先说明我只是围棋的门外汉，程式也只是略懂，
心中有些感想想分享，版主若觉得不适麻烦帮删掉，感谢！
如果今天是一位学棋不过四五年十岁的天才儿童，
半年前挑战樊麾赢了，半年后挑战李世石下出一堆怪招还是赢了，
人们会如何看待这位十岁天才与围棋的未来呢?
我想大多数人会更期待他能下出怎样的棋而不是担心棋界被垄断吧。
我觉得大多数人对电脑的不信任是因为心里想的是旧的算法，
认为电脑只是会背一堆棋谱一堆定石，并在收官时完美算子来下赢，
所有的胜负只是端看谁背的知识更纯熟谁的官子计算更完美，
那围棋充满魅力的布局与大局观完全消失殆尽，这真的让人沮丧，
但这两盘很明显的电脑并不是靠定石靠收官在赢棋，
反而是下出了人们意想不到的布局棋局，
看似很差却怎么也无法针对其弱点给予一击致命的打击，
如果多了解这次人工智能的背景越会了解它完全像人类思考，
只是他的学习能力是人类的数千倍他的体力也是人类的数十倍，
就像是一位真正完美无瑕的天才围棋儿童一般，
他不但过目不忘而且还能自己跟自己每天对奕上千上万盘并检讨。
对AlphaGO来说他也跟众多棋手一样靠着不断模拟对奕在寻找神的境界呢。
最后来谈谈AlphaGO的出现可能造成的变化吧，
好的方面来看，就追求最好的一步棋来说，
电脑的出现可以帮助人们思考，
很多原先因为太复杂很难去考虑的中空落子问题，
可以让电脑先去跑出几个好的选点再来详细讨论与思考，
就像一位天才围棋的诞生永远都会革新让围棋界进步，
人们将会离一直追寻的神的境界又跨出了一大步，
同时这位天才棋士还是可以复制的，学棋的成本将大大降低，
不但可以复制连各种棋风都可以很轻易设计出来，
只要将最后赢棋目标目数提高自然会变得更加主动进攻，
人们将能更了解围棋中复杂的面貌，厚薄优劣贴目多寡等等的。
坏的方面来看，未来职业棋士将何处而去？
如果不久的将来Google最后开发出来完整的围棋教学分析系统，
每个人都可以轻易的用较低成本来学棋，
职业棋士最重要的生路会不会被机器取代？
连生存都很困难的情况下之后还会有人敢踏入围棋界吗？
另外既然人类学习效率比不赢电脑，会不会就失去学棋的目标，
未来追求围棋中的最佳路径将完全交给了电脑，
围棋变成了一种休闲而不再是一种职业了。
除非能找到人工智能算法中的漏洞，
让他的自我学习机制产生循环或是收敛急速趋缓的瓶颈，
不然围棋界电脑完全征服人脑的时间迟早会来，
而且来的比大多数人想像的快太多了。
如果电脑带来的围棋界的毁灭，
我想这绝对不是开发者黄博士心中的愿景，
所以我相信最终必能找到适当的解决办法处理可能发生的困扰。

先看李世石能不能赢一盘再来担心也不迟

以后GOOGLE可以开个AlphaGO杯不断找职棋来挑战这个头衔w

就算电脑下出很多精彩的下法，也是要人来解释给大家懂啊

解说找siri好了w 不然找初音(欸

开发者主要的用意并不是要下围棋 围棋只是用来衡量人工智能的

我觉得大家想太多了，人类有人类的世界，电脑有电脑的世

一把尺

界，设计程式是为了验证目前电脑的能力，不然人类干嘛还要比赛，就是在人类的比赛中追求人类的极限再来人类本来就有资质上的差异，师父领进门修行在各人

目前AlphaGo的开盘和中盘棋步绝对都还不是最佳解

AI针对可能落子的点个别根据权重给出分数，你要解释就只有自己去读参数

围棋可以一直研究到黑不贴目的情况下必胜几目 算清所有变化

问题在于 版上一票人都觉得AlphaGo中前半也都是最佳解讲的AlphaGo是穷举什么都知道一样 说前半AG有问题还要被呛XD

应该不是说AG有问题，而是人类对围棋的概念有问题。若一个着手是当下胜率最高的，最能导致胜局，那对“必须求胜才有意义”的围棋来说，自然是当下最佳解，不论它的形再丑，就是最佳解。所以是人类对围棋的概念必须修正，，修正为“只要是为了求胜的着手就是好手”，而不是取一个其他意义上的“最优着手”，不论是着重在形还是常用的棋势手顺上。

