谷歌的alphago ai计划强大但不完美，说击败韩国去球员

Google DeepMind的AlphaGo人工智能计划击败了韩国去球员Lee Se-Dol，在五场比赛中连续三个胜利。

“我有点无能为力，”李在失败后说。

周六的人与机器之间的密切关注的比赛可能会强化AI已经进入自己的观点，而且不仅在博彩中的潜力，而且在企业和其他应用中也是如此。

根据Lee的说法，AI仍然有一些方式去。“今天的失败是Lee Se-Dol的失败，真的不是一个人类的失败，”球员在新闻发布会上告诉记者。

他补充说，alphano是一个强大的计划，但不是“所谓的松树”的水平的完美计划。李说，它制造了不同，有时是卓越的举动，但该计划也有缺点。

Alphago以前赢得了李，顶级Go Player，在韩国首尔的比赛中，周三和周四在韩国，在周四圆周周四之后说“无话语”球员，他觉得他觉得他在董事会领先时也没有片刻游戏。在星期六，李的压力似乎在比赛中很早建立，许多网上观众预测他会失败。

去球员轮流放置黑色或白色的碎片，称为“石头”，在19×19线网格上举办“石头”，旨在通过围绕它们来捕捉对手的石头，并将更多的空旷的空间作为领域环绕。

Google DeepMind表示，剩下的锦标赛游戏将于周日和星期二播放，达到该计划的最终比赛得分。alphago赢得了100万美元用于赢得比赛，谷歌已承诺捐赠给慈善机构。

AI计划的最后一个高调胜利是1997年的IBM'S Deep Blue的国际象棋胜利，2011年赢得了Watson的Jeopardy测验表演，来自Big Ball的另一台电脑。IBM继续将Watson的自然语言处理和机器学习商业化，以分析非结构化数据，谷歌还将在alphago获胜后更积极地将自己的AI技术商业化。

alphago大约两年前开始作为一个研究项目来测试使用深度学习的神经网络是否可以理解和播放，根据alphano项目的主要研究人员之一。谷歌在2014年获得了英国AI公司深度。

周四，Alphago展示了可能被描述为“创造力”的迹象，当它使游戏评论员表示不太可能被专业的人类球员播放。该计划用作来自其“策略网络”的指南可能的人类移动，其中由人类专家在不同情况下的游戏模型组成，但是当其“价值的神经网络”评估可能的移动时，可以使自己的移动成为更大的深度。

“alphano在星期六的比赛过程中，首尔·雷德蒙德，迈克尔·雷德蒙德，评论员说，迈克尔·雷德蒙德说评论员和专业的去参加比赛。他建议在10月份5-0次赢得欧洲冠军凡辉后，该计划在5-0次胜利后，该方案越来越复杂。

Google DeepMind可能瞄准Alphago在首尔的al alphago相似的5-0胜利。