第(1/3)页

    人工智能研发这一块，无论是今世还是前世，无论是硬件还是软件条件，目前国内都是远远落后于国外的。

    当下国内人工智能水平，尤其是游戏ai的智能水平，还停留在“监督学习”阶段。

    所谓“监督学习”，即是指人类出题，告诉ai正确的答案，并赋予相应的对策的学习方式，类似于中小学填鸭式教育。

    反映到游戏应用场景里，就是那种识别看到人类玩家后，人机会主动进行攻击，最多再加一些设定，比如hp小于30%时，会自己找掩体躲避，当敌人躲在某处时间过长时，会扔一颗手雷过去。

    但这些都是很死板的程序判断，严格来说还不具备人工智能的特点，并不是真正意义上的人工智能。

    而国际上，早在97年的时候，ibm用专门设计的计算机，就下赢了国际象棋冠军。

    当然了，那会儿所谓的计算机也不能称之为ai，之所以能下赢国际象棋冠军，采用的是暴力破解方法，也就是穷举法，把所有可能的下法全部计算一遍，然后对比人类的棋谱，选择最优解。

    也就是所谓的“大力出奇迹”。

    但是到了围棋这里，没法再这样穷举了。

    力量再大，终有极限，围棋的可能性走法，远超宇宙中全部原子之和，即使用目前最牛逼的超算，也要算几万年，在量子计算机成熟之前，电子计算机几无可能胜任这样的任务。

    于是，程序员给阿尔法狗多加了一层算法：先计算哪里需要计算，哪里需要忽略，然后再有针对性地计算。

    通俗点说，就是计算机具有了学习能力，能够感知、判断并完成决策，这便具备了ai的基本特征。

    不过，机器的学习方式，和人类有着质的不同，人通过观察少数特征，就能推及多数未知，也就是具有“举一反三”的能力。

    但机器不行，它必须不断地试错排除，不断地识别计算，才能得出结果。

    而且在这个学习过程中，需要三个基本条件：算法、算力、数据。

    算法就是计算方法，也可以称之为计算模型，比如识别一只狗和识别一段人类语音，其算法是不同的，应用场景不同算法就不同，这需要程序员进行相应的设计和优化。

    但有了算法，没有算力和数据，ai也无法进行学习。

    就如同“巧妇难为无米之炊”，算法是食谱，算力就是烹饪工具，数据则是食材，光懂得烹饪方法，没有烹饪工具和食材，一样无法烹饪出美味的佳肴。

    所以要想在人工智能方面有所建树，最根本的就是要解决算法、算力和数据这三个基本条件。

    目前国际上人工智能技术研发进展缓慢，主要就是受制于算力和数据，不过这方面恰好是沸腾的优势。

    经过多年布局，目前这三个基本条件及其外延条件，尽管与国外还无法相提并论，但在国内已经基本具备，所以人工智能技术研发上，方杰认为是时候发一下力了。

    首先算法方面，说白了就是两个分支条件：程序开发人才和算法训练平台。

    人才这一块国内目前并不缺，沸腾研究院、中科院自动化研究所、华为、腾讯等，在相关领域本来就有大量的科研人才。

    而这次发力，方杰还直接拿钱把在海外工作的不少华裔专家砸回到了国内来。

    至于算法平台，那可是老本行，不就是游戏么，这方面沸腾集团拥有天然优势。

    ai的学习，就是通过游戏进行学习的。

    当然，ai游戏与人类游戏，稍稍有点区别，即针对性更强，目的不是为了让ai从游戏里获得成就感，而是为了使其学习进步，并帮助人类完成各种工作任务。

    比如红白机时机就有一款非常简单的游戏：打方块。

    其游戏玩法是玩家左右滑动控制一个具有弹力的短板，接球并反弹小球，消除游戏界面上方一排排的小方块，消掉所有方块就能通关游戏，并以此获得成就感。

    如果将这款游戏用作ai训练平台，通过特定的算法和强化学习，ai就会从一开始完全接不住球，到后来不光能接住球，还能准确计算出小球的反弹角度，消掉上方所有方块。

    甚至经过一段时间的训练和学习，ai还能找到最优的通关方式。

    比如先精准消掉左上角的几个方块，打通所有方块的上方路径，然后再把小球打进去，让小球在方块阵的上方，在墙壁与方块阵之间来回反复反弹，每趟能连击消除几十个方块，大大提高了通关速度，并且获得更多的连击分数加成。

    这样的游戏思路和技术，可能只有高玩才能想到和做到，到了这一步，ai在打方块这款游戏里的技术水平，显然已经超过了普通玩家，其学习方式，就不是“监督学习”了，而是“强化学习”，ai拥有了自主学习的能力。

    同样的方式，如果将ai放入其他游戏，或者说不同算法模型里不断地的学习总结，那么一样也能训练培养出能力极强的ai出来。

    从本质上看，培养教导ai，其实与教育小孩没有太大区别。

    那么反过来说，通过游戏进行寓教于乐学习，才是人类小时候最佳的教育学习方式，将游戏视为洪水猛兽，是不可取的，在教育方法上，自我强化学习也要比填鸭式“监督学习”效果更好。

    算法问题解决了，接下来就要满足算力和数据的条件。

    数据不必多说，游戏训练平台本身就是在不断地收集数据，随着ai智能不断提升，数据收集的速度和质量也在不断提升，而在实际运用场景中，遍布全网的大数据了解一下？

    比如未来的人工智能无人驾驶技术，现在沸腾汽车、沸腾出行就已经在收集相关数据了。

    为什么数据很重要，就重要在这里，谁拥有大数据，谁才能做ai，否则连人工智能的门槛都迈不进去。

    而显然，沸腾集团和方洲国际在数据收集方面，绝对是全球领先的，软硬件基础比其他国际互联网大鳄打得都要好。

    而收集、统计、处理这些数据，又需要海量的算力支持，这就涉及到超算中心项目了。

    经过两年的布局和发展，目前沸腾超算中心已经建立了超过100座超算机房，投资额超过300亿，但算力依然供不应求。

    其中科研云计算、云网吧是目前超算中心最大的两个业务板块，其中又以科研云计算的需求为最。

    原因很简单，国内提供能这么强大算力，并且服务费用这么低廉的超算中心，只有沸腾超算中心了。

    众所周知，搞科研很烧钱，而计算机科研烧钱主要就是烧在了人力、硬件和电力上。

    人力方面还好说，毕竟是高科技人才，值那个价，要做相关科研，这是必须的投入。

    而硬件方面，根据摩尔定律，计算机硬件更新换代的速度很快，如果让科研机构自己时不时地升级硬件设备，成本太高，根本耗不起，但如果不更新升级硬件设备，能耗大不说，工作效率也低，并非长久之计。

    而且还要考虑硬件折旧问题，许多硬件电子设备长期满负荷运转，使用寿命比家庭电脑低得多，沸腾超算中心前头一边在新建机房，后面又一边在更换老旧损坏设备，运营成本居高不下。
    第(1/3)页