生了：無事故駕駛超過300000英里并在三個(gè)州合法行駛迎來了自動(dòng)駕駛的一個(gè)里程碑;IBM Waston擊敗了Jeopardy兩屆冠軍;統(tǒng)計(jì)學(xué)習(xí)技術(shù)從對(duì)消費(fèi)者興趣到以萬億記的圖像的復(fù)雜數(shù)據(jù)集進(jìn)行模式識(shí)別。這些發(fā)展必然提高了科學(xué)家和巨匠們對(duì)人工智能的興趣，這也使得開發(fā)者們了解創(chuàng)建人工智能應(yīng)用的真實(shí)本質(zhì)。
谷歌的AI擊敗了一位圍棋大師，是一種衡量人工智能突然的快速發(fā)展的方式，也揭示了這些技術(shù)如何發(fā)展而來和將來可以如何發(fā)展。
哪一種編程語(yǔ)言適合人工智能?
你所熟練掌握的每一種編程語(yǔ)言都可以是人工智能的開發(fā)語(yǔ)言。人工智能程序可以使用幾乎所有的編程語(yǔ)言實(shí)現(xiàn)，最常見的有：Lisp,Prolog,C/C++，近來又有Java，最近還有Python.
LISP
像LISP這樣的高級(jí)語(yǔ)言在人工智能中備受青睞，因?yàn)樵诟鞲咝６嗄甑难芯亢筮x擇了快速原型而舍棄了快速執(zhí)行。垃圾收集，動(dòng)態(tài)類型，數(shù)據(jù)函數(shù)，統(tǒng)一的語(yǔ)法，交互式環(huán)境和可擴(kuò)展性等一些特性使得LIST非常適合人工智能編程。
PROLOG
這種語(yǔ)言有著LISP高層和傳統(tǒng)優(yōu)勢(shì)有效結(jié)合，這對(duì)AI是非常有用的。它的優(yōu)勢(shì)是解決“基于邏輯的問題”。Prolog提供了針對(duì)于邏輯相關(guān)問題的解決方案，或者說它的解決方案有著簡(jiǎn)潔的邏輯特征。它的主要缺點(diǎn)(恕我直言)是學(xué)起來很難。
C/C++
就像獵豹一樣，C/C++主要用于對(duì)執(zhí)行速度要求很高的時(shí)候。它主要用于簡(jiǎn)單程序，統(tǒng)計(jì)人工智能，如神經(jīng)網(wǎng)絡(luò)就是一個(gè)常見的例子。Backpropagation 只用了幾頁(yè)的C/C++代碼，但是要求速度，哪怕程序員只能提升一點(diǎn)點(diǎn)速度也是好的。
JAVA
新來者，Java使用了LISP中的幾個(gè)理念，最明顯的是垃圾收集。它的可移植性使它可以適用于任何程序，它還有一套內(nèi)置類型。Java沒有LISP和Prolog高級(jí)，又沒有C那樣快，但如果要求可移植性那它是最好的。
Python
Python是一種用LISP和JAVA編譯的語(yǔ)言。按照Norvig文章中對(duì)Lips和Python的比較，這兩種語(yǔ)言彼此非常相似，僅有一些細(xì)小的差別。還有JPthon，提供了訪問Java圖像用戶界面的途徑。這是PeterNorvig選擇用JPyhton翻譯他人工智能書籍中程序的的原因。JPython可以讓他使用可移植的GUI演示，和可移植的http/ftp/html庫(kù)。因此，它非常適合作為人工智能語(yǔ)言的。
在人工智能上使用Python比其他編程語(yǔ)言的好處
優(yōu)質(zhì)的文檔
平臺(tái)無關(guān)，可以在現(xiàn)在每一個(gè)*nix版本上使用
和其他面向?qū)ο缶幊陶Z(yǔ)言比學(xué)習(xí)更加簡(jiǎn)單快速
Python有許多圖像加強(qiáng)庫(kù)像Python Imaging Libary,VTK和Maya 3D可視化工具包，Numeric Python, Scientific Python和其他很多可用工具可以于數(shù)值和科學(xué)應(yīng)用。
Python的設(shè)計(jì)非常好，快速，堅(jiān)固，可移植，可擴(kuò)展。很明顯這些對(duì)于人工智能應(yīng)用來說都是非常重要的因素。
