久久久久精品免费福利电影,国产又黄又大又粗视频,A级毛片免费播放无码,人人妻人人爽人人澡欧美一区

中韓高手們集體實戰(zhàn)驗證套路的辦法，其實暗合了AlphaGo強化學習生成價值網絡的方法。AlphaGo會進行幾千萬次的高質量“自我對局”，比高手們的對局加起來都多得多。人類高手們反復實戰(zhàn)能判斷幾十個局面都不容易，AlphaGo的訓練流水線卻能生成幾千萬個局面，用于價值網絡的訓練。

價值網絡是個和策略網絡結構相似的多層神經網絡，但是里面的系數不一樣，它能對一個靜態(tài)局面不搜索直接給出勝率，判斷誰占優(yōu)。有了策略網絡與價值網絡，AlphaGo不需要搜索都可以下得很好了，對每一招策略網絡提供的選點，價值網絡給出勝率判斷，選擇最好的一個選點下就可以了。2016年中Deepmind說AlphaGo棋力取得突破，就特別說了價值網絡取得了巨大的進步。

價值網絡是人類思考中沒有的，在谷歌論文之前甚至沒有這個概念。從學術角度來說，這可能是谷歌論文最大的貢獻，深度學習生成策略網略并非Deepmind最先提出的。雖然對人類來說有點不自然，但價值網絡正是人類可以學習的地方，職業(yè)高手們也許能從這個方向上取得棋力的突破，但需要科學的方法。

人類能通過多次實戰(zhàn)、打譜，在腦中形成直覺，看一眼局面就能根據棋形產生一些靠譜的候選點。對人類直覺方便之處在于，候選點有“局部性”，人只要看局部就能有“關鍵”點的直覺。有時一些照顧全局的棋招會被夸張地稱為“耳赤妙手”。人類自然傾向就是局部觀察，眼睛看畫面時自然會聚焦在一小塊地方，棋手思維也是如此。高手要逆著這個直覺觀察全局，多找一些候選點。范西屏是中國古代水平最高的棋手之一，李步青對其它人這樣形容他的棋藝：“君等于弈只一面，余尚有兩面，若西屏先生則四面受敵者也”，這是說范西屏全局觀念特別強。

但這種全局觀念畢竟難于描述，成了高手中只可意會不可言傳的“大局觀”。人類對局部的精確描述卻不斷取得進展，局部定式發(fā)展出成千上萬個，甚至有《定式大全》這樣的書。局部數目的手段與技術也不斷發(fā)展，目數價值精確到幾分之一。大局觀方面卻一直沒有太大的進展。甚至一些90后年青高手認為，布局不要太看重，花時間想也想不出什么東西，隨便搞搞套路或者下一些過得去的著手應付下，大量時間要留在中后盤決戰(zhàn)。

從實戰(zhàn)來說，這也確實是勝率較高的選擇，你脫離套路未必占優(yōu)，就算花大量時間琢磨布局選點便宜了兩三目，后面時間不夠了隨時崩盤，因為人家后面肯定會來“攪”。孟泰齡主要的獲勝方式，就是利用一些年青棋手忽視布局這個特點，他精心研究布局，多次在局面判斷中取得優(yōu)勢，后面拼了老命把優(yōu)勢守下來。但是由于年青高手們沖擊實在太厲害，往往頂不住，泰哥也無法取得戰(zhàn)績的突破，只能維持住一流高手的地位。

職業(yè)棋手面臨著訓練內容與方法的革命

職業(yè)棋手們水平取得突破，也和一些圍棋道場的嚴格軍事化訓練手段分不開。沖段小棋手們做海量的死活題，認真進行大量的對局，嚴謹計算的態(tài)度與人腦中“策略網絡”的質量都不錯。死活題有上千年的歷史積累，多年的實戰(zhàn)提供了大量素材，還有不少高手喜歡創(chuàng)作死活題。日本的《發(fā)陽論》吸收了中國古代棋書中不少素材，韓國《天龍圖》是實戰(zhàn)積累。死活題素材不缺，有道場、有網絡，高水平實戰(zhàn)鍛煉的機會不缺，套路相關的信息流傳也快，職業(yè)棋手群體水平迅速進步。

但是，各道場并沒有多少“局面判斷”的題目積累，這是一個非常嚴重的技術性缺失。如果棋手群體有意識地在這方面努力，是有辦法可想的。可以集體討論一些局面，取得一致，拿出來做為習題或者“訓練樣本”。也可以在網絡上組織實戰(zhàn)，主動對一些局面統(tǒng)計勝率，獲得寶貴的數據，達成一致。可以積累大量網站與實戰(zhàn)高水平棋譜，對一些同類開局進行大數據分析。這樣的分析程序已經有了，但主要是正式比賽棋譜不夠多，如果能和對弈網站聯手，增加海量棋譜，局面統(tǒng)計分析就更為精確。

