西。
诚然如此的话，倒不是没机会将涉及到分布式技术的一些东西忽悠过来。
除此之外，阿法狗AlphaGo还涉及到比较麻烦的训练。
如果只是为了不麻烦的话。
林灰没必要非盯着阿法狗AlphaGo不放。
前世又不是只有阿法狗AlphaGo。
阿法狗AlphaGo之后有master，master之后有Alpha_Zero。
如果说阿法狗AlphaGo还曾负于人类。
Alpha_Zero则完全是秒天秒地秒空气了。
林灰记得前世看到过的一组数据。
Alpha_Zero算法只需要8个小时训练后击败对战李世石版本的“阿法狗AlphaGo”。
按照这个说法，意味着Alpha_Zero的训练成本要远远低于阿法狗AlphaGo。
与前辈阿法狗AlphaGo相比，Alpha_Zero有很多自己的独到之处。
尽管这个技术很强大，但Alpha_Zero和阿法狗实际上是有技术代差的。
想要搞出Alpha_Zero从逻辑层面来说还是要先搞出阿法狗AlphaGo。
这种情况下，林灰觉得技术神马还是尊重客观发展的规律比较好。
真要一步到位的话未必是好事。
能想到阿法狗AlphaGo这个人工智能的爆点已经很不错了。
话说回来林灰早该想到阿法狗的。
林灰记得之前刚注册微博时在微博上蛋疼兮兮地发的那两句话：
——“绝艺如君天下少，闲人似我世间无”
就跟鹅厂的围棋AI有着很紧密的关系。
早点想到这点林灰应该很快就能想到阿法狗。
尽管已经想到了这些。
但涉及到阿法狗AlphaGo的实际复现依旧困难多多。
最大的困难似乎是硬件层面的。
阿法狗AlphaGo还有alphaZero这两个技术想问世的话还需要深度学习框架以及硬件方面的支持。
无论是阿法狗AlphaGo还是alphazZro都涉及到前世谷/歌提出来的TensorFlow这个深度学习框架。
前世为了这个深度学习框架，谷/歌2016年还开发了张量处理器。
张量处理器（TPU）是谷/歌为机器学习定制的专用芯片。
就特么超级离谱，國内芯片一言难尽。
国外这是人是鬼都在秀。
跟芯片看起来似乎半毛钱关系都没有的也在搞芯片。
说起来初代的TPU规格大致参数林灰是记得一些的。
虽然不是记得特别全。
但林灰还是依稀记得初代TPU是28nm制程。
虽然以林灰的眼光看28nm制程有点糙。
但要知道此时iPhone5s上的芯片制程也不过才28nm。
这就很糟心。
也就是说即便林
请收藏：https://m.wxxs123.cc
（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）