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。
    

本章还未完，请点击下一页继续阅读>>>