周不器和拉里·佩奇的私交很好，由这俩人携手推进，很快双方的人工智能团队，就在一些具体的方向上展开了业务上的探讨和合作。
一件大事，一件小事。
大事是共同成立的一个名为“AI-Bio”的项目，主要就是生物科学中诸多方面，包括蛋白质结构预测、疾病诊断和治疗、药物发现等等。
用人工智能来结合这种级别的大命题，其实一直都存在，二三十年前就有了。
不过那时候根本就做不到。
现在不一样了，Rokid-go这款围棋软件所采用的新的“黑箱式”的基于神经网路的机器学习模式，给这样的宏大命题找到了开发的基础。
作为Rokid-go之父，沈向阳在双方的合作交流中，简单地解释了这种“黑箱模式”的逻辑。不仅仅是照顾周不器这样的外行，事实上即便是谷歌的很多技术出身的高管，若是不从事于人工智能领域，也未必就能理解这是什么意思。
人工智能类的构想，已经有五六十年的历史了，相关产品也出现二三十年了。
不过，此前的人工智能产品，都是工程师指导并制定出的“明规则”。
就比如当初打败了国际象棋的著名人工智能产品“深蓝”，背后的技术逻辑其实很简单，就是工程师把围棋的相关规则植入到下棋软件里。
软件懂了规则，再依靠着计算机的庞大算力，就能打败人类了。
可是，到了围棋领域，这套思路就不行了。
围棋要远比国际象棋复杂。
仅仅靠着算力，以人类目前所掌握的算力能力，根本就不可能算清楚围棋的每一种变化，这就需要在算力之外有更深层的东西了。
在人类选手里，叫思维、叫逻辑。
想要让计算机也有“罗辑”，这可就太难了，就不可能通过人类规则的植入让计算机获得这种层次的计算思维。
Rokid-go采用的是黑箱运作。
就是把Rokid-go这款程序放在一个黑箱里，不对其加入任何的规则。工程师所做的事，就是给黑箱中的Rokid-go喂数据。
至于黑箱里发生了什么事，谁也不知道。
然后，奇迹就诞生了。
黑箱里的Rokid-go，通过大量的人类围棋的棋谱数据，通过自主学习，形成了自身对围棋的理解。
就会下围棋了。
至于Rokid
本章未完，请点击下一页继续阅读！