在讨论这个问题之前，我们先来看一段温馨感人又热血的动画
https://www.youtube.com/watch?feature=player_embedded&v=Q4gTV4r0zRs
现在回到讨论“树状图设计者 vs AlphaGO”这个问题
我们先来重新定义“树状图设计者”的能力
假设是以“小说中，对树状图设计者的描速，来判断出的处理的能力”
那“树状图设计者”绝对大胜
因为树状图设计者能做到的许多事情
真实世界的电脑做不到
但如果是以“小说中对树状图设计者的描述”
“实际上使用暴力法解决问题。”
这就是一个很大的设计疏失。
即使是量子电脑，只用穷举法也会变成垃圾的
说不定下个五子棋还会输无敌CD67，因为穷举运算超时败
（没限缩棋步的话，五子棋的计算量跟围棋一样是 (19*19)! 的层级）
在思考前，我们得先在脑袋中清楚的想好
我们思考的规则，倒底是该使用“和马的逻辑”或是使用“真实世界的逻辑”
看来和马在想“树状图设计者”的时候
想的是“一台只靠演算能力，就能解决世界上所有问题的电脑”
但现实中的状况是
人类是靠算法解决问题，而不是依赖电脑的计算能力
电脑科学上，遇到的最大的问题是
“有些问题，我们没办法想出问题的计算法”
“有些来源资料，我们无法取得、整理、化简为可使用的输入资料”
“有些问题，被证明无解。”
在没办法想出更好的解决方法前，只能依赖最笨的列举法去计算
这种状况下，才会对演算能力有很夸张的需求
像是破解现代的密码之类的，那种只能靠穷举法解决，才会希望量子电脑出现
所以以现实下去做考虑的话
“一台只靠演算能力，就能解决世界上所有问题的树状图设计者”
是不存在的
像天气问题，即使电脑有足够的运算能力，能对地球上所有空气分子做模拟
请问：“该怎么获得地球上所有的空气分子的动态？”
没有可靠的输入资料，电脑的计算能力再强，算出来的也只是垃圾
这就是来源资料的问题
所以“树状图设计者能模拟所有空气分子的动态”要成立
地球上得先要有“侦测所有空气分子动态”的技术
想一想这是多可怕的技术，都能侦测所有空气分子的状态了
要侦测什么其他的东西都不会太困难的
现在回到围棋问题上
围棋对电脑来说很难的原因是
AI下棋，大多是采用穷举法加上评价公式的方式
去推断最佳棋步
举例来讲，就是写程式时，先写个判断现在上棋盘的形式好坏的公式
接着就是用暴力的方式，走个几回合，再套用评价公式去计算好坏
这样就能预估走下一步时，局势的变化
当然，也可以直接把棋局走到玩，然后看谁输谁赢
只是一般不会这样做，因为即使是象棋之类的
要把棋局接下来的变化数量走玩，都是很惊人的运算量
玩家会等到抓狂
所以一般写AI的程式，都会想办法限缩思考的棋步
像是，人类在思考象棋棋步，不会去想第一步走帅的步数
但是没限缩AI棋步的话，AI会去算
同样的方式对围棋行不通
围棋的合法、有意义的步数太多
评价公式也不好写
问对弈者为什么下某步，很有可能回答你“直觉啊”之类的
有时候得到比较具体的答案，也是
“左边有厚势，所以我可以在这边打入。”
“这边觉得可能被切断，所以我补那边，顺便威胁一下白棋角上的地”
这种模糊的东西
围棋不应该是用运算量解决的问题
人在下围棋时，其实是把棋盘上的棋切分成一个一个区块
识别出特征，然后用特征去寻找相似的区块
这跟人类的大脑的运作很有关系
人在接受外界的资讯时，会省略很多不重要的细节，挑出有意义的特征
然后用特征去做识别，再去思考
现在AlphaGO在做的就是这种事情
他会用特征去从下过的棋做比对
这个在展现算法的意味大于展现硬件能力的意味
_
讨论完这个问题之后
我们再回想一下一开始的动画
硬件能力强，对运算速度很有帮助没错
假设有个计算要花一亿年
如果硬件能力提升一万倍
那可以让需要计算一亿年的东西变成一万年
节省了9999万年
但算法的影响力
是可能把需要计算一亿年的东西，变成固定几秒内就可算完的公式解

算一亿年后结果算出来的结果是42

人脑并不能去用暴力破解法去下所以阿法狗用了不同的方式 >>> 哪种下法最好?这跟人脑思考是很像的 而且比人脑思考更快更不会被情绪干扰

现在AlphaGO用的就是类似人类的思考方式没错实际上人在下棋时，也会从个可能的棋路下去思考变化，所以人本质上也会使用暴力法，只是，人多了“排除无意义棋路”的能力，以前AI做不到，现在AI做到了

这个动画6

我只觉得把超级电脑射上去 还不能维修 实在有点微妙

您资讯系？