挑衅百度大脑（阿尔法狗VS百度大脑）
近期人机大战又在不断上演，这次比拟巧的是，谷歌的AlphaGo在网络上化身Master，碾压各路9段高手，最后以60胜的成就克服了所有人类对手，也发明了有史以来第一次，人类在棋艺范畴被人工智能全面碾压的情形。
而另一方，近期江苏卫视播出的《最壮大脑》节目，也开启了人机决战的竞赛，而在第一期以人脸跨年纪辨认挑衅的节目中，百度大脑以3：2的优势克服了人类，人工智能也再次克服了人类。
而这两场战斗也引发了网友们对于AlphaGo与百度大脑谁更厉害的讨论，更多的人偏向于下围棋的AlphaGo应当更胜一筹，因为下围百思特网棋似乎难度更大，但实际上并非如此，这里我们来做一些科普。
深度学习到底是什么
AlphaGo与百度大脑的技巧，其实师出同门，都是采用了最前沿的基于神经网络的深度学习技巧。
传统的盘算机技巧都是线性模型，即输入一个值之后，就会获得一个唯一的答案。但是深度学习则通过模仿人脑的方法，将数据网络进行“分层”，通过监视学习的方法，给机器各种数据，不断重复训练，最终让机器给出一个最大概率的答案，如果答案不够精确，那么机器就会通过监视重复学习。
而阿尔法狗下围棋与百度大脑的人脸辨认，背后都采取了深度学习的办法。
阿尔法狗下围棋的百思特网原理
我们这里不讨论具体的技巧细节，而是讨论技巧实质原理。
下棋这件事一直都是机器的难题，因为把每颗棋子可能的落子斟酌进去，以胜负为停止，那么所有落子的可能性总数加起来比宇宙原子数还要多。早期的机器受制于存储基本无法胜任如此伟大的挑衅，因此能够挑衅国际象棋巨匠卡斯特罗已经是非常不错，而挑衅围棋则是天方夜谭。
而随着这几年硬件装备的发展，盘算机的存储、CPU、集群运算等才能急剧晋升，当年打败卡斯特罗的只是一台小盘算机，现在则变成了集群盘算机，盘算才能从只能单打独斗阶段上升到了，可以用成百上千台盘算机群殴的阶段。
而另一个症结点则是深度学习技巧，深度学习技巧，可以反重复复的训练与模仿对决，而以输赢为终结标记，有了学习反馈，因此可以模仿出成千上万个棋局，再日以继夜的学习后，最终达成巨匠程度。
也就是说集群盘算+深度学习，让盘算机大幅度减少了暴力穷举的次数，调试人员只须要不断修正算法模型，就可以获得最佳成果。
百度大脑跨年纪辨认的核心原理
此次百度大脑所挑衅的跨年百思特网龄辨认，同样应用的也是深度学习原理，但是也有差别。
即使下棋用了深度辨认，但是实质依然是暴力盘算，只不过深度学习模型让其大大减少了无用的暴力盘算水平。而图像辨认并简略的非暴力盘算就可以达成，因为面对太多的不肯定性，每一张图片中都充斥了太多意外的问题，例如光照因素、侧脸、脸部眼镜口罩等遮挡物，等等都会影响到机器的成果。
因此，长期以来，机器在各种棋艺上对人类有着颇多挑衅，但是从没有看过机器挑衅人脸辨认的案例，正是因难堪度极高，即使有深度学习的助力，依然不能立即取的立竿见影的结果。
此外，此次竞赛是跨年纪辨认，这更又是一个世界顶级难题，对于下棋的深度训练来说，最终可以通过输赢给机器一个反馈成果，机器可以有效的进行重复训练，直到胜出为止。但是人脸的跨年纪辨认就没有这么荣幸了，这其中的数据实在太少，训练数据难以收集。没有足够多的数据，基于深度学习的神经网络很难学习到跨年纪的类内和类间变更。
正所谓巧妇难为无米之炊。
而此次百度大脑挑衅跨年纪辨认，则是在数据稀缺的情形下做出的挑衅，其通过更改各种算法策略，以及深度训练模型，最终实现了一个非常好的成果。
人脸辨认难于下围棋，但引起的感受后果不同
机器擅长做的就是做反复性的逻辑性工作，而对于围棋这种黑白分明，完整依附经验的事情，对于机器来说其实更为容易，因为并不须要面对不肯定的环境。
而像人脸辨认这种工作就不是如此了，机器不仅能够依附的经验有限，更须要面对随时涌现的不肯定性，因此全部攻克难度依然伟大。
当然，归根到底上述所说的都只是方向上的问题，人工智能在人脸辨认的这个研讨方向整体上，难于下棋。因此，人脸辨认要想取得一点点的提高，所须要消费的代价比下棋的代价大多了。
下棋是机器所善于的范畴恰恰又是代表着人类的智力推翻，因此给我们所有人造成的震动也就更大一些，而人脸辨认则是机器的弱项，但又是我们每个人与生俱来的才能，并不能让人发生很大的震动，因此甚至会有人以为下棋的难度大于人脸辨认，这不过是站在人的立场上去斟酌问题而已。
结语：(原创版权www.isoyu.com)
最后，我们须要公正的对待这两场竞赛，AlphaGo与百度大脑，由于各自附属范畴不同，因此不存在谁优谁劣的说法，只不过是从人的立场上去看，发生的主观感受不同而已。
事实上是这二者的表示，均体现了人工智能在不同范畴的顶尖程度，都值得尊重。