●1996年2月10日，超级电脑深蓝于美国宾夕法尼亚州费城首次挑战国际象棋世界冠军卡斯帕罗夫，但以2-4落败。1997年5月再度挑战，最终深蓝电脑以3.5–2.5击败卡斯帕罗夫，成为首个在标准比赛时限内击败国际象棋世界冠军的电脑系统。
深蓝
●国际象棋有纵横各8 个矩阵，一共64 个空格，如果按照每盘棋双方各走30 步棋计算，其变化总数大约是10 的120 次方。 而围棋却有361 个交叉点，比国际象棋的棋盘容量大得多，打二还一、空中出棋等变化，可能比10的360次方还要复杂，有个数据是10的768次方。
●而科学家推算宇宙的原子总数为10的80次方。也就是说，按10的360次方计算，围棋的变化是宇宙总原子数的10的280次方倍！这变化就不是天文数字的问题了！
●那是不是每种可能性都要算呢？所谓人工智能，那得象个人对吧！请问您买彩票，会买00000000和1111111还有222222...........
●如果您真买了，还中了，我就申请给您封神！
●对于棋类这单一的类型，弱人工智能就能胜任！所以只要算力够，模型对了！完胜人类不是梦！接下来就是信息量了对吧！
●你看，听我的故事，人工智能需要啥这不是弄清了嘛！
●当AI打败国际象棋世界冠军的那天起，人类走上一条不归路
●经过18年的发展，棋力最高的人工智能围棋程序才大约达到业余5段围棋棋手的水准，且在不让子的情况下，仍无法击败职业棋手。
●2012年，在4台PC上运行的Zen程序在让5子和让4子的情况下两次击败日籍九段棋手 武宫正树，天马行空的宇宙流是也！
●2013年，Crazy Stone在让4子的情况下击败日籍九段棋手 石田芳夫！
●2014年AlphaGo的研究计划启动，在和Crazy Stone和Zen等其他围棋程序的比赛中，单机版AlphaGo以499胜：1负的成绩毕业。
●而在其后的对局中，分布式版AlphaGo（以 分布式运算运行于多台电脑上）以500：0全胜
●在对单机版的AlphaGo约有77%的胜率
●2015年10月的分布式运算版本AlphaGo使用了1,202块 CPU及176块 GPU。完成定型！
●Alpha Go属于弱人工智能！花了几个月的时间学习人类对弈的三千万棋局参 悟人类棋艺！
●2016年3月9日至15日，Google旗下的DeepMind智能系统——AlphaGo在韩国首尔对战世界围棋冠军、职业九段选手李世石AlphaGo在一场 五番棋比赛中4:1击败顶尖职业棋手 李世石，成为第一个不借助让子而击败 围棋职业九段棋手的电脑围棋程序， 这里是要说明GO是围棋的英文！
李世石
柯洁
● 2017年，而采用蒙特卡洛树搜索＋深度学习算法的Alpha Go Zero,不需要通过学习历史棋谱,而仅靠了解围棋对弈的基本规则,通过自我博弈 490万棋局 和自我进化, 实现了对Alpha Go以100：0百战百胜的战绩！
蒙特卡洛树搜索
模型
局
盘
棋局
● 差别 在哪呢？我答一句，效率问题！没错吧！
● 低级人工智能通过改变模型和算法就能有这么大提高！这就是深度学习算法的力量了。
● ZERO就是0大家都知道吧！而这个算法就是起点！弱人工智能向强人工智能的起点！
● 我之前说过，人工智能三要素模型、算力、数据！鹰酱连出两道政令打压！就是想断AI的粮！
● 所以看新闻得读懂背后的逻辑！
● 说回俄乌冲突！二毛能 比大毛强 这么多？那是不可能的！
● 抠门国家 战场AI 肯定是支援了二毛，鹰酱 肯定是 帮忙！
● 我 为什么说 鹰酱 肯定帮忙呢？鹰酱 早就把AI 应用于 情报搜集、舆论控制、颠覆政权、网络攻击、指挥控制、效果评估、战场局势 把控等,要 鹰酱的C4ISR 主打，大毛会 更惨！
所以人弱工智能投入战场指挥就能完败人类！更何况引入强人工智能之后呢？
●图丫丫在MOSS A里，那算力跟MOSS C比，瞬间成长！人一生短短的以秒计就能走完！然后强人工智能+量子计算=终结者降临！
●那么，阿西莫夫的机器人三大定律是不是该升级了！难道人类不作不行吗？
世事如棋 ， 了凡如咊
