AI智慧宇宙將改變你的生活

（The Intelligent Universe will change your life）

人工智能系統發展至今，大體可分為無監督式學習和監督式學習兩大類型。其中無監督式學習是指人工智能系統與外界無數據交互，純粹依靠邏輯和規則進行自身訓練。战勝了AlphaGo 和AlphaGo Master的AlphaGo Zero，就是無監督學習的例子。AlphaGo 曾战勝了韓國圍棋選手李世石，AlphaGo Master战勝了中國圍棋選手柯潔。AlphaGo 和AlphaGo Master都是在人類大量圍棋棋譜的訓練下，獲得了相應的圍棋對弈能力。但AlphaGo Zero則是沒有經過任何人類圍棋棋譜訓練，完全依靠類似左右手互博的自學習，獲得了超強的圍棋對弈能力。無監督式學習有其自身應用局限性，僅適用於那些規則清晰、信息完備的場景。這樣的場景，在生產性業務流程中可能還比較多，但在人類的生活中確實比較有限。

人工智能的另一大類型是監督式學習。監督式學習需要大量數據對人工智能系統進行訓練。監督式學習一般建立在大數據基礎上，適用於規則不清晰、信息不完備的情況。監督式學習通過大量數據的訓練，發現數據背後未被發現的規則和關聯。監督式學習有廣闊的應用空間和應用場景，但監督式學習系統的建立和完善，與大數據系統的建立和使用息息相關。

人工智能是提高生產力的工具。人工智能系統通過在大量無規則不相關的數據中發現數據之間的相關性，尋找到更多的規律和關聯，可以極大提高單點效率和系統效率。同時，人工智能與業務邏輯結合，可以在業務邏輯的約束和支撐下，實現更加縱深、更大容量、更加快速的計算，在此基礎上拓展出更加廣闊的可選擇空間，提供更接近最終目標的路徑選擇方案，實現效率的極大提升。

目前大部分人工智能系統，都是建立在大數據基礎上，建立在中心化服務器或中心化的計算環境上面。基於小數據、基於確定性數據，能否進一步挖掘裏面的智能？在分布式環境下如何實現分布式的人工智能，也是人工智能未來發展的方向之一。

那么智慧宇宙（WDU）將和大家一起探索AI和加密數字貨幣的未來。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。