你的想法还是在穷举上打转 所谓最佳解自然是指对整盘局从头到尾来说这个最佳解不是对人类来说 而是以若能穷举下来说

这不是在说穷举，而是在说AG对胜率的计算上，对AG而言能力上能做到的最佳解。目前的电脑做不到穷举，人脑也做不到，所谓的最佳解都是相对性的，只是阿发狗算出来的最佳，远比人脑来得更佳。

就是因为双方都做不到穷举 都下不出最佳解所以你无法确认 到底前半盘 AG是不是有下错所谓的下错 自然是指相对于穷举 而不是只人类因为前半盘可下处更多 所以AG找到最佳解的机率较低它只能找到它自己觉得的最佳解 但相对穷举 不一定是最佳所以它可能前半盘也损了 只是因为李世石 也不是穷举所以李也会下损 来来去去李就输了但是版上给我感觉就是 AG连前半盘都不能质疑质疑就先呛你就算职九也不如电脑 闭嘴

若是相对于穷举，那就根本没人知道AG有没有下错 = =这样有什么能质疑的？你质疑再多，最后也是落得无法确定的下场，结果AG还是赢

就是因为不知道对错 才要质疑啊 若已经确定是对的有啥好质疑

了，若是我们弄错了，AG真的没下错，那岂不是我们放过了

棋局讨论不是只看胜负好吗...

对阿发狗来说，棋局就是只看胜负啊

但是人类的讨论 是想要探讨每一手在穷举下 可能的最佳下

对是对的可能性也是远比李世石的每一手都来得高。

如果把电脑想像成一位神童，在还没下赢他前他的下法就

是目前所能知道的最好的下法之一(也许每一步都有三五种

所以才有讨论啊 大家试着讨论想办法接近啊

綑在一起的是你 @@ 人脑再怎么讨论就是没有办法穷举，是

穷举需要时间资源去穷举所有结果而判断，这才有得讨论

发觉学程式的用赛局去想围棋，学围棋的用棋谱去想围棋

AG一定会算错 因为那是算法一开始就会出现的可能 但人

如果能穷举 它就直接告诉你现下这步棋怎么下最佳 哪用讨

也一样 也不是说AG不能质疑(例如的确有几手逻辑上就知道

分就没有讨论的必要，也没有处理的必要，直接改用胜率判断即可。

AG本来就不是已经找到最佳路径了，他只是用MC法不断自

今天老师出题 给了答案 还用讨论吗是老师不给答案 大家才要讨论不是吗

却是建立在过去人下围棋长久累积的观念上 而你同样就肯

我锻炼后得出的最佳胜率的步法，如果你觉得那步很差请

AG找到他的路径的理由都无法理解。

所以才要讨论啊 人类试图讨论AG的路径

案，讨论AG有没有答对，这岂不是五十笑百？

然后讨论AG可能在哪边偏离了上帝的下法

AG用了黑37莫名其妙的一手，最后即使让顶尖棋士来攻也

你现在的想法就是 电脑最强 人类不要想了 想不赢

没错 所以局域是可以知道AG偏离上帝多少 但中前盘根本

？这也太玄妙而毫不实际了吧？

没让AG亏多少，我们要去想那一坨龙是否真的很亏?

为什么“那一手胜率较高？”这才是人类该思考的。

你还是用了“较佳”一词

AG 也不一定较佳, 也许李压力太大有点失常也是有可能 (?

