试几个15o手左右的中盘残局——从他本人历史上和对手下的比较胶着的棋局中挑——来试试看阿尔法go的水准。
“另外,阿尔法go在布局阶段也谈不上什么能力,只能是给你一些参考定式,你看了之后挑出其中最好的一个结果就行——我们只能保证,最好的结果肯定在那个八屏选项之内,但是具体是哪一个,阿尔法go判断不出。”
“阿尔法go也有做‘价值判断网络’这个工具,到时候在给出机器意见之后,会在屏幕上打出一个判断,告诉你‘这一步是绝对不可能有更好的解法’了,还是‘机器也不知道谁最好,只是没时间想暂时觉得这个最好’。所以那些机器肯拍胸脯告诉你这就是最佳答案的步骤,你也可以省掉一些思考时间。”
李世石听到这儿,停下了筷子,亲口向黄教授确认了这玩意儿的运作法则。
黄教授也不藏私,坦荡地告诉他:阿尔法go里面其实是有两套走子算法的,第一套是绝对穷尽最佳可能性的算法,但是耗时非常巨大。哪怕以如今谷歌的云端服务器群和积累的棋局大数据,也要很久才能算一步棋。
毕竟,围棋是如今人类传统棋类运动中,计算量最大的。围棋的可能性相比于国际象棋和象棋,根本就是一个天文数字。
所以,阿尔法go的深度学习,主要还体现在一点上:现算法一会严重时的时候,它会做出一个省时的判断,下一个不算太差的子。而这种猴版省时算法只要第一类穷尽算法的数百分之一时间就够了。
李世石吃完饭,用了点茶水,略作休息,就和黄教授的团队钻研起磨合之法。
不过,他终究是没办法和顾莫杰那样的人工智能本领域大能,比试对人工智能的理解程度和配合程度的。
多年形成的习惯,更不是几个晚上可以扭转。
临阵磨枪一番,最后也不过是让李世石在第二天的比赛中省出大约1个小时的思考时间、节省了不少脑力。
就像一个考高数的考生,被允许带计算器。但是计算器并不会解高数题,只能帮答题者省点时间,减少些低级错误。
……
全世界的目光,继续凝望在江南会这一片池馆雅阁之间。
数十亿人次的曝光量,形成了比世界杯决赛还强的高光时刻。
谷歌出手了!终于不是人机打真人,而是人机打人机!
双方都是最终完全体的终极对决!
12月23日,第三战!
顾莫杰执黑,回到了古力流的“对李先行大胜率”模式。开局一阵天马行空的猛烈布局,把李世石的挥空间骤然限缩了二三十手,也让顾莫杰微微松了口气。
随后便是激烈的搏杀。
顾莫杰可以挥作用的时候越来越少,大部分都是交给初行在下。唯有某些初行给出“高危”耗时的
请收藏:https://m.azxs.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)