先說明我只是圍棋的門外漢，程式也只是略懂，
心中有些感想想分享，版主若覺得不適麻煩幫刪掉，感謝！
如果今天是一位學棋不過四五年十歲的天才兒童，
半年前挑戰樊麾贏了，半年後挑戰李世石下出一堆怪招還是贏了，
人們會如何看待這位十歲天才與圍棋的未來呢?
我想大多數人會更期待他能下出怎樣的棋而不是擔心棋界被壟斷吧。
我覺得大多數人對電腦的不信任是因為心裡想的是舊的演算法，
認為電腦只是會背一堆棋譜一堆定石，並在收官時完美算子來下贏，
所有的勝負只是端看誰背的知識更純熟誰的官子計算更完美，
那圍棋充滿魅力的佈局與大局觀完全消失殆盡，這真的讓人沮喪，
但這兩盤很明顯的電腦並不是靠定石靠收官在贏棋，
反而是下出了人們意想不到的佈局棋局，
看似很差卻怎麼也無法針對其弱點給予一擊致命的打擊，
如果多了解這次人工智慧的背景越會了解它完全像人類思考，
只是他的學習能力是人類的數千倍他的體力也是人類的數十倍，
就像是一位真正完美無瑕的天才圍棋兒童一般，
他不但過目不忘而且還能自己跟自己每天對奕上千上萬盤並檢討。
對AlphaGO來說他也跟眾多棋手一樣靠著不斷模擬對奕在尋找神的境界呢。
最後來談談AlphaGO的出現可能造成的變化吧，
好的方面來看，就追求最好的一步棋來說，
電腦的出現可以幫助人們思考，
很多原先因為太複雜很難去考慮的中空落子問題，
可以讓電腦先去跑出幾個好的選點再來詳細討論與思考，
就像一位天才圍棋的誕生永遠都會革新讓圍棋界進步，
人們將會離一直追尋的神的境界又跨出了一大步，
同時這位天才棋士還是可以複製的，學棋的成本將大大降低，
不但可以複製連各種棋風都可以很輕易設計出來，
只要將最後贏棋目標目數提高自然會變得更加主動進攻，
人們將能更了解圍棋中複雜的面貌，厚薄優劣貼目多寡等等的。
壞的方面來看，未來職業棋士將何處而去？
如果不久的將來Google最後開發出來完整的圍棋教學分析系統，
每個人都可以輕易的用較低成本來學棋，
職業棋士最重要的生路會不會被機器取代？
連生存都很困難的情況下之後還會有人敢踏入圍棋界嗎？
另外既然人類學習效率比不贏電腦，會不會就失去學棋的目標，
未來追求圍棋中的最佳路徑將完全交給了電腦，
圍棋變成了一種休閒而不再是一種職業了。
除非能找到人工智慧演算法中的漏洞，
讓他的自我學習機制產生迴圈或是收斂急速趨緩的瓶頸，
不然圍棋界電腦完全征服人腦的時間遲早會來，
而且來的比大多數人想像的快太多了。
如果電腦帶來的圍棋界的毀滅，
我想這絕對不是開發者黃博士心中的願景，
所以我相信最終必能找到適當的解決辦法處理可能發生的困擾。

