1. 据说 AlphaGo用到的Neuro Network深达13层
有任何稳定性的报告或是说明吗？
2. 围棋的胜败至少包括两种，一种是压着打或是完胜，另一种是反败为胜
AlphaGo的设计应该是循着第一条路线
问题是喂它的千万盘训练用人类棋谱却包含非常多第二类棋谱
反败为胜的棋谱应该非常多用的是胜负手(或是无理手)
不晓得这会不会是AlphaGo昨天崩溃的原因？
3. 以现在AG的能力，它应该可以先归类/分群 将之前训练的棋谱分开
重新训练时只采用第一种压着打或是完胜的棋谱
也许就不会有无理手的出现了 (或数学上 让它的系统参数稳定)

AG设计团队的理念应该是要尽量消除人类的影响因素 (?

好像有可能

所谓的13层应该是指AG的神经网络中的隐藏层有13层吧

2.3点不会有冲突吗?

我觉得很多人都想太多了, AlphaGO 根本不是在下围棋

中间的参数设定没看到有人介绍过(多数人应该也没兴趣)

谁也不知道之后棋谱洗掉的alphaGO会变的如何？希望是成为以宇宙流为主的棋手，但人类就难以模仿

如果算法真的能创造出典范转移 难以模仿也可以哟~~期待今后AlphaGo发展出宇宙流的死活题给大家解

简单来说昨天ag应该是没有意识到出棋了 才会下ㄧ堆损棋

3.的话谁来判断呢？2.的话我觉得会有负面影响，但自我学习有机会把那些负面影响扳回来

3的确是棘手的问题，大数据的labelling，可用value network试试