alphago的不可思议成功在游戏中，许多人被占据了死亡骑士的主导地位人类智慧但是，谷歌研究员大卫银不会那样看。相反，他看到了一个潜在的好处。
作为Google DeepMind的alphago系统背后的主要建筑师之一，其中击败了韩国冠军李Se-Dol 4游戏到3月1日，银相信该技术应该有助于提高人类健康。
“我们想使用这些技术在现实世界中对现实世界产生积极影响，”他在纽约的国际人工智能联席会议上讲述了AI研究人员的观众。
宇宙中有更多可能的电路板组合，长期以来一直被认为是AI研究人员的最终挑战。Alphago首先培训专家的人类举动，然后是数百万的自助游戏。在对抗SE-DOL的胜利中，它的动作被专家描述为“创意“因为他们显然没有严格地从其训练材料得出。
现在，DeepMind正在将Alphago的深度学习智能应用于包括健康分析和健康助理的应用，用于提供个性化医学，Silver说。
今年早些时候，U.K.为基础的深度推出了一个健康部门。本月，它宣布与Moorfields眼科医院的研究合作，将专注于将机器学习应用于糖尿病视网膜病变和年龄相关的黄斑变性。它也在几个工作临床移动应用程序。
许多AI允许alphanago达到成功，它的成功也可以帮助它在医疗保健中。通过IBM的DeepBlue方式而不是发现通过纯粹的计算力量的最佳动作做了为了击败国际象棋冠军加里卡斯帕洛夫，alphano的方法是基于卷积的神经网络和加强学习，允许它基本上教会随着时间的推移。
“当然殴打Se-Dol是令人兴奋的，但对我来说，比成就本身更令人兴奋的是alphago所做的方式，”银说。“它表明它可以从数据和自我发挥中学习，以弄清楚自己的知识。”
银说，强化学习长期以来一直被认为是“一个漂亮的管道梦。”“现在，感觉就像这些方法真的很有效。这是一个真正的变化。我们现在可以在许多不同的域中环顾四周。我们绝不使用alphano完成。”