永于止尽选择当下胜率最高的着手？

所以人类在讨论AG在哪边可能漏掉最佳解

可能刚好人类那边就是能算出最佳解

因为人类不可能找出最佳解啊 = = 人类能穷举吗？

的确应该讨论是否遗漏最佳解 但是我想很难找到一个好的

.......千年棋谱+3000万场自我练习 我比较相信AG啦

下的着手是最佳解？你根本不知道答案，你怎么说哪一手是下对了？

就是不知道 所以才有讨论的空间 你要我讲几次

没人怀疑有讨论空间 问题是这种讨论几乎没有意义 要我们

说几次呢? 就算讨论了 你也不可能知道答案 因为同样的

棋盘300多个点 上帝知道有个最佳解 人类有可能刚好放对

你得先知道答案(穷举)，你才能知道人类刚好猜对了。

以前的判断方法就是胜败论, 所以人类可以说解比电脑好

然后AG摆在不同点 人类摆一摆觉得 好像没刚刚那点好

客观来看都是AG比较有可能对啊 就算都是用猜的

那说到底，也只是一群盲人摸象，然后说“AG好像下错了”

结果阿法狗也是同样的方法不是 摆一摆照样获胜 结果你

事实就是客观条件下AG比较可能猜对 很难理解吗

最可能 不代表一定 这就是讨论的意义啊

我直接这样问啦：普天之下有哪个职棋能比AG猜得更准的？所有职棋都没有AG“一台机器”猜得准，这有讨论的意义？你用人类比较低的思考能力、比较低的判断力，去讨论比较

整盘棋下来自然是AG猜对较多次 但不代表“整盘每一手”都是AG猜对

高思考能力、能完全理性判断局势的AG给出的胜率解？

只要有猜错的机率在 人类就能讨论 这也是在帮AG啊

以前有个笑话 古代中国百姓不知道皇帝鼻子有多长

问题就是人类猜对的机率远低的多啊，你用猜来“错误机率

但现在风气就是 连质疑“每一手都对”都不行

错的那题是错在哪里，这不会很好笑吗？

对google来说很重要啊，但以30分同学的能力，不可能猜得

重点是相较于AG的演算经验 你的讨论有多少价值

没有人说 AG 是上帝啊 XD 可能连 80 分都没有呢

当然可以质疑 但这种质疑除非是逻辑上可以证明是不利的

现在就是大家连讨论那5分那题都不行 直接说啊你笨 闭嘴

以 AG 的算法当然不会是每一手都对 要赢棋也不需要这样

学能答出正确解答的机率自然也远比95分的同学低。

否则没什么意思 终归到底 过去建立的围棋常识也只是追求

最大胜率 没有一个标准告诉大家到底是AG还是过去常识的

因为无法穷举的人类无法完成比AG更精确的判断，这种讨论也只能建立在低阶次(不精确)的讨论上，有啥意义？除非所有人(职棋)都拥有和AG同等的判断力和运算力，否则

但在答错的5分在自圆其说 说AG这5分也写得很不错我们30分的也该学习 这不也怪?

关键在于争执那5分没有意义啊 下围棋是要赢 不是得满分

不怪啊，因为95分给出的答案是比较接近上帝的答案的。只要我们循95分同学的作答方案去学习，自然就能更接近上帝，补足中间65分的差距。

但不能否认 我们还是有讨论跟质疑那5分跑哪去的权力啊

我们有啊，只是没什么意义，也没什么实效。

前盘也许AG被扣了5分 结果后盘李被扣了10分

我没有说一定 但版上就是连讨论都不行 直接说你比AG笨讲得一定也是错的

换言之，AG解的确是目前最接近上帝解的“较佳解”。不是一定是错的，而是“非常可能是错的”。而且你也没有任何根据可以证明“你是对的”。

我不觉得是“非常可能” 顶多是“有一些”可能

既然你不能证明你是对的，你又非常可能是错的，我为什么

职业棋士想赢 AG 的话, 朝这个想法下去思考就对了

真的不知道在执著什么 不在同个水平的讨论就是没意义

AG解求当下最大胜率解，所以AG解势必是“较可能是对的”

"讨论它可能错在哪的空间" 又来一个没搞懂AG在算啥的

b大 可看上面的讨论 是在讲相对穷举

真的 = = AG不是求最优解，是胜率最高解，先弄懂AG算法吧…

对AG来说围棋只是一堆数字而已 运算后从里面挑个大的下

以现在的电脑来说穷举是不可能的 所以这可以当做不存在

AG认为101手下那个位置“胜率最高”(最有可能是对的)，结果你反而要用人类下不出101手的程度去讨论AG得出的胜

往另一个方向思考, 会造成的亏损的 AG 一定选不上

率最高解(对的机率最高的解)为什么有可能是错的，我就不明白为什么了…AG的算法都告诉你101手的位置是最有可能对的了。(茶

我觉得你还是没搞懂我的意思.....AG的选出最佳(穷举)解的机率 从前面开始可能50%到最后可能达100% 不是整盘都是95%的境界因为棋盘一开始是比较广的而假设人类是80%开始 到90%结束 那么前面 人类是有机会

