阿法狗的核心算法是怎么实现深度学习的？难道机器不是人告诉它怎么做它就怎么做的吗？底层自动化狗不懂，求大神赐教！

我的理解是统计学

这个要问数学家，不是问程序员
程序员只是个操作岗位

我的理解是你不直接把数学模型输入给电脑，而是用大量的训练数据让AI去自己建立模型，然后用这个模型去做预测。

感觉背后是超算，瞬间推演个几千万遍。

讲个深度学习里最基础最简单的线形回归，有监督学习。
就是一开始的w权值都是电脑随机产生，人要告诉他最后的结果什么是正确的，这个就叫有监督学习。无监督学习是人不告诉他什么正确。
他自己用优化器，比如梯度下降算法，阿法狗据说用的是AdamOptimizer
去迭代计算权值，神经网络当中可能有多个隐层，隐层多了还要过拟合处理。
迭代次数多了，最后得出的权值越来越好，可以去模拟真实的函数。
阿法狗当中的技术还要多，下棋应该用到Qlearning，最后阿法狗是不知道自己在下棋，他只知道一堆的张量，然后求导求积，算啊算啊算。

我的理解是让它自己学习怎么做

干这个的程序员，恐怕月薪不止2狗……

现在到处都是不求甚解、指鹿为马的人。

纯数学家从不研究现实问题。
这个问题是工科-人工智能领域的。

你可以简单的理解成一个多元多次方程凑系数

深度学习是机器学习的一种算法，机器学习是统计的演化，如果楼主懂逻辑回归和线性回归的话就可以理解。

很好的科普

什么狗屁学习，就是重复

学习下统计学线性代数就可以了解

那个TeX的阅读插件太大了。。。有没有其他办法能打开PDF?

不是IT业，也不是程序员，只不过最近通读了李开复的《人工智能》，说点自己浅显的看法
所谓深度学习，其实是深度重复，它是机器学习的一个分支，原理是模仿人类的大脑神经网络，设置无数的神经元和神经管道。人做的事情只是调节神经元和神经网络的参数。然后机器会使用无数的原生数据，比如图片（在阿尔法狗里就是棋谱），把它们全部放到神经元和管道里。输出无数次结果，当出来的结果越来越接近甚至是无限接近真实的结果时，就说这个深度学习成功了（比如无数张图片里有猫的图片，机器一遍遍的学习这些图片，找出的结果里有猫就说明是正确的结果，越来越接近这个结果就是深度学习了）。而围棋狗就是一遍遍的无限学习人类的对弈棋谱甚至自我对弈来学习。
但是，哪怕是最顶尖的科学家，也无法说清机器到底是怎么深度学习选出正确的结果的。也就是说，人类对机器的学习过程一无所知，只知道这么做机器会给出无限接近于正确的结果。这点还是蛮可怕的。所以有些人说人类是有可能对机器失控的。
而且深度学习这个东西，是只有实验室里的科学家才能做的。其中牵扯到许多极其高深的数学和IT医学等专业知识，对于大众来说过于高端了。所以现在百度什么的请的人工智能科学家（或者说深度学习专家）都是几百万的年薪。

[本帖最后由 永恒蔚蓝 于 2017-8-5 16:04 编辑]

http://playground.tensorflow.org/
这个就是深度学习的基本框架，挺有意思的