人工智能研發這一塊，無論是今世還是前世，無論是硬件還是軟件條件，目前國內都是遠遠落後於國外的。

當下國內人工智能水平，尤其是遊戲ai的智能水平，還停留在“監督學習”階段。

所謂“監督學習”，即是指人類出題，告訴ai正確的答案，並賦予相應的對策的學習方式，類似於中小學填鴨式教育。

反映到遊戲應用場景里，就是那種識別看到人類玩家後，人機會主動進行攻擊，最多再加一些設定，比如hp小於30%時，會自己找掩體躲避，當敵人躲在某處時間過長時，會扔一顆手雷過去。

但這些都是很死板的程序判斷，嚴格來說還不具備人工智能的特點，並不是真正意義上的人工智能。

而國際上，早在97年的時候，ibm用專門設計的計算機，就下贏了國際象棋冠軍。

當然了，那會兒所謂的計算機也不能稱之為ai，之所以能下贏國際象棋冠軍，採用的是暴力破解方法，也就是窮舉法，把所有可能的下法全部計算一遍，然後對比人類的棋譜，選擇最優解。

也就是所謂的“大力出奇蹟”。

但是到了圍棋這裡，沒法再這樣窮舉了。

力量再大，終有極限，圍棋的可能性走法，遠超宇宙中全部原子之和，即使用目前最牛逼的超算，也要算幾萬年，在量子計算機成熟之前，電子計算機幾無可能勝任這樣的任務。

於是，程序員給阿爾法狗多加了一層算法：先計算哪裡需要計算，哪裡需要忽略，然後再有針對性地計算。

通俗點說，就是計算機具有了學習能力，能夠感知、判斷並完成決策，這便具備了ai的基本特徵。

不過，機器的學習方式，和人類有着質的不同，人通過觀察少數特徵，就能推及多數未知，也就是具有“舉一反三”的能力。

但機器不行，它必須不斷地試錯排除，不斷地識別計算，才能得出結果。

而且在這個學習過程中，需要三個基本條件：算法、算力、數據。

算法就是計算方法，也可以稱之為計算模型，比如識別一隻狗和識別一段人類語音，其算法是不同的，應用場景不同算法就不同，這需要程序員進行相應的設計和優化。

但有了算法，沒有算力和數據，ai也無法進行學習。

就如同“巧婦難為無米之炊”，算法是食譜，算力就是烹飪工具，數據則是食材，光懂得烹飪方法，沒有烹飪工具和食材，一樣無法烹飪出美味的佳肴。

所以要想在人工智能方面有所建樹，最根本的就是要解決算法、算力和數據這三個基本條件。

目前國際上人工智能技術研發進展緩慢，主要就是受制於算力和數據，不過這方面恰好是沸騰的優勢。

經過多年布局，目前這三個基本條件及其外延條件，儘管與國外還無法相提並論，但在國內已經基本具備，所以人工智能技術研發上，方傑認為是時候發一下力了。

首先算法方面，說白了就是兩個分支條件：程序開發人才和算法訓練平台。

人才這一塊國內目前並不缺，沸騰研究院、中科院自動化研究所、華為、騰訊等，在相關領域本來就有大量的科研人才。

而這次發力，方傑還直接拿錢把在海外工作的不少華裔專家砸回到了國內來。

至於算法平台，那可是老本行，不就是遊戲么，這方面沸騰集團擁有天然優勢。

ai的學習，就是通過遊戲進行學習的。

當然，ai遊戲與人類遊戲，稍稍有點區別，即針對性更強，目的不是為了讓ai從遊戲里獲得成就感，而是為了使其學習進步，並幫助人類完成各種工作任務。

比如紅白機時機就有一款非常簡單的遊戲：打方塊。

其遊戲玩法是玩家左右滑動控制一個具有彈力的短板，接球並反彈小球，消除遊戲界面上方一排排的小方塊，消掉所有方塊就能通關遊戲，並以此獲得成就感。

如果將這款遊戲用作ai訓練平台，通過特定的算法和強化學習，ai就會從一開始完全接不住球，到後來不光能接住球，還能準確計算出小球的反彈角度，消掉上方所有方塊。

甚至經過一段時間的訓練和學習，ai還能找到最優的通關方式。

比如先精準消掉左上角的幾個方塊，打通所有方塊的上方路徑，然後再把小球打進去，讓小球在方塊陣的上方，在牆壁與方塊陣之間來回反覆反彈，每趟能連擊消除幾十個方塊，大大提高了通關速度，並且獲得更多的連擊分數加成。

這樣的遊戲思路和技術，可能只有高玩才能想到和做到，到了這一步，ai在打方塊這款遊戲里的技術水平，顯然已經超過了普通玩家，其學習方式，就不是“監督學習”了，而是“強化學習”，ai擁有了自主學習的能力。

同樣的方式，如果將ai放入其他遊戲，或者說不同算法模型里不斷地的學習總結，那麼一樣也能訓練培養出能力極強的ai出來。

從本質上看，培養教導ai，其實與教育小孩沒有太大區別。

那麼反過來說，通過遊戲進行寓教於樂學習，才是人類小時候最佳的教育學習方式，將遊戲視為洪水猛獸，是不可取的，在教育方法上，自我強化學習也要比填鴨式“監督學習”效果更好。

算法問題解決了，接下來就要滿足算力和數據的條件。

數據不必多說，遊戲訓練平台本身就是在不斷地收集數據，隨着ai智能不斷提升，數據收集的速度和質量也在不斷提升，而在實際運用場景中，遍布全網的大數據了解一下？

比如未來的人工智能無人駕駛技術，現在沸騰汽車、沸騰出行就已經在收集相關數據了。

為什麼數據很重要，就重要在這裡，誰擁有大數據，誰才能做ai，否則連人工智能的門檻都邁不進去。

而顯然，沸騰集團和方洲國際在數據收集方面，絕對是全球領先的，軟硬件基礎比其他國際互聯網大鱷打得都要好。

而收集、統計、處理這些數據，又需要海量的算力支持，這就涉及到超算中心項目了。

經過兩年的布局和發展，目前沸騰超算中心已經建立了超過100座超算機房，投資額超過300億，但算力依然供不應求。

其中科研雲計算、雲網吧是目前超算中心最大的兩個業務板塊，其中又以科研雲計算的需求為最。

原因很簡單，國內提供能這麼強大算力，並且服務費用這麼低廉的超算中心，只有沸騰超算中心了。

眾所周知，搞科研很燒錢，而計算機科研燒錢主要就是燒在了人力、硬件和電力上。

人力方面還好說，畢竟是高科技人才，值那個價，要做相關科研，這是必須的投入。

而硬件方面，根據摩爾定律，計算機硬件更新換代的速度很快，如果讓科研機構自己時不時地升級硬件設備，成本太高，根本耗不起，但如果不更新升級硬件設備，能耗大不說，工作效率也低，並非長久之計。