我觉得两位只是一直在Local Maximum跟Global Maximum的定义上打转啦XD

损比较少 但是后面随着盘面变小 AG选出最佳解的机率越来

即便从前面50%一直升到95%，你也没办法确定人类在布局阶

我可以接受AG比较聪明 但不能接受它整盘每一手都比较对

但你也没有任何证据证明人类在前盘比较有准确度啊？

没啊 我刚说了 它前面会比较“没那么对” 是后面才比较对

我觉得NaoGaTsu观念有点错误，你因为赢了就认为它下的每一

等一下，你有任何证据证明“AG在前盘没那么对”吗？

AG是随机取样 在盘面较广时 出错率较高是正常的啊

你的论点已经完全假设了人类在前盘“必定”准确度比AG高

首先你需要定义一下每一手的胜率怎么计算出来了，如果它计

算胜率时用的背景资源有所偏颇，即便它算出来认为是最高胜

资料，去分析第一手下什么位置的胜率是最高的。对，ddavid。但人类所用的背景资源远比AG来得小，不论是

谱的量和自我对战的经验(或正式对战的经验)，都让人类没

不是背景资源小就一定比较不正确好吗？Data Mining中很容

易因为noise或outlier就导出不完全正确的结论，这跟资料多

人类则是两边都没有耶！(没有大样本、没有精确算法)

ddavid，分布式的AG从过去对单机版的70%胜率已提升到77%

的算法，这点相信你能给出一个“严谨证明”

不要一直拿分布式对单机版这件事来做证明，拿自己当比较对

势，尤其是AG是以自我学习(自我对战)，作为修正，中后盘的强化能力以算法来说的进步空间有限，显示AG的进步是更全面的。

正因为分布式对单机的胜率有明显提升，才足以作为证明。

算力可以帮助更快进化取得优势”的说明而已XD

我有点懒得细项谈下去了XD 我完全不知道你为什么会100%相信只要用那种学习方式就“每一手”都能必然更佳XD

因为蒙地卡罗算法的目的就是这样啊 = = 不然呢

这不是背景资料多、运算能力强、能自我进化就能保证的事情你刚刚讲的各个细项，都是对的，这些都是它的优势

AG算法不一定会越来越优化，但两盘棋局看下来优化到超过人类是可以做这样推断的

我不懂最佳是哪来的 从来都只有相对没有绝对

我的看法就是整体而言 AG得到较佳解机率比人类多

上，我还能够宽松地同意。但讲到100%，你就必须确保以上的

ddavid xd 你这样等于在说蒙地卡罗运算法本身有问题 xd

AG也不是用回推法找最佳解，而是效法人类多下几盘棋依

我是觉得直接推翻算法本身蛮奇怪的啦 xd

然后 判断只要能超越人类大概就稳赢了

照最终胜负结果形成经验来慢慢推估出较好的一手

的学习方法已经是最佳没有进步空间，而且还要证明这个学习

的影响最小化而求得“当下”他能算出的胜率最大解，但人

Local Maximum。这当中有一项不完备，100%的结论就不可能

下棋不就这么回事 又不是真的能用穷举了

只可惜人类历史上职业棋士能下出总合上亿盘棋局就很不

的一手就是了，因为人类就是“在先天条件上远输AG”。

我正是不懂一个谈论学术研究的人为什么会如此轻易相信一个算法必然能得到最佳解，在没有证明的情况下

他的证明就是这两盘AG赢啦 ...

