人和计算机思维方式的差别
人在判断优势劣势的时候，靠的是经验和直觉。人和计算机思维方式的差别：人和计算机不同，计算机的思维方式是线性的，而认识非线性的。人类首先凭借经验和“直觉”确定落子的若干方案（最优策略）用策略、估值综合判断，
ai用策略网络、估值网络，模拟人类的深思熟虑，这正是一种典型的“人类思维”处理复杂问题的方式，最终评估做出决策
人类，仅凭其迟缓的反应时间和高度的易疲劳性，根本无法与计算机和高速设备相匹敌”。本质上是由于其核心——人工神经网络——的认识论本质所决定的，也就是说，对于信息完全的博弈系统，依据强大的算力，机器可以做得比人更好，
脑是如何学会完成复杂任务的？
大体上学习就是直接从输入和经验中学习，没有既定的程序或者规则可循，系统需要从原始数据自己进行学习；
人脑就是一个非常明显的例子，这是可能的，关键在于如何通过大量的数据资源，寻找到最合适的解决方式和算法。
首先，想像一下有一个主体，在AI领域我们称我们的人工智能系统为主体，它需要了解自己所处的环境，并尽力找出自己要达到的目的。这里的环境可以指真实事件，可以是机器人，也可以是虚拟世界，比如游戏环境；主体通过两种方式与周围环境接触；它先通过观察熟悉环境，我们起初通过视觉，也可以通过听觉、触觉等，我们也在发展多感觉的系统；
第二个任务，就是在此基础上，建模并找出最佳选择。这可能涉及到对未来的预期，想像，以及假设检验。这个主体经常处在真实环境中，当时间节点到了的时候，系统需要输出当前找到的最佳方案。这个方案可能或多或少会改变所处环境，从而进一步驱动观察的结果，并反馈给主体。
简单来说，这就是增强学习的原则，示意图虽然简单，但是其中却涉及了极其复杂的算法和原理。
一个人工智能，首先需要是环境的信息。另外，从生物角度来讲，动物和人类等，人类的大脑是多巴胺控制的，它在执行增强学习的行为。
通过深度神经网络模仿人类的这种直觉行为，在这里，需要训练两个神经网络，一种是决策网络
直觉和创新，直觉是一种含蓄的表达，它是基于人类的经历和本能的一种思维形式，不需要精确计算。这一决策的准确性可以通过行为进行评判。创新，我认为就是在已有知识和经验的基础上，产生一种原始的，创新的观点。
其中的原因是，更注重战术，而更注重战略。
首先，做任何事都要有目标‘当今世界面临的一个巨大挑战就是过量的信息和复杂的系统，我们怎么才能找到其中的规律和结构，从疾病到气候，我们需要解决不同领域的问题。这些领域十分复杂，对于这些问题，即使是最聪明的人类也无法解决的。
我认为人工智能是解决这些问题的一个潜在方式。在如今这个充斥着各种新技术的时代，人工智能必须在人类道德基准范围内被开发和利用。本来，技术是中性的，但是我们使用它的目的和使用它的范围，大大决定了其功能和性质，这必须是一个让人人受益的技术才行。
我自己的理想是通过自己的努力，让人工智能科学家或者人工智能助理和医药助理成为可能，通过该技术，我们可以真正加速技术的更新和进步。
页:
[1]