現在有了高水平圍棋AI，就更為方便了。高水平圍棋AI，以后一定會普及。如果放開AI數據后門，就能看到局面的具體勝率，甚至價值網絡對局面的估值。甚至也可以把訓練好的價值網絡單獨抽出來做成小程序幫助分析。這樣，應該可以象死活題一樣積累出海量的局面判斷素材。和以前不一樣的是，這些局面判斷題有參考答案，或更為權威的答案，并不僅僅是思考題。

職業(yè)棋手們可以去盯著這些局面判斷題，進行全局思考。為什么這些局面是黑優(yōu)不是白優(yōu)？為什么和自己的感覺相反？為什么AI或者統(tǒng)計結論明顯，自己卻沒有感覺？這樣仔細琢磨，一定會想出一些道理。琢磨久了，甚至作出判斷的速度都會加快。AI的策略網絡和價值網絡的神經網絡是相似的，人類既然能夠有“策略網絡”的直覺系統(tǒng)，同樣在人腦中訓練出“價值網絡”應該是可行的。

從人類等級分最高的柯潔的棋藝來看，他可能就有這樣的特點。柯潔的算路并不是最深的，數目也不是最強，也不是妙手一堆，當然這些都不弱。柯潔自稱最強的是判斷，有時直接判斷不用數目就知道是虧了還是賺了，是通過4000多盤網棋成長起來的。很可能柯潔在數千盤對戰(zhàn)中不自覺地注意了對腦中“價值網絡”的訓練，形成了自己領先其余高手的局面判斷能力。這些棋手與棋迷認為，柯潔是下得最象AI的棋手。

職業(yè)棋手群體可以把這個過程工程化，主動收集有教育意義的反直覺局面，棋手們主動接受類似機器學習的“人腦學習”訓練，形成直覺一樣的局面判斷能力。在高水平AI的幫助下，這個過程應該可以迅速縮短，不用非常辛苦地積累素材。對各個道場的培訓水平而言，局面判斷素材以及使用AI幫助訓練的能力，會成為重要因素。國際象棋AI早就這樣幫助人類棋手訓練了。

這種局面判斷，天生就是全局的。這將使人類高手的圍棋思維，從之前的局部定式、局部數目、局部戰(zhàn)斗，飛躍進步到全局判斷、全局戰(zhàn)斗，這將是吳清源大師窮畢生之力思索并力推的“21世紀圍棋”、“六合圍棋”時代。吳清源2014年去世了，沒有看到圍棋AI的革命性進展。但是在圍棋AI的幫助下，這個時代將不可避免的到來，人類高手圍棋水平將再次取得突破性進展。

而對于Master這樣的圍棋AI，也不要過于恐懼。它的秘密武器就是以價值網絡為基礎的全局思維，新手不斷，明快取舍。AI的價值網絡是基于全局的，所以全局配置稍有不同，它的著手就會發(fā)生變化，遠遠的幾個散子人類看不到什么，AI卻能考慮到下出新手。

人類高手30秒計算時間過短，碰到的又是完全不同的棋路需要計算，自然容易出錯被狠狠打擊。甚至有些著手，人類高手們“不知道AI是什么意思”，過了一些招數才發(fā)現吃大虧了。有些上陣的高手甚至由于恐懼，對自己失去信心，明顯技術變形，早早就大敗了。

人類由于生理條件的限制，需要更多的思考時間。從探索圍棋技藝的角度，要求更多思考時間是合理的。如果在布局與中盤戰(zhàn)斗中領先或者頂住了，收官時因時間緊張出小錯敗北，這并不可怕。但是人類必須在布局方向選擇、接觸戰(zhàn)的局面判斷中更多地引入全局思維，接近AI的水平，才有機會頂住。

AI由于MCTS算法天生的弱點，很大可能仍然是有缺陷的，太復雜的局面會出現算路問題，或者局部死活出現漏算，而這是人類的優(yōu)勢。人類的語言邏輯推理能力，局部嚴密算路是有優(yōu)勢的！對于復雜局面，人類可以總結歸納主要矛盾，設計出組合手段，推理出可行次序。而AI由于MCTS的框架特性，什么都要算到終局，不可能什么都模擬到，大量算力浪費在非關鍵的邏輯里，發(fā)生漏算是可能的。當然前提是人類高手需要頂住，不能讓AI隨便就領先10幾20目，那AI可以簡明地控制局面，對手毫無機會。

如果人類高手能夠學習價值網絡的全局思維主動訓練，取得棋藝的飛躍進步，再給以足夠的思考時間，和AlphaGo以及其它水平不斷進步的高水平AI對戰(zhàn)還是有勝機的，而這對圍棋發(fā)展的意義極為重大。Deepmind開發(fā)出AlphaGo這樣的革命性圍棋程序，將確定無疑地引領圍棋藝術再一次的飛躍進步，人類棋手也會獲益非淺。

本文系觀察者網獨家稿件，文章內容純屬作者個人觀點，不代表平臺觀點，未經授權，不得轉載，否則將追究法律責任。關注觀察者網微信guanchacn，每日閱讀趣味文章。