主题：AlphaGo和F-35 -- 晨枫

而且人富了就懒，我还没说我现在都富到连红包都懒得点了，懒得点红包也省劲儿了，那么些钱，不知道怎么花，我以前都是盼红包的

谢谢老铁，我现在都富到懒得点红包了

一张1024*1024的全黑照片，

如果用bmp位图格式存储，大概一两兆字节

如果用svg格式存储，恐怕只有一两K字节

但是两种格式的信息量一样多。

第148-165手

应当算作是全局性的大劫。

也可以说是三个局部

只不过这种情况实在是不多见

你说："由于新的策略方式（policy net + value net）跟传统的完全基于蒙特卡洛的方式有本质的区别..."

其实现在高水平的围棋软件（比如zen）都不是“完全基于蒙特卡洛的方式”。正如那篇关于AlphaGo的论文摘要里说的，

因此AlphaGo可以看成是对于这种基于MCTS方法的筛选修剪优化。从MCTS的角度看， AlphaGo用的“policy and value networks”跟目前围棋软件用的“shallow policies or value functions based on a linear combination of input features”没有本质的区别。

你说："所以在对上狗狗这种不会犯错的对手的时候，“打劫”可能对人类而言就是根本无利的伪招式，反而加大了自己犯错的概率"

问题是，谁敢断定AlphaGo不会犯错？事实上，樊麾在跟它下的五盘“非正式”对局里还赢了两盘，只不过谷歌没有公布这些棋谱，我们不知道AlphaGo犯了什么错误而已。

从已结束的两盘棋局看，阿尔法狗的棋力已经不输于人类。这是很多职业棋手的评价。即使后面三盘阿尔法狗真的输成狗，更不要提那些无聊的“劫争”阴谋论。

如果最后李世石真的输了的话，我的感觉是谷歌赢了，围棋输了。

围棋的魅力在于胜无止境，不可确定。很多棋迷关注围棋本质上是关注围棋的胜负、关注下一个冠军是谁。而今，'以后不管是谁得了冠军，都会说，他下不过那条狗。这种局面真是让人沮丧啊。

有人说下次换柯洁上，这种说法也很无聊。

首先，谷歌是否愿意这么做很难说。谷歌已经通过李世石证明了人工智能水平的又一次飞跃，与其通过柯洁再次证明一个相同的结果，还不如花精力去完成下一次飞跃。

其次，就算柯洁赢了又能咋样？人工智能的棋力不逊于人类已是不争的事实。相反，争强好胜情绪正是人类在棋力上的弱点的表现。

狗的智能程度已经发展出了直觉。

它是两个算法的混合，一个是贝叶斯网络，一个是蒙特卡洛法。一个倾向于模式的分析，一个倾向于数值的判断。如果通过自学习能够分析出较佳的应手，说明神经网络已经找到围棋在不同形状下的行棋模式，因为神经网络是基于模式识别的。狗就是基于模式识别指导下的最优值取舍。

人的直觉就是不同经验在大脑中的竞争，人做出的任何选择都是先有一个直觉的应对，然后有的因为重要，再加以理性的分析取舍，有的不重要就直接接受直觉选择。所以这个直觉也就是人的应对方式，它是基于当前情境做出的近似判断，也是对经验背后所蕴藏的内在模式的识别。比如一张刀疤脸的出现，会引起警觉，视觉中的刀疤会激活相关记忆，与脸的信息结合起来，形成有关危险的兴奋，这种通路的激活就是一种已经建立起的、对应的模式的唤起。

神经网络可以不知道自己在做什么，但在大量学习后可以建立起到事物背后的模式，我认为这是人脑智能的基本特征。人工智能学习借鉴了这个认知的方式，用普遍的智能形成方式结合海量的学习、海量的记忆、光速的运算，能达到超越人脑的直觉效果，是完全应该的。

程序不仅仅是if else判断语句的堆叠，它背后的思想才是根本，用简单的材料是可以体现出深邃精神的。我意思是，智能可以建立在那些if else程序语句基础之上，电脑可以成长起真正的智能。即使是AlphaGo也已经不光是计算了。

shallow policy和deep policy(deep learning)到底有多大的区别，从数学上看，两者确实没有多大的区别，只是描述的维度不一样而已，deep learning的泛函维度更高。但是从现实中来看，两者其实是有本质的区别的，deep policy在各个方面碾压传统shallow policy，只是这种“本质”区别超出了人类目前的认知水平而已

樊麾赢的两局棋谱没有公开，但是我们知道这两局是在“快棋”中赢的，AlphaGo确实犯了错误，犯的错误很简单，时间不够，所以收敛到了局部最优解

比较有意思的问题是，利用AlphaGo，我们也许在不久的将来就会知道，围棋里是不是有“必胜布局”存在，直观的感觉上，“必胜局”应该是存在的，所以围棋的规则也许会在今后的某一天出现非常大的变化，其目的就是为了限制“必胜局”，也许要恢复“座子制”？那可真有意思，春秋战国的中国人，是在外星人的指点下，穷尽了围棋的所有可能，发明了这么神奇的东西？

那么更有意思的问题是，利用DeepMind Health，是不是有一天我们会从另一个维度证明了中医里的精华的正确？细思极恐。。。

我觉得恰恰相反。如果单机围棋软件能达到职业水平，会有助于欧美围棋爱好者提高水平，吸引更多人参与。而且以后定段就简单多了：跟某个N段水平的围棋软件下达到一定胜率，就是N段。大赛冠军可挑战最高水平的围棋软件，看看差几个子。或者把几个高手集合起来挑战围棋软件。看点还是挺多的。

而抽象能力说白了就是“找不同找相同”的能力。

人的抽象能力为什么会这么强，目前还不得而知。只是就人机关系而言，我以为人之所以要发明机器（包括其它工具），就是为了解放自我，人去人干擅长的事——定性，机器去干机器擅长的事——定量。

问题是，究竟多长时间才能收敛到了局部最优解？有没有某些局面（比如加藤英树提到的“复杂的对杀和连环劫”）需要太长时间而导致后面的棋没有足够时间？AlphaGo有没有能力避开这些局面？

我对围棋AI也是乐观其成的。期待有一天AI能解答几个我比较感兴趣的问题：

1. 黑棋的先手优势究竟有多大？我感觉围棋的最终结局是和棋，因为合理的贴目应该是个整数。

2. 人类跟“围棋之神”的差距究竟有几个子？

3. 中国古棋水平（如范西屏，黄龙士）究竟有多高？