这个您要不要翻翻aja的论文就好，我解释的不会比作者本身清楚。

以后如果真的进步到可以穷举 alphago也会像笨蛋

请你指出他论文中哪边证明了他的算法最终必能得到最佳解

算法不一定会越来越优化啦，所以Google才开了这个局

而是每一手显然都比人脑解更有机率接近上帝的最佳解。

你的说法结论就是他的算法必然可能得到最佳解才能成立，你自己没有发现吗？

= = 何以见得？我要说的只有AG解比人脑解更接近上帝罢了

Google就是想验证Deepmind能否优化到超过人类的水准

类神经网络算法很简单 全都靠训练

“显然”这个词真好用啊，可惜这个词一点证明力都没有

这部分不需要掉书袋真的 = =

你要证明每一手AG都必然比人脑更佳，你就必须证明：1.人脑从没下出最佳解过（即便运气好），而电脑必然下更好

你的一就不可能了 xdd

类神经概念很简单，如何让他有效的初始值才是关键

2.人类要是下出最佳解（即便运气好），则电脑此时也必下同

照你的说法，任何运算法都不能得到最佳解。你和l大卡在同一个点上。现在我们追求的不是上帝的那个解，现在没人做得到，AG也

那在你连能证明什么是最佳或更佳都不能的情况下，你居然可

下棋不是只有一手 跟赌博一样久了会回到平均

以证明某者永远比某者更佳？不觉得有点问题吗？

AG的算法确保他的任务是“尽可能求胜”，但求胜的条件必然必须建立在不能输上，对是吗？

所以人类要赢就是一百多手里平均要压过电脑

好”这件事

这就是MC法的魅力阿，什么都不懂却可以解决问题 XD

想也知道很难 电脑不会出大错但是人类会

这导致AG的算法让AG的每一手出现臭棋坏手的机率是尽可

为每一手都更好

= = 我什么时候说AG下的每一手都更好？我说的是AG下的每一手“胜率”更高。

那是你误解了我的意思。

手，电脑算出的当前局部最佳解可能亏了一点，可是接下来的几手赚回来，整体他就赢了

你说的意思和我说的意思一样啊 = =

亏的原因可能是时间不足不能取得更佳解、可能是资料不够纯

净而使得train出来的评估网络上的weight并非最佳，但是他因为整体上平均可以下出更多更优的棋步所以整盘棋可以赢

抱歉，我认为你说的和我说的完全是同一件事，所以我不知

所以他算出来的胜率最高 ≠ 必定优于人类这你OK吗？

他可能因为时间不足、train得不佳，所以事实上取得“他认

呃，你的结论和你说的事情根本没相关好吗

ddavid大，建议用MC去想AG而不要从回推法去想AG

如果你也认为AG在考量胜率时“也”包含全盘和后手，那你的结论就不成立了。

@sadmonkey 我觉得你把我当成不懂机器学习的外行人在看，

围棋不止在攻杀上讲手顺，整局发展的手顺也是导致能否致

判断有算到分支 所以一手好不好后续变化也全都包括在内

不过我不想花时间在解释这些额外的支线XD你知道我背景是在做Data Mining + Maching Learning就好XD

抱歉可能语意不清，因为MC中本来就有可能会有自相矛盾

你们认为他下出的棋步是有前后连续性所以好一定是一路好到

表示整盘它总体犯错较人类少 但不代表它没犯错(相对穷举)

对电脑来说他可能只是从一样好的那三五步随机选一步走

确保每一手的胜率，也确保了整“串”手顺的胜率。

liaon大，你说的没错，但还是那个老问题，你怎么知道AG“在哪里错了”？

我不认为他是连续性的最优解，不过围棋胜率也许不在连

续性的最优解，而是减少错误可能就自然能提高胜率

但事实上就整盘棋来说就没有如此了，他的前后连续性并没有

sadmonkey大说的正是我想说的。或许人类历史对围棋的理

胜率跟从头到尾最优解次数也许相关性很低，反而是跟发

AG只求胜率解，组合在一起当然不会是连续性的最优解啊

没法证明AG哪一手有错 但也无法证明 AG每一手都较好

你一直提出要人证明“那哪边比较差”，可是你自己也并没提

出严谨证明“每一手都比较好”，你要弄清楚我今天并不是在

ddavid，我一开始就说了，人类不能完成穷举，所以争这个根本没意义。

争这个的确没意义 但是每次出口都一定要说AG比较好这怎能让人不争?

