尽管林灰已经想到了这些。
但涉及到阿法狗AlphaGo的实际复现依旧困难多多。
林灰面临的最大的困难并非单方面来自于软件层面，硬件层面的困难明显要更棘手。
阿法狗AlphaGo还有alphaZero这两个技术想问世的话还需要深度学习框架以及硬件方面的支持。
无论是阿法狗AlphaGo还是alphazZro都涉及到前世谷/歌提出来的TensorFlow这个深度学习框架。
前世为了这个深度学习框架，谷/歌2016年还专门为强化该框架的工作效率而进行了相关的硬件开发。
比较值得一提的是张量处理器。
张量处理器（TPU）是谷/歌为机器学习定制的专用芯片。
（ps：……第一代TPU是一个 8位矩阵乘法的引擎，使用复杂指令集，并由主机通过 PCIe 3.0总线驱动。它采用28 nm工艺制造，裸晶尺寸小于 331 mm2，时钟速度为 700 MHz，热设计功耗为 28–40 W。它有28 MiB的片上存储和 4 MiB的 32位累加器，取 8位乘法器的 256x256脉动阵列的计算结果。TPU还封装了 8 GiB的双通道 2133 MHz DDR3 SDRAM，带宽达到 34 GB/s。TPU的指令向主机进行数据的收发，执行矩阵乘法和卷积运算，并应用激活函数。）
就特么超级离谱，国内芯片一言难尽。
国外这倒好，是人是鬼都在秀。
跟芯片看起来似乎半毛钱关系都没有的也在搞芯片。
说起来初代的TPU规格大致参数林灰是记得一些的。
虽然不是记得特别全。
但林灰还是依稀记得初代TPU是28nm制程。
虽然以林灰的眼光看28nm制程有点糙。
但要知道此时iPhone5s上的芯片制程也不过才28nm。
这就很糟心。
也就是说即便林灰能搞TPU，大概率成本也会居高不下。
虽然林灰可以直接利用前世带来的电脑跑模型。
但个人电脑终究会局限一些AI程序发挥效能。
即便在个人电脑上能发挥AI的全部效能林灰也不可能抱着来自往后七年的技术堂而皇之地区面对世人。
哎，难难难。
尽管有这样那样的麻烦。
但常言道“提出问题比解决问题更重要”。
只要思想不滑坡，办法总比问题多。
相比于这个时代中的人们还在黑暗中摸索着前行。
林灰好歹知道如何解决问题以及解决问题面对的困难。
就这一点妥妥地优势在我！
涉及到这种使用时代最先进技术制程。
似乎不可避免的要涉及到和歪果合作啊。
某积电似乎也看歪果仁脸色。
歪果凭啥拿这种技术资“敌”呢？
说起来搞个歪果的代言公司似乎不错。
毕竟歪果仁蛇鼠一窝。
面对同样的歪果公司芯片制作方似乎不会太大戒心。
歪果公司？
林灰突然想到了deepmind。
deepmind这个时空既然混得这么惨。
把这个公司收购来似乎不错啊。
想来一家即将申请破产保护的公司应该不是很贵吧？
林灰越想越觉得有很大的可行性。
之所以林灰会有这样的想法除了涉外合作之外。
还有另一层面的考虑。
某种程度上讲林灰需要一个代言人。
涉及到新技术的问世往往面对巨大的争议。
就拿前世阿法狗AlphaGo对围棋方面的革新来说吧。
前世不学围棋的人很难理解，相比于其他棋类运动，为什么围棋会受到人工智能这么大的冲击。
因为围棋复杂的变化导致每位棋手在下棋时会有十分明显的棋风。
不同的风格会导致棋手在不同的阶段、局面和棋形采取不同的策略。
相比于其他棋类，围棋在这一点上体现得更为明显。
所谓“对弈”，不仅是两位棋手脑力的角逐，更是棋手个人风格的交锋。
但是人工智能的出现导致最复杂、最多变、最能体现“对弈”乐趣的围棋也出现的所谓“最优解”。
任何游戏都有输赢，围棋作为一种游戏来看自然也不例外。
为了赢，前世围棋棋坛无人不学习人工智能的所谓“最优解”。
毕竟再有个人风格的棋手也很难敌过招招近乎最优解的人工智能。
围棋发展数千年、数不清的棋手大师所展现的风格迥异的棋风，因为人工智能的出现荡然无存。
当人工智能出现后，围棋所承载的许多人文的、情感的东西，也注定会一点点弱化。
在将来人工智能的强大算力下将围棋彻底破解的那一刻停滞。
而留给后人的也注定只是前人对往事的一些回忆罢了。
前世阿法狗AlphaGo人工智能问世后。
对职业棋手更是极其残酷。
原本人类还认为围棋是没有止境的。
于是不断有后辈去挑战前辈们穷极一生都没能到达的新的极限。
棋手们也对此视为信仰，就像是在攀爬一座不知道顶峰在哪里的高山。
虽然不知道顶峰长什么样。
但对于顶峰的渴望成为了棋手们支撑下去的信念。
可阿法狗AlphaGo的出现，原本云雾缭绕的山顶显现了出来。
所有人都看到了顶峰的样子。
本小章还未完，请点击下一页继续阅读后面精彩内容！