主题：创新才有围棋的未来--再说alphaGo -- pattern

我觉得左右互搏能够提高狗狗的能力，能够创新，不会局限于人类棋谱并不存在太大的问题

看你前面的文章，兄弟应该也挺关心深度学习的unsupervised learning吧。其实深度学习用于supervised learning也就是这两三年的事，深度学习是从unsupervised起步的，可以看一下谷歌在2012年CVPR上的那篇关于人脸猫脸的论文。深度学习的最本源理论是华裔数学家陶哲轩的compressed sensing/sparse coding（图灵死之前的研究好像跟这个很类似，他在琢磨怎样用数学公式将奶牛身上的花纹描述出来，可惜没研究完就死了，不然现在我们可能都躺营养液里呢。。。），谷歌最初就是依据这个理论，输入大量图像，要求计算机用最少（稀疏）的特征将所有图像描述出来，然后能进行损失最小的还原，实验的结果，机器从这些图片里挖掘出来了人脸猫脸这些相对抽象的概念，虽然机器并不知道这些概念是什么

换句话说，深度学习的能力是其与生俱来的，只要能设计出合适的loss function，在这个loss function的inference中不存在循环论证，就能解决问题，supervised learning只是把这种能力限制到我们指定的任务中，学习起来可能更快

对于围棋来说，其实这个loss function天然存在，就是最后的输赢，同样的可以参考谷歌从零开始玩像素游戏的论文，目标是得到尽可能高的游戏分数。所以我觉得谷歌说从零开始学围棋并不是一句空话，可行性是非常高的，既然如此的话，那左右互搏能够增强狗狗棋力就是板上钉钉的事情了

非常恐怖而又可悲的一点，在超大型多人在线角色扮演游戏“地球online”或者“宇宙online”中，这个loss function也是天然存在的--生存or灭亡！所以我个人觉得，这可能是一个很危险的尝试