因为以历史来看，AG就是比较好啊 (笑

论维持在“悬而未决”但确实“较高机率”有那个可能的程度

阁下无法证明每一手都较好 只能每次说AG最后赢了这怎么能让人不争呢?只会让人觉得是马后砲 结果论

例证法在没有一定前提下是不能拿来证明for all命题的“AG每一手都下得比较正确的可能性比较高”这个结论完全没问题啊

我同意AG有可能无法收敛到最优解，不过AG能收敛到超越

ddavid，我只能说你要说明的问题不在我要主张的论述上呃，那就好了啊，我从一开始就是这个意思啊 = =

人类的解依结果来看是可以期待的

只要没讲到100%，那依目前的例子确实可以支持这样的说法

既然AG的可能性比较高，人类又不能穷举，那干麻还讨论AG哪里下错了？人类的可能性又没AG高。

= = 你没看懂我的“必然”的意思是在说“可能性较高”的

错了，正是要尝试找出AG是不是还有下得不好的地方，才能把

ddavid，人类不能穷举，要怎么找到AG是不是还有下得不好

你一开始可没讲“可能性”

不是完美是当然, 否则分布式对单机为什么不是 100%?

有线索啊，找出AG下法中与人类经验强烈抵触的地方，然后在

ddavid，那应该是因为你没有整串循脉络看下来。这里不是学术页面，你不循脉络看，我哪有可能推文包含完整主张论

就能尝试找出到底是之前的AG真的算得不好，或者是AG发现新

问题不就在于人类经验不必然是正确的吗？

大量训练可能收敛到90%可能收敛到80%，没人知道他会收

，你要从哪个角度去修正AG然后推出针对性版本？

敛到哪里，只是目前人类可能只有60%所以明显被超过了

我只能麻烦你在讲话时讲得更精确一点，有没有“可能”就是

小弟受过点哲学训练，知道精确的重要性，但论述上精确不代表不能表现在脉络上，还是请你看完完整脉络再来说。对啊 = = 问题不就在无法穷举，讨论也不知道正确方向，你是要修正什么、又要往哪修正？

D大只是提出我们不该这么笃定他会收敛到100%

很抱歉，我个人在严谨讨论时希望“每一句”都精确，正是你

其实换个举例 昭和时代吴清原几乎怎么下都赢大家那时也会去学吴的下法 但当时的人 还是会讨论吴

他若会的话，google也不用向李世石邀棋了吧 = =

然后发现根本没讨论到什么都是误会XD

其实ddavid大，只有你在争那一点。我讨论下来倒没发现有这个问题，L大卡著的不是那问题。

感谢D大给了我新启发，有限时间下最优解跟胜率可能并非

如我们所想的那么正相关，反而是有效率的好解更重要

你也不知道AlphaGo是否已经是完全体不是吗

而且吴清源还可以和棋士们讨论他的思路，但AG又不会说话AG目前势必还不是完全体啊，量子电脑还等着呢。

AG的"想"法 其实可以爬log去看它的各点胜率统计的

但是正如吴清源当时盛世时一样，AG的“下法”，的确也是棋士们需要去剖析研究的。

那为什么就会觉得人设计出的电脑就会每一手“必然”下出更好的棋呢，问题一直都在那个“必然”之上事实上就是手顺来说电脑不需要每一步都下出更好的棋就赢了

剖析研究 跟去学习 是两个不同层级的概念呀

如果中盘他觉得自己赢了20目，他就可以下出一堆烂棋最后赢

半目取胜，而我们资讯科学能探讨的就是，有没有办法在追求更大胜利的要求下维持整盘棋的均衡之类的命题，才会将技术更往前推，而不是“OK我现在怎么下都不会输了，我认为我每手棋都最佳所以可以不用做下去了”今天虽然借由围棋这个媒介，但是背后追求的并不是围棋下赢

