阿爾法狗VS百度大腦，誰更勝一籌？

近期人機大戰又在不斷上演，這次比較巧的是，谷歌的阿爾法狗在網絡上化身Master，碾壓各路9段高手，最后以60勝的成績戰勝了所有人類對手，也創造了有史以來第一次，人類在棋藝領域被人工智能全面碾壓的情況。

而另一方，近期江蘇衛視播出的《最強大腦》節目，也開啟了人機決戰的比賽，而在第一期以人臉跨年齡識別挑戰的節目中，百度大腦以3：2的優勢戰勝了人類，人工智能也再次戰勝了人類。

而這兩場戰役也引發了網友們對于阿爾法狗與百度大腦誰更厲害的討論，更多的人傾向于下圍棋的阿爾法狗應該更勝一籌，因為下圍棋似乎難度更大，但實際上并非如此。

深度學習到底是什么

阿爾法狗與百度大腦的技術，其實師出同門，都是采取了最前沿的基于神經網絡的深度學習技術。

傳統的計算機技術都是線性模型，即輸入一個值之后，就會獲得一個唯一的答案。但是深度學習則通過模擬人腦的方式，將數據網絡進行“分層”，通過監督學習的方式，給機器各種數據，不斷反復訓練，最終讓機器給出一個最大概率的答案，如果答案不夠準確，那么機器就會通過監督反復學習。而阿爾法狗下圍棋與百度大腦的人臉識別，背后都采用了深度學習的方法。

阿爾法狗下圍棋的原理

下棋一直都是機器的難題，因為把每顆棋子可能的落子考慮進去，以輸贏為結束，那么所有落子的可能性太多了！早期的機器受制于存儲根本無法勝任如此巨大的挑戰。而隨著這幾年硬件設備的發展，計算機的存儲、CPU、集群運算等能力急劇提升，機器的存儲問題已不在是問題。

另一個關鍵點則是深度學習技術。深度學習技術，可以反復地訓練與模擬對決，而以勝負為終結標志，有了學習反饋，因此可以模擬出成千上萬個棋局，再日以繼夜的學習后，最終達成大師水平。

也就是說，集群計算+深度學習，讓計算機大幅度減少了暴力窮舉的次數，調試人員只需要不斷修改算法模型，就可以獲得最佳結果。

百度大腦跨年齡識別的核心原理

此次百度大腦所挑戰的跨年齡識別，同樣運用的也是深度學習原理，但是也有區別。

即使下棋用了深度識別，但是本質依然是暴力計算，只不過深度學習模型讓其大大減少了無用的暴力計算程度。而圖像識別并非簡單的暴力計算就可以達成，因為面對太多的不確定性，每一張圖片中都充滿了太多意外的問題，例如光照因素、側臉、臉部眼鏡口罩等遮擋物，等等，都會影響到機器的結果。

因此，長期以來，機器在各種棋藝上對人類有著頗多挑戰，但是從沒有看過機器挑戰人臉識別的案例，正是因為難度極高，即使有深度學習的助力，依然不能取得立竿見影的成果。

此外，此次比賽是跨年齡識別，這更是一個世界頂級難題，對于下棋的深度訓練來說，最終可以通過勝負給機器一個反饋結果，機器可以有效地進行反復訓練，直到勝出為止。但是人臉的跨年齡識別就沒這么幸運了，這其中的數據實在太少，訓練數據難以收集。沒有足夠多的數據，基于深度學習的神經網絡很難學習到跨年齡的類內和類間變化。

而此次百度大腦挑戰跨年齡識別，則是在數據稀缺的情況下做出的挑戰，其通過更改各種算法策略，以及深度訓練模型，最終實現了一個非常好的結果。

人臉識別難于下圍棋，但引起的感受效果不同

機器善于做的就是做重復性的邏輯性工作，而對于圍棋這種黑白分明，完全依賴經驗的事情，對于機器來說其實更為容易，因為并不需要面對不確定的環境。

而像人臉識別這種工作就不是如此了，機器不僅能夠依賴的經驗有限，更需要面對隨時出現的不確定性，因此整個攻克難度依然巨大。

當然，歸根到底上述所說的都只是方向上的問題，人工智能在人臉識別的這個研究方向，整體上難于下棋。因此，人臉識別要想取得一點點的進步，所需要花費的代價比下棋的代價大多了。

下棋是機器所擅長的領域恰恰又是代表著人類的智力顛覆，因此給我們所有人造成的震撼也就更大一些，而人臉識別則是機器的弱項，但又是我們每個人與生俱來的能力，并不能讓人產生很大的震撼，因此有人認為下棋的難度大于人臉識別，這不過是站在人的立場上去考慮問題而已。