分卷阅读94 (第2/4页)

爽也高兴不起来。只有谢榆一人默默坐在研究室里，快速翻看着几个G的资料，时不时浏览群里的聊天记录。他委托中国棋院发动了一切可以调动的资源和人脉，四处搜集AlphaGo的信息，然后与计算机领域的大牛们讨论分析。可以说，今天的结果，他完全已经预料到了。

    按照传统，计算机的长处应该在计算。而围棋，恰恰是不可能被暴力计算的领域。围棋的很多概念都无法被量化，厚薄、争先、取势……这种东西，电脑怎么去理解？！谢榆的本职是个码农，虽然不务正业，但凭他对计算机和围棋两个领域的了解，他曾经尝试过围棋AI的编码，所以他非常清楚这些概念是无法被量化的。此前出现的AI也一直印证着他的猜想，直到AlphaGo。

    他敢肯定，AlphaGo的计算方式产生了相当大的变化！AlphaGo不是以计算机的惯性在运行，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每一步都选择若干种落子，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