Max11 的内容，很多 CS, ML, NN 等高手不能接受，
人类最顶尖职业棋手就是输了没错，(卷积)类神经网络,MCTS,SVM等方法效用无穷，
高手们认为不懂技术问题的人，才会想替人类尊严找理由，
不可否认顶尖职业棋手整体表现，经过三盘对局，远远比不上 AlphaGo，
但是我想也许有其他一些人，认为好的算法 H 在差劲的硬件上执行，
输给普通的算法 M，在强悍硬件上执行的效率，无法推得算法 H 比 M 差，
最好的比较方式当然是把 H 和 M 放在同一个平台上执行比较效率，
但是无法放在同个平台时，该怎么比较算法的执行效率呢？
另一个有趣的议题是，是否可以更有效用更少的练习盘数达到现在 AG 的效果呢？
类似地，其他算法(可能是 H), 3000w 自弈能否达到比 AG 高的棋力？
这应该不失为可以讨论的议题，不过在 GO 版不太合适，有 AI 版吗？
※ 引述《Max11 (从来没有)》之铭言：
: 其实alphago能胜李九段，也不过靠着几千万或亿盘的经验累积，从中获取最大胜机的棋
: 步。如果普通人类拥有相同的对奕局数，一定也能达到同样的境界。即所谓practice mak
: es perfect.
: 所以李是输在经验值比不上alphago，如果他也自我对练三千万盘，或许胜负犹有未知。
: 但这种靠无数次经验来获胜的围棋，只能说离p=np还很遥远。
: 真正能超越人脑，不是用穷举或算法的ai,而是只知道规则，完全没练习经验的ai,靠着
: 解析法或直观，获取致胜的棋路。
: 如果真有这种ai,alphago除非穷尽围棋，也只是被惨电。
: 人类也有这样的，称为天才。学棋3个月就胜职棋，这才是人脑可怕之处。
: alphago顶多只能算有无数经验和运算力的人工智能，只能说以量取胜。还不能说胜人脑
: 。

H == M

alphaGO是使用演绎法吧

?1" target="_blank" rel="nofollow">
?1

进入学习效率的议题就跟你的train set的撷取有关了这正是google最擅长的领域

还有HangTen