除了AlphaGo，Google还有其他人工智能“武器”

AlphaGo 连胜李世石两局 ，向人们证明了机器的“智慧”。AlphaGo 是人工智能在应用上的体现，但是人工智能并不是只能用来下围棋。

The Next Web 发现了一篇 Google 的 报告 ，介绍了 Google 是如何利用“卷积神经网络”（ AlphaGo 也基于此 ）来让14台机械臂相互学习如何拿起小物件的。这个方法模拟了1-4岁的小孩子的学习方式：看大人是怎么拿东西的，然后模仿并学会自己拿东西。

让机械臂去拿一个东西并不难，只要设定好程序，机器就能做到。难的是，让机器看到东西在那里，然后自主找出最佳的拿到它的方法。在这个过程中，机器会需要不断的尝试，经历多次失败，在这些经验上改进自己取东西方法。

这个实验的意义在于，今后机器在遇到从没见过的物体或者物体出现在特殊位置的时候，机器不需要人类调整程序，自己会找到取到这个物体的方法。 从另一个角度来说，这就是让机器更加智能，降低机器对人类的依赖。

实验过程非常乏味，就是让14个机械臂不停的抓取东西，重复80万次。因为有14只手臂，每次抓取都会略有不同，这14只手臂可以相互学习。

在80万次抓取之后，在没有人工调整程序的情况下，这些机械手展示出了惊人的适应能力：他们学会了调整抓取不同物体的手势，甚至学会了把物体调整到最合适的角度再进行抓取。

这一次，AlphaGo 和李世石的对局，有专人来替 AlphaGo 落子，但下一次，AlphaGo 或许可以完全依靠自己的机械臂来爪子落子了。