还有，Hassabis在乌镇宣称的围棋工具将会什么时候发布？David Silver：现在这个工具正在准备中 。
不久后你就能看到新的消息 。
Q:AlphaGo开发过程中，在系统架构上遇到的最大障碍是什么？David Silver：我们遇到的一个重大挑战是在和李世石比赛的时候，当时我们意识到AlphaGo偶尔会受到我们所谓的“妄想”的影响 ， 也就是说，程序可能会错误理解当前盘面局势，并在错误的方向上持续许多步 。
我们尝试了许多方案 ， 包括引入更多的围棋知识或人类元知识来解决这个问题 。
但最终我们取得了成功，从AlphaGo本身解决了这个问题，更多地依靠强化学习的力量来获得更高质量的解决方案 。
围棋爱好者的问题Q:1846年，在十四世本因坊迹目秀策与十一世井上幻庵因硕的一盘对局中，秀策下的第127手让幻庵因硕一时惊急两耳发赤，该手成为扭转败局的“耳赤一手” 。
如果是AlphaGo，是否也会下出相同的一首棋？Julian Schritieser：我问了樊麾 ， 他的回答是这样的：当时的围棋不贴目，而AlphaGo的对局中，黑棋需贴7.5目 。
贴目情况不同造成了古今棋局的差异 ， 如果让AlphaGo穿越到当年下那一手，很有可能下的是不同的另一个地方 。
Q：从已发布的AlphaGo相互对局看 ， 执白子的时间更为充裕，因...
AlphaGo这个系统主要由几个部分组成：走棋网络（Policy Neork），给定当前局面，预测/采样下一步的走棋 。
快速走子（Fast rollout），目标和1一样，但在适当牺牲走棋质量的条件下，速度要比1快1000倍 。
估值网络（Value Neork），给定当前局面，估计是白胜还是黑胜 。
蒙特卡罗树搜索（Monte Carlo Tree Search,MCTS），把以上这三个部分连起来，形成一个完整的系统 。
我们的DarkForest和AlphaGo同样是用4搭建的系统 。
DarkForest较AlphaGo而言，在训练时加强了1，而少了2和3 ， 然后以开源软件Pachi的缺省策略 （default policy）部分替代了2的功能 。
以下介绍下各部分 。
1、走棋网络走棋网络把当前局面作为输入，预测/采样下一步的走棋 。
它的预测不只给出最强的一手，而是对棋盘上所有可能的下一着给一个分数 。
棋盘上有361个点，它就给出361个数，好招的分数比坏招要高 。
DarkForest在这部分有创新，通过在训练时预测三步而非一步，提高了策略输出的质量 ， 和他们在使用增强学习进行自我对局后得到的走棋网络（RL neork）的效果相当 。
当然，他们并没有在最后的系统中使用增强学习后的网络，而是用了直接通过训练学习到的网络（SL neork），理由是RL neork输出的走棋缺乏变化 ， 对搜索不利 。
有意思的是在AlphaGo为了速度上的考虑，只用了宽度为192的网络，而并没有使用最好的宽度为384的网络（见图2(a)），所以要是GPU更快一点（或者更多一点） ， AlphaGo肯定是会变得更强的 。
所谓的0.1秒走一步，就是纯粹用这样的网络，下出有最高置信度的合法着法 。
这种做法一点也没有做搜索 ， 但是大局观非常强，不会陷入局部战斗中，说它建模了“棋感”一点也没有错 。
我们把DarkForest的走棋网络直接放上KGS就有3d的水平 ， 让所有人都惊叹了下 。
可以说，这一波围棋AI的突破，主要得益于走棋网络的突破 。
这个在以前是不可想像的，以前用的是基于规则，或者基于局部形状再加上简单线性分类器训练的走子生成法，需要慢慢调参数年，才有进步 。
当然，只用走棋网络问题也很多，就我们在DarkForest上看到的来说，会不顾大小无谓争劫，会无谓脱先，不顾局部死活，对杀出错，等等 。
推荐阅读
- 如何把链接变成pdf档，怎么把链接弄成pdf
- cpu散热器顶盖有什么用，cpu散热器那个扣子怎么拆
- jquery初学知识点，jquery从入门到精通
- 软路由配什么cpu，软路由配什么网卡
- go语言获取url go语言获取时间戳
- 雪花啤酒如何营销，雪花啤酒营销策划
- 视频号直播卖货选什么类目，视频号直播卖货选什么类目的
- c语言位移函数头文件 c语言中位移运算符
- 平板电脑怎么给u盘传东西，平板怎么传到u盘