AlphaGo 是赢了, 但我觉得它其实还是挺笨的

正文

请到「今天看啥」查看全文

这么来说，有些异样，为什么这么聪明的 AlphaGo，不真正做成一个机器人，能看棋盘，能下棋子，能思考，还能说笑，会不会更好玩。其实，有时看起来简单的事情，让机器来做不一定简单，这是后话，不啰嗦了 ▼

好了，段子讲完了，该言归正传了。免得被唾沫淹死，首先申明一下，AlphaGo 确实很厉害的，也不简单。

但是，为什么又说，AlphaGo 挺 “笨” 的呢？

我们知道，围棋的搜索空间很大，有 3 的 19x19 次方个状态，要在这么大的空间去找最优算法，一个一个看是不可能的， 所以被认为是人类智能的一个高点，解决时需要优化搜索。

人是根据一些输入空间和参数较少的模式识别来记忆和搜索，而机器采用的却是大数据，大记忆和大计算来实现的。说到 AlphaGo 后面的智能和算法，就不能不说 深度学习（DL），强化学习（RL），和蒙特卡洛树搜索（MCTS）。

深度学习，主要用来学习和建立两个模型网络。

一个是评测现在的棋盘状态如何，也就是说给当前的棋盘状态打个分，评估一下赢的期望值，它就是价值网络（Value Network）。输入是棋盘 19x19 每个点的状态，有子或无子，输出是赢的期望值。

按理说，如果要是有一个聪明的数学家或是机器足够聪明，说不准他马上就能在黑板上写一个高级的数学公式。 很遗憾，现在还没有，所以，只能用多层的神经元网络来近似表示这个高级的函数 。这么来说，是不是有点「笨」。

请到「今天看啥」查看全文