對(duì)于科學(xué)用途的廣泛編程任務(wù)都很有用，無論從小的shell腳本還是整個(gè)網(wǎng)站應(yīng)用。
最后，它是開源的?？梢缘玫较嗤纳鐓^(qū)支持。
AI的Python庫(kù)
總體的AI庫(kù)
AIMA：Python實(shí)現(xiàn)了從Russell到Norvigs的“人工智能：一種現(xiàn)代的方法”的算法
pyDatalog：Python中的邏輯編程引擎
SimpleAI：Python實(shí)現(xiàn)在“人工智能：一種現(xiàn)代的方法”這本書中描述過的人工智能的算法。它專注于提供一個(gè)易于使用，有良好文檔和測(cè)試的庫(kù)。
EasyAI：一個(gè)雙人AI游戲的python引擎(負(fù)極大值，置換表、游戲解決)
機(jī)器學(xué)習(xí)庫(kù)
PyBrain 一個(gè)靈活，簡(jiǎn)單而有效的針對(duì)機(jī)器學(xué)習(xí)任務(wù)的算法，它是模塊化的Python機(jī)器學(xué)習(xí)庫(kù)。它也提供了多種預(yù)定義好的環(huán)境來測(cè)試和比較你的算法。
PyML 一個(gè)用Python寫的雙邊框架，重點(diǎn)研究SVM和其他內(nèi)核方法。它支持Linux和Mac OS X。
scikit-learn旨在提供簡(jiǎn)單而強(qiáng)大的解決方案，可以在不同的上下文中重用：機(jī)器學(xué)習(xí)作為科學(xué)和工程的一個(gè)多功能工具。它是python的一個(gè)模塊，集成了經(jīng)典的機(jī)器學(xué)習(xí)的算法，這些算法是和python科學(xué)包(numpy,scipy.matplotlib)緊密聯(lián)系在一起的。
MDP-Toolkit這是一個(gè)Python數(shù)據(jù)處理的框架，可以很容易的進(jìn)行擴(kuò)展。它海收集了有監(jiān)管和沒有監(jiān)管的學(xué)習(xí)算飯和其他數(shù)據(jù)處理單元，可以組合成數(shù)據(jù)處理序列或者更復(fù)雜的前饋網(wǎng)絡(luò)結(jié)構(gòu)。新算法的實(shí)現(xiàn)是簡(jiǎn)單和直觀的?？捎玫乃惴ㄊ窃诓粩嗟姆€(wěn)定增加的，包括信號(hào)處理方法(主成分分析、獨(dú)立成分分析、慢特征分析)，流型學(xué)習(xí)方法(局部線性嵌入)，集中分類，概率方法(因子分析，RBM),數(shù)據(jù)預(yù)處理方法等等。 自然語(yǔ)言和文本處理庫(kù)
NLTK 開源的Python模塊，語(yǔ)言學(xué)數(shù)據(jù)和文檔，用來研究和開發(fā)自然語(yǔ)言處理和文本分析。有windows,Mac OSX和Linux版本。
結(jié)論
python因?yàn)樘峁┫?scikit-learn的好的框架，在人工智能方面扮演了一個(gè)重要的角色：Python中的機(jī)器學(xué)習(xí)，實(shí)現(xiàn)了這一領(lǐng)域中大多的需求。D3.js JS中數(shù)據(jù)驅(qū)動(dòng)文檔時(shí)可視化最強(qiáng)大和易于使用的工具之一。處理框架，它的快速原型制造使得它成為一門不可忽視的重要語(yǔ)言。AI需要大量的研究，因此沒有必要要求一個(gè)500KB的Java樣板代碼去測(cè)試新的假說。python中幾乎每一個(gè)想法都可以迅速通過20-30行代碼來實(shí)現(xiàn)(JS和LISP也是一樣)。因此，它對(duì)于人工智能是一門非常有用的語(yǔ)言。
案例
做了一個(gè)實(shí)驗(yàn)，一個(gè)使用人工智能和物聯(lián)網(wǎng)做員工行為分析的軟件。該軟件通過員工情緒和行為的分心提供了一個(gè)有用的反饋給員工，從而提高了管理和工作習(xí)慣。
