战胜人类顶尖棋手的AlphaGo究竟有多聪明？.docVIP

战胜人类顶尖棋手的AlphaGo究竟有多聪明？ 　　2016年3月9日至15日，韩国九段棋手李世石与谷歌计算机AlphaGo在韩国首尔进行了一次举世瞩目的人机大战。经过5场艰难的对弈，AlphaGo以4∶1的比分取得胜利，而几个月前，它还只能战胜职业围棋二段选手樊麾。AlphaGo战胜了人类顶尖棋手，且进步速度如此之快，这不禁让人担心：这样下去，它岂不是要像《终结者》中的“天网”和《黑客帝国》中的“母体”一样，可以统治地球奴役人类了？ 　　AlphaGo真的有这么无敌吗？它的出现，对人类而言究竟是福还是祸呢？ 　　抛开所有高大上的描述，AlphaGo本质上只是一段很长很长的程序代码。人类眼中的下围棋，在它眼里只是不停地按照代码设定做计算。人类棋手下棋时要计算每一步棋该怎样走，走这一步是优势还是劣势，同样，AlphaGo也在做类似的计算。而支撑它进行计算的是四个程序设置：策略网络、估值网络、快速部署和蒙特卡洛树搜索。要想知道AlphaGo是怎样学棋、下棋的，我们就得好好说说这四个程序设置了。 　　AlphaGo的策略网络，由监督学习和强化学习两种机器学习方法搭建。听上去有些高深？别急，平时刷题不止、考试不断的你一定深有体会。 　　所谓的监督学习，是我们给程序一个训练集，其中一部分称为例子，相当于习题；一部分称为目标，相当于答案。然后设定一个函数模型，让程序不断把训练