奇书网

第99章（第2页）

然后用另外两个概率工具统计某种局面有多大概率胜利，以及某一手有多大概率导致这种局面。

然后它就开始用这三个工具自己跟自己下，不断推演计算下一步。

我们知道，围棋可能的局面数量比宇宙中的原子还多。

阿尔法狗那么强大的计算硬件也不可能暴力穷尽所有局面。

所以还要有第四个工具，作为框架支撑前三个：含有随机猜测的搜索算法，用有限的计算量倒推搜索，搜出获胜概率最高的下一手。

“完了。

就这么简单。

搞ai的人给这些工具取了各种酷炫的名字，深度学习卷积网络、估值策略函数、蒙特卡洛树，等等。

不是我们想蒙人。

这些概率学工具，你没有相关专业博士学位就没法理解它们的道理和窍门。

总得有个名字吧——但它们的实质就是这么简单粗暴。

“所以当时那些又懂点ai、又会下棋的人就不高兴了，比如说我。

这不是下围棋，我们下棋时想的不是这些。

我们脑子里是定式、外势、实地、死活、棋型、轻重、缓急等等，一座逻辑和直觉交织而成的宫殿，无限复杂，无限美丽。

这个最精妙的游戏被阿尔法狗变成了反复掷骰子，只因为它的记忆力和计算力超过我们亿万倍。

“2029年春节，我坐下想了十分钟，就抽了自己一巴掌。

十二年前太无知了！

阿尔法狗当然会下棋！

实际上，我们每个人开始学棋的时候下法都跟它相同。

我们先看别人下棋。

然后有样学样，把第一子下在角上，并不知道为什么。

然后学‘金角银边草肚皮’。

这就是最简单的估值函数。

然后学定式。

这是统计优化之后的模仿，概率已经被定式书预先计算过了。

然后学死活，这是带分支树的自我应对推演。

阿尔法狗用什么工具，我们就用什么工具。

这就是围棋最本源的下法。

请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。