机器学习应用的短板

现在机器学习应用的一个短板是数据采样，就是说没有那么多类似的数据可以供你学习。
AlphaGo为什么能成功？得益于三点: 1. 大数据（有效的样本）；2. 计算资源; 3. 算法（摘自张钹的演讲， https://www.saluzi.com/t/topic/33733）。
围棋的棋谱简单易存，易于输入机器，计算机图像识别的发展，让棋谱的输入更加便捷，所以人类的历史棋谱很快就能输入到机器，做为学习的样本。
另外很重要的一个原因: 围棋的棋谱数据易于创造，即机器自己跟自己下就行了，所以借助算法和计算资源，AlphaGo能轻易的获取大量的有效样本，

在此数据基础上进行统计分析，提炼出高概率的着法也不足为奇了。

围棋的规则简单，有效样本可以机器自我对弈产生，这是围棋被AI攻破的关键。

Alpha Zero的出现更说明了这一点。

不过让人惊奇的是，Google找到了这类可以机械类似性复制的无穷事件的解决方法。就像数学归纳法解决了无穷积分问题一样。因为围棋不同于其他棋类，可以暴力破解，围棋的变化对人类来说近似无穷的。

从这点上说，这的确可以称为AI, 具有了某种程度的智能。