2、 對于每一個可能的落子，評估質(zhì)量有兩種方式：要么用棋盤上局面評估器在落子后，要么運(yùn)行更深入蒙特卡羅模擬器（滾動）去思考未來的落子，使用快速閱讀的落子選擇器去提高搜索速度。AlphaGo使用簡單參數(shù)，“混合相關(guān)系數(shù)”，將每一個猜測取權(quán)重。最大馬力的AlphaGo使用 50/50的混合比，使用局面評估器和模擬化滾動去做平衡判斷。
這篇論文包含一個隨著他們使用插件的不同，AlphaGo的能力變化和上述步驟的模擬。僅使用獨(dú)立大腦，AlphaGo跟最好的計算機(jī)圍棋AI差不多強(qiáng)，但當(dāng)使用這些綜合手段，就可能到達(dá)職業(yè)人類選手水平。
AlphaGo的能力變化與MCTS的插件是否使用有關(guān)。
這篇論文還詳細(xì)講了一些工程優(yōu)化：分布式計算，網(wǎng)絡(luò)計算機(jī)去提升MCTS速度，但這些都沒有改變基礎(chǔ)算法。這些算法部中分精確，部分近似。在特別情況下，AlphaGo通過更強(qiáng)的計算能力變的更強(qiáng)，但計算單元的提升率隨著性能變強(qiáng)而減緩。
優(yōu)勢和劣勢
我認(rèn)為AlphaGo在小規(guī)模戰(zhàn)術(shù)上會非常厲害。它知道通過很多位置和類型找到人類最好的下法，所以不會在給定小范圍的戰(zhàn)術(shù)條件下犯明顯錯誤。
但是，AlphaGo有個弱點(diǎn)在全局判斷上。它看到棋盤式通過5*5金字塔似的過濾，這樣對于集成戰(zhàn)術(shù)小塊變成戰(zhàn)略整體上帶來麻煩，同樣道理，圖片分類神經(jīng)網(wǎng)絡(luò)往往對包含一個東西和另一個的搞不清。比如說圍棋在角落上一個定式造成一個墻或者引征，這會劇烈改變另一個角上的位置估值。
就像其他的基于MCTS的AI， AlphaGo對于需要很深入閱讀才能解決的大勢判斷上，還是麻煩重重的，比如說大龍生死劫。AlphaGo 對一些故意看起來正常的局也會失去判斷，天元開盤或者少見的定式，因為很多訓(xùn)練是基于人類的棋局庫。
我還是很期待看到AlphaGo和李世石9段的對決！我預(yù)測是：如果李使用直（straight）式，就像跟其他職業(yè)棋手的對決，他可能會輸，但如果他讓AlphaGo陷入到不熟悉的戰(zhàn)略情形下，他可能就贏。
結(jié)語
這里我還想到另一個人，中國最強(qiáng)大腦選手鮑橒，當(dāng)時看了他走出蜂巢迷宮，被他的超強(qiáng)的空間記憶和想象能力深深震撼了，而他的職業(yè)就是圍棋選手，并且是盲棋。他能完成1對5的圍棋盲棋，實在是很不可思議的事情。在圍棋圈內(nèi)，幾乎沒有棋手能完成盲棋，因為確實太難了。筆者也向他詢問了對這個事情看法，他說，歐洲冠軍沒能摸到程序的底，但從棋譜來說，對谷歌程序我也難以取勝，確實下的不錯。雖然圍棋圈一致看好李世石，不過我不敢確定谷歌的程序3月份進(jìn)展到什么地步。
再說到Facebook田博士，跟谷歌DeepMind超豪華團(tuán)隊長期投入不同，他就在半年多前從立項到實現(xiàn)，直到最近才有一個實習(xí)生加入幫他，而背后是他付出的心血，為了搶時間，在圣誕新年都是加班加點(diǎn)，按他所說，每日工作10＋小時，自己搭機(jī)器，寫代碼，調(diào)參數(shù)，單槍匹馬做出成績。
談到跟谷歌團(tuán)隊的較量，田博士說：“這是一場必敗的戰(zhàn)斗”，但我還是很佩服他，他讓我想到三國時代趙子龍，單槍匹馬大戰(zhàn)曹軍，力拔山兮氣蓋世！因為他是真正的勇士。正是有了這些英勇無畏的科學(xué)家，一次次打破常規(guī)，挑戰(zhàn)極限，我們才知道人類如此大的潛力。最近短短幾年的發(fā)展，從大數(shù)據(jù)，深度學(xué)習(xí)人工智能到虛擬現(xiàn)實，從發(fā)現(xiàn)了類地球行星，證實引力波，從Hyperloop，無人駕駛，量子計算，這些魅力無窮的科技讓我們對世界的認(rèn)識上升到新的高度。面對這個激動人心的時代，我想說，天空是我們的極限，宇宙是我們的極限，未來才是我們的極限！
最后允許我拿田博士的話來結(jié)束。
我有時候會問自己：“我是不是背棄了夢想？”我想除了我自己，任何人都不會給我答案，任何評論也不具效力。我記得有人問過，如果夢想從踐行的一開始，就在不自覺地向現(xiàn)實妥協(xié)，那樣的夢想還是最初的夢想么？其實，這樣的問題沒什么可糾結(jié)的，因為世界從來就不是二元的，夢想和現(xiàn)實，如同高懸的日月，日月之間，有一條灰色的路，在自己腳下蜿蜒曲折，繞過各種險阻，一直向前。