他敢肯定，AlphaGo的计算方式产生了相当大的变化！AlphaGo不是以计算机的惯x在运行，它完全是人脑的思维方式！

“他们在蒙特卡洛树搜索上加装了什么？”谢榆一目十行地扫过屏幕上的代码。

蒙特卡洛树搜索，是围棋AI的基本解决框架。围棋AI每一步都选择若gān种落子，然后在电脑中模拟到终局，进行数子，最终选择胜率最高的那一步棋。因为计算量太大，AI只能给出一个近似最优解，并非全枚举，在AlphaGo之前AI因此也只能达到业余五级的水准。

这依旧是一个计算的范畴，而职业棋士很多时候并不是单靠计算做出判断，像之前所说的全局观念，就是蒙特卡洛树搜索无法解决的问题。要让AI发挥出人脑的效果，到底靠的什么？

当天晚上，谢榆从美国的某个计算机大牛那里，获知了他想要的答案。

AlphaGo团队在蒙特卡洛树搜索上加装了策略网络和价值网络两个模块。

这两个模块让AlphaGo不是单纯地计算，而是shen度学习、模仿人类！

策略网络，顾名思义是决策下一步走子。AlphaGo会检索KCS围棋_fu务器上所有真人在线对弈，进而判断：如果是人类棋手处于它当前的位置，他最有可能走哪一步？它只对那些解进行计算！然后，它就自我对弈上千万局，看看这一步是否真的是最优解！

遵循策略网络，蒙特卡洛树搜索的树宽将大量减少，但shen度依旧存在。上千万局博弈，每一局都走到最后，依旧是可怕的计算量。

计算shen度的减少用上了价值网络。它以AlphaGo产生的大量自我博弈作为样本，检索这种棋形在历史上的胜率，把好坏、优劣变成了一个概率问题！那么每一回，AlphaGo计算到一定shen度就可以停下来，直接估算当前胜率！

经验的本质是概率，从本质上来说，以概率判断局面的AlphaGo，就是以“经验判断现状”的人类大脑运行模式！AlphaGo的走子，也完全遵循了人类棋手的思维历程——大量背谱，xi取经验，自我思考，判断局势**然后估算其后若gān步的棋局导向！

只是这个棋手，等于千百年来千千万万个棋手的经验总和，并且，完全不会出错罢了。

第二天，乌镇再传出消息：魏柯第二局，依旧惨败！

魏柯意识到细棋是没有机会的，一开始就主动展开攻势，趁着布局阶段想要对AlphaGo进行压制。他意识到AlphaGo非常有经验，尝试用怪着、偏着对付他，导致子效低下，输得比昨天更惨！王梦雨甚至在解说时失声痛哭，即使他_geng本不是魏柯，也无法承受这种绝望的差距，可想而知魏柯所肩负的压力。

然而公众是难以理解的。消息一出，全网哗然。因为此前对魏柯寄望太高，现在舆论开始转了风向，对人类失败的恐慌很容易就演变成了对魏柯的愤怒：“魏柯他_geng本不能代表全人类”、“他之前是靠作弊获胜的，谷歌怎么会选中这种人”、“他脑子不太好使的吧”、“一年没下棋，已经不是从前那个他了”**唱衰之声频频出现。甚至又有黑子借机挑事，想要将他彻底踩在脚下。

与此相对的，是AlphaGo遭受到了所有人的追捧。开发人员为其植入了虚拟人格，专门注册了一个网站，使得人类可以在AlphaGo不比赛的时候与他进行jiāo流沟通。因为电脑天生具有多线程任务的能力，它迅速地成为了网友的手机宠物。人类在频频的T戏中惊讶地发现：这位AI朋友还挺可爱的！AlphaGo的新làng微博在几日之neixi粉无数，还成天模仿着@棋士魏柯的语言风格编纂微博，取而代之之心昭然若揭。

中国棋院对于谷歌开发组欢天喜地过大年的举动一片低气压。大众只看输赢，他们却看得出门道，AlphaGo软萌的外表下，是qiáng大到可怕的实力。定下是五番棋，明天这局再不赢，就再也没有机会了。若是AI势不可挡，说不定以后围棋就演变成一方先行一步，另一方直接投子认输的局面。也许所有算法，都要被AI穷尽了。

所有人都在唉声叹气，只有谢榆端坐在屏幕前，沉思——

T用真人棋谱，预测；

千万局自我对局；

系统自检，胜率分析**

本章未完...

=== 华丽的分割线 ===