---

簡單地說，自動駕駛是一個環境開放的決策問題，AlphaGo其實在解決一個受限決策問題。儘管均是決策問題，但自動駕駛中環節更為複雜，需要處理更多邊界場景，並且涉及到人類在行駛過程中的安全問題，圍棋沒有那麼多嚴苛和挑戰性的問題需要處理。所以成功圍棋方法並不能直接遷移到自動駕駛上，需要更多的工作。

---

阿爾法狗也是用的蒙特卡洛加強化學習，自動駕駛也會用到這兩個演算法，只不過效果沒有太明顯，所以你的問題從何而來？

---

搭車同問：姚明作為世界頂尖的大中鋒，為什麼沒能帶領國足衝進世界盃，甚至都沒有入選國足集訓隊呢？國足不正缺優秀的中鋒嗎？

---

首先，AlphaGo只能算是人工智慧，離頂級還差得太遠太遠，咋一看，訓練了幾天就能打敗世界冠軍是一件很了不起，很不可思議的事情，可是你應該同樣想一想，現代計算機的運算能力不更加是一件遠遠超出你的想像的事情嗎？所以，不用只站在你的角度，你的視野想問題，在數以億次的計算能力面前，棋盤那些千變萬化的可能性也不過如此，AlphaGo只能算上人工智慧發展史上的里程碑事件，他讓AI再次吸引人們的眼球，重新回歸到大眾的視野中，但也僅僅算得上是初級人工智慧。

之後，要回答為什麼AlphaGo不能做自動駕駛，AlphaGo用在解決下棋的問題，現今AI的發展只能是處理特定場景下的問題，這也是稱他們為初級的根本原因，環境一變，條件一變，人工智慧就變成了人工智障。而且自動駕駛處理智能處理環境，應對不同的變化之外，還要有多感測器融合，激光雷達和車聯網等方方面面的技術。可以說，實現自動駕駛遠遠比打敗圍棋世界冠軍難。自動駕駛時代如果來臨，人工智慧也相當成熟了。

---

兩個演算法不一樣吧。

---

開車比下棋複雜的多。下棋更容易建數學模型。開車涉及到圖像識別，機械控制，倫理法律等一堆問題。

---

兩者演算法不一樣，阿法狗可以認為是定製的人工智慧。而，目前為止沒有通用的人工智慧演算法。演算法確定後，調參也很重要。

---

因為AlphaGo是頂級圍棋/棋類人工智慧，但在其他領域完全不懂。

---

百年前人們看到大機器能夠如此高速精準的做精細的活兒也很驚訝，這一定是智能。

阿法狗只這個時代的自動化而已，只不過這個時代我們像自動化的東西憑我們自己無法總結出來而已。

從來都沒有過人工智慧，只有單一工作領域的更高階的自動化。

---

AlphaGo下棋的，演算法都不一樣，現在下棋最厲害的是Alphazero，到新的領域又要重新學習

---

推薦閱讀：