先看李世石能不能贏一盤再來擔心也不遲

以後GOOGLE可以開個AlphaGO盃不斷找職棋來挑戰這個頭銜w

就算電腦下出很多精彩的下法，也是要人來解釋給大家懂啊

解說找siri好了w 不然找初音(欸

開發者主要的用意並不是要下圍棋 圍棋只是用來衡量人工智慧的

我覺得大家想太多了，人類有人類的世界，電腦有電腦的世

一把尺

界，設計程式是為了驗證目前電腦的能力，不然人類幹嘛還要比賽，就是在人類的比賽中追求人類的極限再來人類本來就有資質上的差異，師父領進門修行在各人

目前AlphaGo的開盤和中盤棋步絕對都還不是最佳解

AI針對可能落子的點個別根據權重給出分數，你要解釋就只有自己去讀參數

圍棋可以一直研究到黑不貼目的情況下必勝幾目 算清所有變化

問題在於 版上一票人都覺得AlphaGo中前半也都是最佳解講的AlphaGo是窮舉什麼都知道一樣 說前半AG有問題還要被嗆XD

應該不是說AG有問題，而是人類對圍棋的概念有問題。若一個著手是當下勝率最高的，最能導致勝局，那對「必須求勝才有意義」的圍棋來說，自然是當下最佳解，不論它的形再醜，就是最佳解。所以是人類對圍棋的概念必須修正，，修正為「只要是為了求勝的著手就是好手」，而不是取一個其他意義上的「最優著手」，不論是著重在形還是常用的棋勢手順上。

你的想法還是在窮舉上打轉 所謂最佳解自然是指對整盤局從頭到尾來說這個最佳解不是對人類來說 而是以若能窮舉下來說

這不是在說窮舉，而是在說AG對勝率的計算上，對AG而言能力上能做到的最佳解。目前的電腦做不到窮舉，人腦也做不到，所謂的最佳解都是相對性的，只是阿發狗算出來的最佳，遠比人腦來得更佳。

就是因為雙方都做不到窮舉 都下不出最佳解所以你無法確認 到底前半盤 AG是不是有下錯所謂的下錯 自然是指相對於窮舉 而不是只人類因為前半盤可下處更多 所以AG找到最佳解的機率較低它只能找到它自己覺得的最佳解 但相對窮舉 不一定是最佳所以它可能前半盤也損了 只是因為李世石 也不是窮舉所以李也會下損 來來去去李就輸了但是版上給我感覺就是 AG連前半盤都不能質疑質疑就先嗆你就算職九也不如電腦 閉嘴

若是相對於窮舉，那就根本沒人知道AG有沒有下錯 = =這樣有什麼能質疑的？你質疑再多，最後也是落得無法確定的下場，結果AG還是贏

就是因為不知道對錯 才要質疑啊 若已經確定是對的有啥好質疑

了，若是我們弄錯了，AG真的沒下錯，那豈不是我們放過了

棋局討論不是只看勝負好嗎...

對阿發狗來說，棋局就是只看勝負啊

但是人類的討論 是想要探討每一手在窮舉下 可能的最佳下

對是對的可能性也是遠比李世石的每一手都來得高。

如果把電腦想像成一位神童，在還沒下贏他前他的下法就

是目前所能知道的最好的下法之一(也許每一步都有三五種

所以才有討論啊 大家試著討論想辦法接近啊

綑在一起的是你 @@ 人腦再怎麼討論就是沒有辦法窮舉，是

窮舉需要時間資源去窮舉所有結果而判斷，這才有得討論

發覺學程式的用賽局去想圍棋，學圍棋的用棋譜去想圍棋

AG一定會算錯 因為那是演算法一開始就會出現的可能 但人

如果能窮舉 它就直接告訴你現下這步棋怎麼下最佳 哪用討

也一樣 也不是說AG不能質疑(例如的確有幾手邏輯上就知道

分就沒有討論的必要，也沒有處理的必要，直接改用勝率判斷即可。

AG本來就不是已經找到最佳路徑了，他只是用MC法不斷自

今天老師出題 給了答案 還用討論嗎是老師不給答案 大家才要討論不是嗎

卻是建立在過去人下圍棋長久累積的觀念上 而你同樣就肯

我鍛鍊後得出的最佳勝率的步法，如果你覺得那步很差請

AG找到他的路徑的理由都無法理解。

所以才要討論啊 人類試圖討論AG的路徑

案，討論AG有沒有答對，這豈不是五十笑百？

然後討論AG可能在哪邊偏離了上帝的下法

AG用了黑37莫名其妙的一手，最後即使讓頂尖棋士來攻也

你現在的想法就是 電腦最強 人類不要想了 想不贏

沒錯 所以局域是可以知道AG偏離上帝多少 但中前盤根本

？這也太玄妙而毫不實際了吧？

沒讓AG虧多少，我們要去想那一坨龍是否真的很虧?

