人类惨败，AI血虐游戏职业选手

一年前AlphoGo已3:0完胜柯洁的时候，人们那时已经领略到AI的强大了。

一年后，似乎游戏行业也被AI攻陷了，今天职业Dota选手跟OpenAI Five决斗，结果输得一塌糊涂。

Daivd Tan比赛前装逼地表示：很高兴，很鸡冻。然而对我而言却是：一直被模仿，从未被击败。

比赛后，我猜测心理活动是这样的:

OpenAI Five: Who is your daddy now?

Daivd Tan: 我叫David Tan, 我现在慌得一批！

不论你是觉得未来 AI 会发展成天网统治人类，或者更好地为人类服务，我们都不能否认的一个事实是: AI is coming. 18年我们听说过关于 AI 的东西太多太多，感觉好像是：不管你是不是程序员，张口闭口不指点一下目前 AI 的相关报道，都不好意思说你懂科技。

然而作为程序员，即便不从事 AI 行业，最少还是得了解下 AI 是怎么工作的。不然别人今后跟你聊天，发现你电脑也不会修，AI 也说不出个所以然来，以后还怎么出去混。

1. AI 是什么呢

其实大家对 AI 都已经有不少了解了，但是这里还是要多啰嗦几句。AI, 如下图所示，中文名称是铝，金属元素，化学性质.....

咳咳，不好意思，切换错频道了，回归主题啊。

简单概论一下 AI 的定义是人工智能，通常指通过普通电脑程式的手段实现的人类智能技术。通常与人工智能相关联的认知性问题的计算机科学领域包括学习、问题解决和模式识别等。

谈到 AI 领域，最常见的两个领域当然属于机器学习 (ML) 和深度学习 (DL) 。

2. 什么是机器学习

机器学习基本上可以称之为 AI 的核心，每个人眼中都有可能表现出不同的看法。

AI分支的先驱 Arthur Samuel 在1959年曾经写到，机器学习是一种能够让计算机在无须进行有针对性的编程情况下，自行获得学习能力的学科领域。机器学习的概念可以理解为通过大量的数据训练计算机，以此达到对某事物或者某趋势的预测。

就是说，机器学习就是大量的数据加一定的算法，让计算机获得一定的预测能力。

机器学习分为有监督学习，无监督学习跟强化学习。

2.1 监督学习举个例子就是：

你在旁边教计算机学算术，1 + 1 等于几，计算机如果回答2，对了进行下一题，1 + 2等于几，如果回答错误，则让计算机计算猜答案，猜对后继续下一道题。这样一道道的练习，让计算机学会算术。

2.2 无监督学习再举个例子就是：

水平座的人多数喜欢吃橘子，天蝎座的人多数喜欢吃葡萄，摩羯座的人多数喜欢吃西瓜。大量这样的数据交给计算机，然后让计算机自行总结规律，最后得出哪个星座的人最偏爱什么水果。

强化学习可以理解为上面两种学习方式的结合。上面说的这些关于机器学习的东西，里面的道理有点像「书读百遍，其意自现」的概念。

3. 什么是深度学习

跟机器学习一样，进行深度学习训练同样需要大量的数据。深度学习本质上是在试图模仿人的神经网络。

同样的，深度学习就是指大量的数据加上一定的规律让计算机获得一定的辨别能力。

各个神经元中都建立有相应的联系。比如人类辨别一条狗，并不是一眼就认出来这是一条狗的。大脑中其实经过快速的处理：发现这是一条四条腿，带尾巴，张毛还汪汪叫的玩意，然后得出它是一条狗。

但是让计算机识别一条狗，在程序上用算法很难实现，所以就需要深度学习训练计算机让它能辨识出一条狗的样子。

需要经过大量的训练，就像人的大脑神经工作一样。看到照片里一个四条腿的，然后进入所有具有四条腿的数据里筛选带尾巴的，然后再搜寻身上长毛的，这样一层一层下去，最后辨别出是一条狗。

虽然谷歌前不久也放了大招推出了 Cloud AutoML，申明即便你不懂编程，也能训练出一个定制化的机器学习模型。

其实我想说 AI 这一领域其实并没有那么简单，相反它涉及到大量高等数学知识，已经各种复杂的算法知识，这些并不是如我这种一般人能搞懂的。