EEPW论坛

随着程序员开发出使计算机完成复杂任务的算法，计算机变得越来越强大。游戏可能是计算机如何学习为我们做出直觉决策的最佳示范，并有效地统治了整个世界。

计算机，人工智能和机器的崛起

超越世界的计算机是科幻小说的共同主题。人们似乎对人类可能有一天会被自己的创造物摧毁的想法着迷。虽然有些科学家真的有这种感觉（例如斯蒂芬霍金），但可以肯定的是，这种可能性在未来很遥远。

现代实践中关于人工智能的真相是它不存在。有许多新闻文章和科技公司都喜欢在他们的软件或产品上使用术语“AI” - 他们侥幸逃脱，因为普通公众并不完全理解AI的真正含义。公平地说，人工智能分类的概念是一个灰色地带，即使是专家和工程师也是如此。

人工智能的广义定义是“机器展示的智能”，但智能是什么？有些人认为，  智力涉及自我意识和对个人为何采取行动的理解。其他人认为，情报需要具备逻辑性并解决问题的能力。计算机可以比人们更快地解决许多问题，但计算机是智能的吗？如果你用这些术语提问，答案是否定的。计算机只是遵循指令，当计算机运行程序时，他们不知道他们的行为。

例如，在国际象棋中击败人类的计算机并不聪明，因为它不了解国际象棋。事实上，计算机并不知道它甚至在下棋，只是执行了数百万的if语句。 

AlphaGo的“直觉” 

然而，仅仅因为真正的AI目前尚未运行且计算机不是真正的智能并不意味着计算机无法完成人工任务。它也并不意味着算法和编程方法变得更像人脑。神经网络涉及编程技术，允许计算机程序适应输入，从输出中学习，并在任务中变得更好。

这种计算机亮度的典型例子是谷歌的“AlphaGo”，它可以击败中国游戏Go的玩家。AlphaGo最近狂欢，匿名击败了Go大师。在今年年初，它向公众以及它击败的大师们透露，这个神秘的Go玩家  一直都是人工智能。

最初，解决Go的问题是可以进行的大量移动（大约1 x 10 ^ 170，这比宇宙中的总原子多）。这意味着计算机不能使用蛮力来获胜，因为人类会因为直觉而占上风。因此，Google团队采用了不同的方法并开发了一种几乎可以被视为合成直觉的系统。

系统基本上运行不同的任务，例如识别重要的移动，并在神经网络，策略网络和价值网络之间找到平衡，而不是尝试计算移动。这种平衡类似于人类大脑做出决策的方式，其中考虑了情况的不同方面。例如，下棋的人并不总是根据直接后果考虑每一个可能的举动和计划。那个玩家可以允许对计算机来说可能看起来很奇怪的动作，例如自我牺牲，这在短期内似乎会让玩家输掉，但从长远来看，这对于胜利来说至关重要。其他技术包括混乱，即失败的玩家可能会做出“疯狂”的动作，这会使其他玩家感到困惑并隐藏其真正的策略。

益智游戏是关键

玩Go和国际象棋等益智游戏和棋盘游戏的电脑展示了计算机如何远离统治世界。目前，整个世界已经充斥着各种电子产品，从跟踪房间温度的物联网设备到支持互联网的烤面包机。随着对更智能系统的集成和需求的增加，计算机基本上掌握日常生活的时间不会太长。

正是在这一点上，计算机可以开始在全球范围内为我们做出我们可能不知道的决策。例如，农场越来越依赖计算机来跟踪生产率并记录重要信息，包括地面营养水平和害虫控制数据。

想象一下，计算半导体系统从天气探测器，物联网温度和湿度传感器以及农业数据中获取数据。这样的系统可以确定何时下雨，因此是施用肥料或其他所需化学品的理想时间。结果将是高效率的农场，它们使用神经网络做出所有关键决策而根本没有任何人为干预。 

蒂尔堡大学的一些科学家声称可以创造一种人工智能，可以以竞争的方式玩定居者的卡坦。对于那些可能不知道的人来说，Settlers of Catan是一款棋盘游戏，涉及玩家创造村庄和城市，同时竞争性地交易资源。现实世界与Settlers of Catan没有什么不同，世界各国都试图在增加城镇和城市的同时达成贸易协议和改善经济条件，以增加自己国家的规模和重要性。

虽然目前所有这些决策都是由人做出的，但是理解这种相对简单的棋盘游戏的人工智能意味着计算机在提供有关真实场景的信息时可能会开始做出这样的决定。然后，领导者可以根据计算机而不是专家的建议采取行动。毕竟，如果AlphaGo教给我们任何东西，那就是AI能够更好地“玩游戏”。事实上，人工智能可以比人类专家更好地协调贸易协议所取得的成果。

总结

玩游戏的计算机并不完全是智能的，到目前为止，地球上的任何系统都不能被视为真正的智能。然而，工程师和程序员都不是在制造一台可以代表人们做出真实世界决策的计算机，而是做得更好。当然，取决于你问的是谁，这就是它的起源。

首先，计算机开始了解您的集中供暖习惯，并告诉您想要家的温度。然后，在您知道之前，他们会为您订购披萨，并在不询问您的情况下选择您的配料。最糟糕的是，你可能不会生气，因为它做对了。