使用Python機(jī)器學(xué)習(xí)庫(kù)，opencv和haarcascading概念來培訓(xùn)。建立了樣品POC來檢測(cè)通過安置在不同地點(diǎn)的無線攝像頭傳遞回來基礎(chǔ)情感像幸福，生氣，悲傷，厭惡，懷疑，蔑視，譏諷和驚喜。收集到的數(shù)據(jù)會(huì)集中到云數(shù)據(jù)庫(kù)中，甚至整個(gè)辦公室都可以通過在Android設(shè)備或桌面點(diǎn)擊一個(gè)按鈕來取回。
開發(fā)者在深入分析臉部情感上復(fù)雜點(diǎn)和挖掘更多的細(xì)節(jié)中取得進(jìn)步。在深入學(xué)習(xí)算法和機(jī)器學(xué)習(xí)的幫助下，可以幫助分析員工個(gè)人績(jī)效和適當(dāng)?shù)膯T工/團(tuán)隊(duì)反饋。
LISP：是一門高級(jí)的語(yǔ)言，在人工智能中備受青睞，因?yàn)樗邆淅占?dòng)態(tài)類型、數(shù)據(jù)函數(shù)、統(tǒng)一語(yǔ)法、交互式環(huán)境、可擴(kuò)展性等特性，所以非常適合人工智能編程。
PROLOG：提供了針對(duì)關(guān)于邏輯相關(guān)問題的解決方案，或者說它的解決方案有著簡(jiǎn)潔的邏輯特征，主要缺點(diǎn)就是學(xué)習(xí)起來很難。
C/C++：主要用于對(duì)執(zhí)行速度要求很高的時(shí)候，它主要用于簡(jiǎn)單程序，統(tǒng)計(jì)人工智能，如神經(jīng)網(wǎng)絡(luò)就是一個(gè)常見的例子。
JAVA：使用了LISP中的幾個(gè)理念，最明顯的就是垃圾收集，它的可移植性使它可以適用于任何程序，它還有一套內(nèi)置類型，Java沒有LISP和Prolog高級(jí)，又沒有C那樣快，但如果要求可移植性它是最好的。
Python：是一種用LISP和Java編譯的語(yǔ)言，按照比較，這兩種語(yǔ)言彼此非常相似，僅有一些細(xì)小的差別;還有JPython，提供了訪問Java圖像用戶界面的途徑，這是PeterNorvig選擇用JPyhton翻譯他人工智能書籍中程序的的原因，JPython可以讓他使用可移植的GUI演示，和可移植的http/ftp/html庫(kù)，所以它非常適合作為人工智能語(yǔ)言。
綜合情況來講，Python更適合人工智能編程，因?yàn)镻ython具有優(yōu)質(zhì)的文檔、設(shè)計(jì)非常好、快速、堅(jiān)固、可移植、可擴(kuò)展等，這些對(duì)于人工智能而言都是非常重要的因素。
打開招聘網(wǎng)站搜索發(fā)現(xiàn)，Python的招聘崗位雖然沒有老牌的Java語(yǔ)言那么多，但薪資普遍非常高。
無論你是否清楚這個(gè)事實(shí)，Python實(shí)際上已經(jīng)不是一門年輕的編程語(yǔ)言了。雖然Python也不如其它一些語(yǔ)言那么年長(zhǎng)，但它仍然比大部分人所想的要更老一些。Python第一次發(fā)布的時(shí)間是在1991年，雖然這些年它也經(jīng)歷了相當(dāng)大的改變，但Python現(xiàn)在的用處跟當(dāng)時(shí)并沒有什么差別。
其實(shí)這幾年P(guān)ython還是比較火的，為什么這么說，首先有幾個(gè)原因：
1. 出現(xiàn)時(shí)間早
Python大約誕生于90年代。這不僅意味著它有足夠的時(shí)間成長(zhǎng)，還獲得了一個(gè)龐大的粉絲群體。
2. 適合初學(xué)者
Python已經(jīng)存在了數(shù)十年，程序員們可利用這段時(shí)間寫出優(yōu)質(zhì)的教程。除此之外，Python的語(yǔ)法也很容易理解。
3. 用途廣泛
Python已經(jīng)存在了相當(dāng)長(zhǎng)的時(shí)間，開發(fā)人員們根據(jù)不同目的制作出了不同的程序包?，F(xiàn)在，幾乎所有的東西都能打包。
