正文
我们需要记住，DM的AI有两个关键词，一是通用，一是学习。他们所有的算法都从元数据开始进行自主学习，从而掌握某项任务，这与预编程的人工智能有本质的不一样。此外，DM还强调，他们希望所有的系统能够通用，也就是说，希望同一个系统，或同一套算法可以有跨领域的广泛应用。公众所熟知的赢了国际象棋的IBM传奇深蓝，以及近年来的沃森系统，它们都仍然属于窄AI范畴，也就是说，它们是为了解决某个特定问题量身打造的AI，因而只能解决那一类问题。
而阿尔法狗这一类DM的AI，事实上则可以被叫做“通用人工智能”AGI（Artificial General Intelligence），目标既不针对特定任务，也无涉预编程。这就引出了眼下被热议的“强化学习”技术（reinforcement learning）。
描述强化学习其实非常简单，它有个一目了然的框架，框架内有两个内容：系统和环境。这里的“系统”就是我们说的AI，而它会发现自己处于某个“环境”当中，要达成某项目标。
“系统”与“环境”之间进行双向交流：首先，它通过其感知仪器来对“环境”进行观察，在DM的学习过程中，通常使用的是视觉，也就是说，“系统”观察到的就是像素。这些观察结果往往有很多“噪音”，并且信息不完整，因为现实世界本身就十分混乱，充满干扰，而且永远不可能对一件事获得真正完整的信息。“系统”的任务，便是要在这样的混乱条件下，创建一个可能的、最好的统计模型；这个最好的模型一旦建立，第二项任务，便是在当前的时间点上可供选择的一系列行为中，选出最好的一个，向目标靠近。而一旦“系统”确定了某一个行为是最佳之后，“系统”随即将这个行为作为输出，并得以执行。其结果，有可能会，也有可能不会，对当前的“环境”带来任何改变。但无论如何，它都成为新一轮观察的驱动。所以这个“系统”尽管表面上看，可以通过这样一个简单的框架图形来描述，但它事实上隐藏了很多的复杂性。
解决了隐藏其后的复杂性，其实就拥有了足够的智能来进行几乎一切学习。我们认同这个观点，因为我们知道，包括人在内的所有脊椎动物，都是这样来学习的。人类大脑中，完成这一“强化学习”过程的是多巴胺系统。
了解了创造出阿尔法狗的DM公司的通用智能使命，以及这一通用智能的学习原理之后，不难看出，各类游戏其实都是其算法的绝佳测试平台。一两年前连线杂志 “Wired” 就有过长文报道，DM最初使用经典的80年代雅达利游戏（Atari ）来测试他们的算法。当AI在玩雅达利时，它所获得的输入没有别的，就是纯粹的像素，完全就像人在看着屏幕学，屏幕尺寸大概是200*150，所以它所得到的就是每帧3万个点，目的也很简单，一切从头琢磨自学，为了拿高分。
在基本的学习能力具备后，再通过模拟海马体的工作原理，来为智能体增加能力，例如学习抽象概念，以及增进长期记忆。
