简单提一下今天黄博士演讲重点
演讲标题是深度学习与强化学习的胜利
认为zero是最佳的deepmind电脑围棋这部分最佳的收尾
黄博士对于一开始击败樊辉就发nature有些不解，我们要挑战李世石结果把所有技术都透漏给所有人，但deepmind的想法是我们需要分享技术让世界一起进步
google对alphago团队最大帮助是TPU
认为Master已经完美解决李世石第四盘的bug，解决方式与神经网络架构(dual res)和训练都有关，并且以他多年的电脑围棋经验与测试过后，认为不会再出现此类bug
Master是20block res-net，并改进了training pipeline和MCTS，也解决了模仿棋和循环劫(没说怎么做)，能让lee版本3子并超过50%胜率
master年初60连胜每一步4-8秒，在台湾，吃方便面配黑松沙士下的，是黄博士积极鼓吹要出来测试，Hassabis说要低调并使用韩国国籍，一开始不得透漏身分
Hassabis说要挑强的下，但是第一天职业没人愿意跟0胜0负的下，都被拒绝，等到第一天10连胜之后第二天开始拒绝别人邀请
master下的时候可以看胜率随步数的图，基本上50手之前斜率很高并且确立极大优势，唯一例外是柯洁乌镇第二盘
4月的时候已经有zero，但由于要发nature所以不能拿来下
当初开发zero没预料到会超过master
master年初开发完毕之后，zero由其他人负责开发，黄博士继续想方法增强master
zero不是放在那边增强学习就会变强，中间需要做很多优化，否则有bug不会进步，其中一个重大bug发生在第三天(纪录人表示：所以看来绝艺有得忙了
AntiAlphaGo，不是像大家想的那样有新的技术，就是左右互搏，也不是gan(生成式对抗网络)
master是否被人类棋谱拖累？答案是不确定，因为master训练时间较短，deepmimd也没有针对同等条件去比较。
以上，有其他疏漏请其他人补充，并欢迎转载，但请说明作者是Hetercompute