Programación de juegos para batallas entre humanos y perros.

Sí, todos son inferiores a Alphago. El principal principio de funcionamiento de alpha go es el "aprendizaje profundo". El "aprendizaje profundo" se refiere a redes neuronales artificiales de múltiples capas y métodos para entrenarlas. Una capa de red neuronal toma una gran cantidad de matrices como entrada, obtiene pesos mediante un método de activación no lineal y luego genera otro conjunto de datos como salida. Esto es como el mecanismo de funcionamiento del cerebro neuronal biológico. Un número adecuado de matrices y múltiples capas de tejido se unen para formar un "cerebro" de red neuronal que realiza un procesamiento preciso y complejo, tal como las personas reconocen objetos y marcan imágenes.

Alpha Go utiliza muchas tecnologías nuevas, como redes neuronales, aprendizaje profundo, búsqueda de árboles de Monte Carlo, etc., y su fuerza ha dado un salto sustancial hacia adelante. Tian Yuandong, el desarrollador del software Go "Dark Forest" de Facebook en los Estados Unidos, publicó un artículo de análisis en línea diciendo que el sistema Alpha Go consta principalmente de varias partes: Primero, la red de políticas, dada la situación actual, predice y toma muestras de la siguiente movimiento; segundo, extendido rápidamente, el objetivo es el mismo que el de la red estratégica, pero a expensas de la calidad del juego de ajedrez, la velocidad es 1000 veces más rápida que la de la red estratégica. En tercer lugar, la red de valor, dada la situación actual, estima si la probabilidad de que los blancos ganen o la probabilidad de que los negros ganen es mayor. En cuarto lugar, la búsqueda de árbol de Monte Carlo conecta las tres partes anteriores para formar un sistema completo; Famicom aún está lejos de estas tecnologías.