alphago与世界顶尖棋手之间的对弈胜率仅有37%左右，人工智能的优胜劣汰极大促进了人工智能的发展。目前许多学校的ai硕士，已经不仅仅只是学习和掌握计算机系统设计的知识，开始逐步接触更加复杂的数学及其分支。

根据alphago研究院前院长魏斐德先生的观点，目前人工智能已经跻身最前沿，处于某种扩张期，这很大程度上推动了人工智能领域的人才培养以及产业发展。在目前ai高潮迭起的当下，一旦这股风趋向平缓，人工智能仍将面临数学、专业数学方面的新挑战。本文试图从人工智能对现有数学基础科目的挑战角度进行梳理，并提供一个可以进一步深入探讨的出发点。

首先，我们关注一下人工智能的起步阶段。这一阶段，无论是从制作出第一台可以完成基本任务的计算机系统（实验室阶段）还是从有类人机器学习能力（公司级），或者从可以作为机器生活自理（半导体和集成电路），这一方面都是人工智能发展的基础阶段。只有完成这一步骤，人工智能才真正进入产业发展阶段。制作一台可以完成基本任务的计算机系统。

这一阶段的核心任务是构建用于计算机系统中实现三大基本任务：连接，搜索，策略（dqn）的计算机软件系统。是的，制作一台用于人工智能的计算机系统，还需要制作一个既能够实现三大基本任务之一，又能够容纳一个用于自动生活自理的功能非常有限的机器（半导体和集成电路）。

在计算机领域进行实验的基础，就是大量做自顶向下的数学探索，比如输入输出的真实函数方程的解法。使用经典的通用算法基本都已经掌握，再在实验室的数学课程上学习这些基本的算法是可以获得一个初步的探索和入门。

至于如何能让该方法跑得更快和对代码更加理解和掌握，需要进行大量的积累。在同一个任务方向上进行积累，比如用解决dqn算法中的隐状态提取问题（hiddenstateestimation），用提取规则的强化学习（reinforcementlearning）来解决自然语言处理中最基本的问题qa问题（qaproblem）等，是需要数量级的积累和实践才能达到的。

有了这个实验，大量的构建基础性的定理解释清楚，强化学习的框架架建好，自然可以用这些数学作为相关的底层定理解释。理解人工智能现有的数学基础科目有什么意义？数学基础数学在计算机系统中所起的作用很大，但是在人工智能中比例较小。

大部分行业相关的数学知识都需要重新学习，而人工智能一些特别关注数学的方向也不可避免的要重新学习。考虑到大部分人已经掌握数学，而且这些知识已经有自顶向下的设计模式，仍然需要进行一个新的实验。