Python由于其簡(jiǎn)潔優(yōu)美和極高的開發(fā)效率，得到了國(guó)內(nèi)越來越多公司的青睞，會(huì)有越來越多的公司選用Python進(jìn)行網(wǎng)站W(wǎng)eb、搜索引擎（Google）、云計(jì)算（OpenStack）、大數(shù)據(jù)、人工智能（AlphaGo）、科學(xué)計(jì)算等方向的開發(fā)。有人預(yù)言，Python會(huì)成為繼C++和Java之后的第三個(gè)主流編程語(yǔ)言，有著廣闊的發(fā)展前景！
Python 在數(shù)據(jù)分析、數(shù)據(jù)挖掘、人工智能、Web開發(fā)等方面都大有發(fā)揮之處，再加上人工智能大量依賴數(shù)據(jù)，數(shù)據(jù)相關(guān)崗位人才的稀缺，Python現(xiàn)在的職位可謂是炙手可熱。
所以現(xiàn)在學(xué)習(xí)Python還是可以的，比較熱門
Python開發(fā)培訓(xùn)前景如何？現(xiàn)在互聯(lián)網(wǎng)巨頭，都已經(jīng)轉(zhuǎn)投到人工智能領(lǐng)域，而人工智能的首選編程語(yǔ)言就是python，未來前景顯而易見。
無論是學(xué)習(xí)任何一門語(yǔ)言，基礎(chǔ)知識(shí)，就是基礎(chǔ)功非常重要，找一個(gè)有豐富編程經(jīng)驗(yàn)的老師或者師兄帶著你會(huì)少走很多彎路，你的進(jìn)步速度也會(huì)快很多。無論我們學(xué)習(xí)的目的是什么，不得不說Python真的是一門值得你付出時(shí)間去學(xué)習(xí)的優(yōu)秀編程語(yǔ)言。
學(xué)完P(guān)ython開發(fā)你可以從事以下行業(yè)：
Python開發(fā)工程師：一般需要精通Python編程語(yǔ)言，有Django等框架的使用經(jīng)驗(yàn)，實(shí)習(xí)無要求。
Python高級(jí)工程師：北上廣深的話，薪金在1萬以上，需要精通Linux/Unixg平臺(tái)，有英語(yǔ)閱讀功底。
Web網(wǎng)站開發(fā)方向： 熟悉Web開發(fā)的常用 Python框架，熟悉掌握Mysql類數(shù)據(jù)庫(kù)的操作即可。
Python自動(dòng)化測(cè)試：熟悉自動(dòng)化流程、方法和常用的模塊的使用，有英文讀寫的能力。
Linux運(yùn)維工程師：Linux服務(wù)器管理，數(shù)據(jù)分析、自動(dòng)化處理任務(wù)、分析網(wǎng)站日志、定時(shí)計(jì)劃管理，解放雙手。
Python游戲開發(fā)工程師：網(wǎng)絡(luò)游戲后端服務(wù)器邏輯的開發(fā)和處理，有大型數(shù)據(jù)庫(kù)使用經(jīng)驗(yàn)，喜歡從事游戲相關(guān)工作。
Python自學(xué)愛好者：可以自己開發(fā)一些小軟件和應(yīng)用，帶圖形化界面的軟件，方便日常工作。
Python語(yǔ)言無所不包，能做非常多的事情，適合各類企業(yè)的開發(fā)工作，這里就不一一介紹了?？傊?，學(xué)好Python，前途寬廣！
另外，想給大家推薦一本書：《Python學(xué)習(xí)筆記——皮大慶》
這本書對(duì)于Python相當(dāng)于《易學(xué)c++》對(duì)于C++。淺顯而易懂，完全適合沒有太多語(yǔ)言基礎(chǔ)，甚至剛剛開始學(xué)習(xí)編程的人。這本書就是你學(xué)習(xí)Python的第一本書。其中談到了很多作者的個(gè)人理解，挺地道的，對(duì)你學(xué)習(xí)Python有很大幫助。
為何人工智能(AI)首選Python？
讀完這篇文章你就知道了。我們看谷歌的TensorFlow基本上所有的代碼都是C++和Python，其他語(yǔ)言一般只有幾千行 。如果講運(yùn)行速度的部分，用C++，如果講開發(fā)效率，用Python，誰(shuí)會(huì)用Java這種高不成低不就的語(yǔ)言搞人工智能呢？
