他的猜想，直到AlphaGo。

    他敢肯定，AlphaGo的计算方式产生了相当大的变化！AlphaGo不是以计算机的惯性在运行，它完全是人脑的思维方式！

    “他们在蒙特卡洛树搜索上加装了什么？”谢榆一目十行地扫过屏幕上的代码。

    蒙特卡洛树搜索，是围棋AI的基本解决框架。围棋AI每一步都选择若干种落子，然后在电脑中模拟到终局，进行数子，最终选择胜率最高的那一步棋。因为计算量太大，AI只能给出一个近似最优解，并非全枚举，在AlphaGo之前AI因此也只能达到业余五级的水准。

    这依旧是一个计算的范畴，而职业棋士很多时候并不是单靠计算做出判断，像之前所说的全局观念，就是蒙特卡洛树搜索无法解决的问题。要让AI发挥出人脑的效果，到底靠的什么？

    当天晚上，谢榆从美国的某个计算机大牛那里，获知了他想要的答案。

    AlphaGo团队在蒙特卡洛树搜索上加装了策略网络和价值网络两个模块。

    这两个模块让AlphaGo不是单纯地计算，而是深度学习、模仿人类！

    策略网络，顾名思义是决策下一步走子。AlphaGo会检索KCS围棋服务器上所有真人在线对弈，进而判断：如果是人类棋手处于它当前的位置，他最有可能走哪一步？它只对那些解进行计算！然后，它就自我对弈上千万局，看看这一步是否真的是最优解！

    

本章还未完，请点击下一页继续阅读>>>