我反而持另一种看法，在有限时间下能做的计算量是固定

就好，深究每一步能否改善是更重要的，即便我们现在不完全

知道评估好坏的完整方式，我们仍然能够找出一些线索来做测

去思考哪样的下法才是真正有效计算帮助自己提高胜率的

所以AG在开局下的简明下厚，中盘真的利益竞争较大时才会开始寻求战斗并从中夺利

sadmonkey你讲的其实没有冲突。因为找出这些改善线索除了帮助找更好的解以外，也可能有助于在更短时间算出够赢的解

而打劫就是最无效计算的地方，考虑了一大堆争不到两目

也许今天AG跟李世石用时差不多，但找到改善点后，也许他能用快棋用时就能跟李世石的一般用时对抗，这也是一种进步

我觉得AG会成功就是他在找的甚至不是局部最佳解而是最

呃，打劫有一两目之争，也有打赢直接中盘胜的啊XD

高效率的解，所以甚至角边的死活定石他搞不好都不一定

下到九段的人 我觉得大局观不会烂到只看局部最佳解吧

参照过去定石，因为用他的算法比从一堆定石找最适合

我觉得你太执著于把高效解跟迈进最佳解两件事分开看啦

事实上在找最佳解的过程中找到的大量次佳解就是那些高效解，所以做尝试更快找最佳解的过程其实是也能同时强化找到高

因为找最佳解太花时间跟效能，我的最佳解是树状图回推

下的最佳解，不过本人程式不够好，对我来说即便在收官阶段最佳解都是很花效能来计算的

总之就我的认知，事实上“去接近最佳解”其实就是“找到更高效解”，今天大家都知道不可能考虑真的找最佳解因为穷举不完也证明不了，所以我们找的都是时限内的最佳解而其实这个东西就是在更快找高效解了，你能在一分钟内找到更佳的解就表示你的高效解也提升了，之前一分钟才找到的解

回想程式设计课程，最佳解就是最高效解 XD

现在可能是你在第55秒就发现了，于是你就有空间来选择要把一分用完吐出更佳的解，还是说吐出55秒的这个解来做省时，两件事不会冲突的

前面提的最佳解是上帝知道的那手棋，看来在学程式的人眼中那手棋其实没有太大讨论的意义，我同意这样的说法

是呀。只有在能严谨证明的情况下才很明确的把最佳解跟高效

不过在学围棋的人眼中，那手棋才是最重要的呢

解分开，不然大多数研究都是在追求最佳解的过程中吐出高效解做收的，不管有没有最佳的证明方式XD倒不会没有意义，因为那个最佳解其实已经被证明存在性了，

算法中大多没法证明是最高效的吧，反正好用就好

所以资讯科学跟围棋研究都一样是去尝试逼近那个最佳的过程中不断吐出当前的次佳、高效解。只不过前者用程式、一堆网络上的weight来表现，而围棋研究用各种定石、手筋之类的方式来表现，这一直不是互斥的过去的基础算法大多可以被证明最佳或高效啦。而后来的话

其实我感觉围棋更注重最佳的一步而非最高效的一步(连思

都会采用大量例证来做机率上、可能性的讨论，虽没有严谨证

考时间都一起来算)，否则早有人在探讨每步棋该花多少时

明，但只要自己不要说死成必然比别人更好，则大量例证至少

不过其实很单纯用第几手该用多少时间就能有不错效果但是如果是两三小时的比赛，某一步花了太多时间以人类来说会说那手很重要所以要好好想，以电脑来说给一个好的函数来处理前中后盘所需时间是更高效的算法

这次AG的用时确实也是一个很有讨论价值的议题，不管是围棋面或资讯科学面都是AG如何调配他的用时，如何觉得算到目前的解就够高效可以吐

好的用时函数应该都可写一篇论文了，不过都被买下来了

出来是一个很有价值的更强化方向

看来也会被当商业机密保存吧

先赢一盘再说

其实我是很期待李世石不管怎样要赢下一盘来，这不管对围棋或AI研究都会有后续更大帮助。一面倒的话就更难找改进方向了，却又无法轻下结论说已经最好XD

我觉得李世石当初没选慢棋是大错, 人脑比电脑更需要时间事实证明最后时间不够用收官就亏死了 前面是要领先多少才够这样花?

我是觉得从第二盘来看李要下赢很困难，电脑序盘的布局让所有专家一致看说电脑没救了，没想到黑37竟然最后真的达到救活黑两子的效用，整条黑龙被攻白也没占到便宜不过也是要比了才知道，就算没有赢如果李世石下一次大赛反而功力大增拿到冠军，那也是另一种震撼

功力大减机会较高 因为根本不知道电脑是基于什么放那 在什么情况下可以放 虽然事后解释一大堆 这些解对不对都不知道

我相信会增加，事后倒推，人可以归纳出一些道理

在碰过AI之前我的想法跟liaon一样 但是碰过之后才知道在混沌的世界，不太可能有穷举下的最佳一手

我也稍微碰过AI啊XD 所以才觉得无法穷举而有讨论空间啊能穷举 就不用AI了...

觉得误会AlphaGO了 他不是在下最佳解只是求当下这盘胜率高