Python雖然是腳本語(yǔ)言，但是因?yàn)槿菀讓W(xué)，迅速成為科學(xué)家的工具（MATLAB也能搞科學(xué)計(jì)算，但是軟件要錢，且很貴），從而積累了大量的工具庫(kù)、架構(gòu)，人工智能涉及大量的數(shù)據(jù)計(jì)算，用Python是很自然的，簡(jiǎn)單高效。
Python有非常多優(yōu)秀的深度學(xué)習(xí)庫(kù)可用，現(xiàn)在大部分深度學(xué)習(xí)框架都支持Python，不用Python用誰(shuí)？人生苦短，就用Python。
python新手學(xué)習(xí)交流扣扣群，如果有想學(xué)習(xí)python或者交流經(jīng)驗(yàn)的都可以加入，一起互相學(xué)習(xí)交流：→→→點(diǎn)擊我即可加入圈子，群里有不錯(cuò)的學(xué)習(xí)教程和開發(fā)工具。學(xué)習(xí)大數(shù)據(jù)有任何問題（學(xué)習(xí)方法，學(xué)習(xí)效率，如何就業(yè)），可以隨時(shí)來咨詢我
二、Python現(xiàn)狀與發(fā)展趨勢(shì)
python現(xiàn)在的確已經(jīng)很火了，這已是一個(gè)不需要爭(zhēng)論的問題。如果說三年前，Matlab、Scala、R、Java
和 還各有機(jī)會(huì)，局面尚且不清楚，那么三年之后，趨勢(shì)已經(jīng)非常明確了，特別是前兩天 Facebook 開源了 PyTorch 之后，Python
作為 AI 時(shí)代頭牌語(yǔ)言的位置基本確立，未來的懸念僅僅是誰(shuí)能坐穩(wěn)第二把交椅。
Python 已經(jīng)是數(shù)據(jù)分析和 AI的第一語(yǔ)言，網(wǎng)絡(luò)攻防的第一黑客語(yǔ)言，正在成為編程入門教學(xué)的第一語(yǔ)言，云計(jì)算系統(tǒng)管理第一語(yǔ)言。
Python 也早就成為Web 開發(fā)、游戲腳本、計(jì)算機(jī)視覺、物聯(lián)網(wǎng)管理和機(jī)器人開發(fā)的主流語(yǔ)言之一，隨著 Python 用戶可以預(yù)期的增長(zhǎng)，它還有機(jī)會(huì)在多個(gè)領(lǐng)域里登頂。
三、Python與人工智能
如果要從科技領(lǐng)域找出最大的變化和革新，那么我們很難不說到“人工智能”這個(gè)關(guān)鍵詞。人工智能催生了大量新技術(shù)、新企業(yè)和新業(yè)態(tài)，為個(gè)人、企業(yè)、國(guó)家乃至全球提供了新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)，上到谷歌、蘋果、百度等巨頭，下到各類創(chuàng)業(yè)公司，人工智能已成為一個(gè)現(xiàn)象級(jí)的風(fēng)口。短短幾年時(shí)間，圖片自動(dòng)歸類、人臉識(shí)別已經(jīng)成為非常通用的功能，自然語(yǔ)言作為一種交互方式正在被各種語(yǔ)音助理廣泛運(yùn)用，無人車駕駛突飛猛進(jìn)，AlphaGo戰(zhàn)勝圍棋冠軍，仿生機(jī)器人的技術(shù)迭代，未來幾十年的城市交通和人類的生活方式都將會(huì)被人工智能所改變。
Python作為人工智能首選編程語(yǔ)言，隨著人工智能時(shí)代的到來，Python開發(fā)效率非常高，Python有非常強(qiáng)大的第三方庫(kù)，基本上你想通過計(jì)算機(jī)實(shí)現(xiàn)任何功能，Python官方庫(kù)里都有相應(yīng)的模塊進(jìn)行支持，直接下載調(diào)用后，在基礎(chǔ)庫(kù)的基礎(chǔ)上再進(jìn)行開發(fā)，大大降低開發(fā)周期，避免重復(fù)造輪子，還有python的是可移植性、可擴(kuò)展性、可嵌入性、少量代碼可以做很多事，這就是為何人工智能(AI)首選Python。
重慶分公司
重慶分公司
