谷歌在人工智能（AI）研究中取得了重要的东西。它建造了古代中国董事会游戏的计算机系统已经设法赢得了专业的去参与者：欧洲冠军凡辉。本周在本周杂志上的文件中记录了该研究。
谷歌系统，名为Alphago，席卷法国的惠普，他在10月在伦敦伦敦谷歌深圳办事处的五场比赛中排名为2丹。Alphago在完整的19×19董事会上播放惠，并收到了无障碍。现在，谷歌正准备将alphago与韩国李塞多尔的最高排名最高的去参与者举行，在3月在首尔的比赛中。
“如果我们在3月赢得比赛，那么这一类相当于象棋的击败[Garry] Kasparov，”谷歌所有的深度的Cofounder，在本周早些时候的研究进展期间，谷歌公司的Cofounder表示，Demis Hassabis说。“李塞多尔是过去十年中最伟大的球员。我认为这意味着alphano会比任何人在玩的人更好。“
不容易
用它的白色和黑色的碎片，在用网格上的董事会上的球员，与国际象棋相似之处。和国际象棋一直是AI研究的焦点几十年。但即使Go的游戏比较简单比国际象棋更简单，就会对智力的挑战造成更加困难的挑战，因为玩家可以在任何给定的转弯方面都有许多可能的动作，以及游戏结果的更多可能性结果。
以上：2016年1月28日的封面是自然问题，其中包括谷歌的突破性的AI研究。
图像一个专家系统，如IBM的深蓝色电脑，它在1997年击败了Chess Grandmaster Kasparov，只是不会为此问题设置规模。因此，谷歌的最聪明的思想使AI技术的集合汇集在一起，以便在这个领域取得成功。
总体而言，谷歌的深度正在呼吁一种称为深度学习的AI类型，这涉及培训关于数据的人工神经网络 - 例如照片 - 然后让他们促进关于新数据的推论。谷歌通过收购 - DNNResearch，Jetpac，肯定是深刻的地区，在该地区赢得了大量的人才。和深度学习正在在几个Google服务内工作，从Google照片到谷歌翻译。
百度，Facebook和微软都对深度学习进行了研究，并在自己的产品中使用它。Facebook昨天巧合（与否）发表了一篇论文，就使用AI播放的问题一组中的自身进展。
但与谷歌不同，Facebook并没有成功地拥有它的AI赢得专业球员的比赛。
这个怎么运作
谷歌的系统依赖于许多组件。
首先，为了预测下一步播放的动作，谷歌列举了一个13层策略网络，反映专家Go玩家在游戏中的移动。它的数据在规模 - 来自广泛使用的KGS Go Server的3000万头。Google通过强化学习增强了此策略网络，它使用了试验和错误的过程。有效地，它通过对抗自身来变得更聪明。
以上：Alphago扮演Fan Hui的五场比赛中的三个。
图像然后，谷歌列车一个值网络可以预测哪一方将赢得游戏。
谷歌采取这两个深度神经网络，将它们与蒙特卡罗树搜索一起，这通常用于Go Bots。从那里，谷歌AI准备好了。
测试系统
DeepMind研究人员还有alphago对抗其他Go Ai程序，就像疯狂的石头，Fuego，Pachi和Zen一样。在495场比赛中，alphago赢得了494次。即使研究人员对其他程序给予了障碍，alphaGo通常都能够获胜。
不出所料，当研究人员以分布式方式缩小了多个服务器的alphaGo时，该程序变得更好。
而且至少有一个谷歌深度研究人员也试过他的手击败系统。
“在alphago的早期我扮演它，但很快明显，alphano是超出了我的技能水平的方式，”Deepmind的大卫银在接受与本文相关联的视频性质采访时表示。
接下来是什么
谷歌可以用alphano技术做很多。也许它可以用来帮助业余去参与者提高他们的技能，特别是在您无法轻易找到附近的老师的地区。
以上：Google Deepmind Cofounder Demis Hassabis。
图像Hassabis说，实际上，在一两年内，在一两年内，可以将alphago的核心能力带入Google服务内部。但他正在思考。
Hassabis说：“最终我们希望在重要的现实问题上应用这些技术，例如气候建模或医疗诊断。但是，在2013年收购期间与谷歌制造的深度制造的协议保持一致，他说，AI技术永远不会用于军事目的。
对于DeepMind团队在GO之后可能接受的游戏（以及ATARI 2600），Hassabis说，NeepMind团队可能接受的游戏可能是一个选择。
在Good工作的更多详细信息，请参阅Google Research Blog上的自然纸和Hassabis和Silver的帖子。
