谷歌 人工智能 围棋,围棋不像下棋一样靠猜和运气赢得胜利

输赢的判断对于游戏来说很重要，但是围棋并不像下棋一样，吃了对方的帅或者将军就可以赢，这也导致了围棋巨大的搜索空间,围棋这更像是一个防守型的游戏，每一步都需要规划整个棋局，而棋局就是所有棋子都放在盘子里的地方,围棋对于计算机来说是最难的，其复杂性使得穷举搜索很难解决,另外，围棋棋手下棋是出于本能，在围棋中没有等级观念。

AlphaGo给围棋带来了新的方法。其背后的主要方法是价值网络和政策网络，其中价值网络评估棋盘位置，政策网络选择棋步。这些神经网络模型通过一种新的方法进行训练，结合来自人类专家竞赛的监督学习，以及来自自我游戏的强化学习。这不需要任何前瞻性的LookaheadSearch，神经网络玩游戏围棋的能力已经达到了最先进的蒙特卡罗树搜索算法的水平(这种算法模拟了成千上万的随机国际象棋游戏)。我们还介绍了一种新的搜索算法，它将蒙特卡罗模拟与价值和策略网络相结合。

围棋对于计算机来说是最难的，其复杂性使得穷举搜索很难解决。对于机器来说,围棋的难度主要在两个方面:第一，机器无法编写评测程序来决定谁胜谁负；第二，围棋是一个直观的游戏，输赢的判断对于游戏来说很重要，但是围棋并不像下棋一样，吃了对方的帅或者将军就可以赢，这也导致了围棋巨大的搜索空间。围棋这更像是一个防守型的游戏，每一步都需要规划整个棋局，而棋局就是所有棋子都放在盘子里的地方，另外，围棋棋手下棋是出于本能，在围棋中没有等级观念。所有的棋子都一样，一个小的就能影响全局，正因如此，AlphaGo在围棋上取得的成绩确实来之不易。哈萨比斯还表示，战胜李世石让他们整个团队都非常激动，为了这一刻，我等了十年。