初識神經網絡

本章通過戰勝人類圍棋世界冠軍的AlphaGo案例，介紹神經網絡的基本概念，并闡明其與人工智能、機器學習的關系。

1. AlphaGo與圍棋：神經網絡的實力展示

• 傳統圍棋程序：基于固定規則

  • 早期的計算機程序依賴人類專家預先設定的策略（“如果A情況發生，則執行B步驟”）。

  • 這種方法的瓶頸在于圍棋的極端復雜性，人類難以窮盡所有規則。

• 圍棋的復雜性

  • 海量狀態：棋盤狀態總數約為 10^170，遠超宇宙原子總數。

  • 評估困難：棋子數量和位置無法簡單地衡量局勢優劣。

  • 計算量巨大：即便只向后推演8步，計算組合也需頂尖超算數小時。窮舉所有可能則完全不可能。

• AlphaGo的突破

  • AlphaGo不再依賴人工制定的死板規則，而是采用人工神經網絡進行決策，從而戰勝了人類頂尖棋手。

2. 神經網絡的原理

2.1 生物學啟發：人腦神經元

• 人腦通過海量神經元相互連接組成的復雜網絡進行決策。

• 單個神