為什麼「那一手勝率較高？」這才是人類該思考的。

你還是用了「較佳」一詞

AG 也不一定較佳, 也許李壓力太大有點失常也是有可能 (?

永於止盡選擇當下勝率最高的著手？

所以人類在討論AG在哪邊可能漏掉最佳解

可能剛好人類那邊就是能算出最佳解

因為人類不可能找出最佳解啊 = = 人類能窮舉嗎？

的確應該討論是否遺漏最佳解 但是我想很難找到一個好的

.......千年棋譜+3000萬場自我練習 我比較相信AG啦

下的著手是最佳解？你根本不知道答案，你怎麼說哪一手是下對了？

就是不知道 所以才有討論的空間 你要我講幾次

沒人懷疑有討論空間 問題是這種討論幾乎沒有意義 要我們

說幾次呢? 就算討論了 你也不可能知道答案 因為同樣的

棋盤300多個點 上帝知道有個最佳解 人類有可能剛好放對

你得先知道答案(窮舉)，你才能知道人類剛好猜對了。

以前的判斷方法就是勝敗論, 所以人類可以說解比電腦好

然後AG擺在不同點 人類擺一擺覺得 好像沒剛剛那點好

客觀來看都是AG比較有可能對啊 就算都是用猜的

那說到底，也只是一群盲人摸象，然後說「AG好像下錯了」

結果阿法狗也是同樣的方法不是 擺一擺照樣獲勝 結果你

事實就是客觀條件下AG比較可能猜對 很難理解嗎

最可能 不代表一定 這就是討論的意義啊

我直接這樣問啦：普天之下有哪個職棋能比AG猜得更準的？所有職棋都沒有AG「一台機器」猜得準，這有討論的意義？你用人類比較低的思考能力、比較低的判斷力，去討論比較

整盤棋下來自然是AG猜對較多次 但不代表「整盤每一手」都是AG猜對

高思考能力、能完全理性判斷局勢的AG給出的勝率解？

只要有猜錯的機率在 人類就能討論 這也是在幫AG啊

以前有個笑話 古代中國百姓不知道皇帝鼻子有多長

問題就是人類猜對的機率遠低的多啊，你用猜來「錯誤機率

但現在風氣就是 連質疑「每一手都對」都不行

錯的那題是錯在哪裡，這不會很好笑嗎？

對google來說很重要啊，但以30分同學的能力，不可能猜得

重點是相較於AG的演算經驗 你的討論有多少價值

沒有人說 AG 是上帝啊 XD 可能連 80 分都沒有呢

當然可以質疑 但這種質疑除非是邏輯上可以證明是不利的

現在就是大家連討論那5分那題都不行 直接說啊你笨 閉嘴

以 AG 的算法當然不會是每一手都對 要贏棋也不需要這樣

學能答出正確解答的機率自然也遠比95分的同學低。

否則沒甚麼意思 終歸到底 過去建立的圍棋常識也只是追求

最大勝率 沒有一個標準告訴大家到底是AG還是過去常識的

因為無法窮舉的人類無法完成比AG更精確的判斷，這種討論也只能建立在低階次(不精確)的討論上，有啥意義？除非所有人(職棋)都擁有和AG同等的判斷力和運算力，否則

但在答錯的5分在自圓其說 說AG這5分也寫得很不錯我們30分的也該學習 這不也怪?

關鍵在於爭執那5分沒有意義啊 下圍棋是要贏 不是得滿分

不怪啊，因為95分給出的答案是比較接近上帝的答案的。只要我們循95分同學的作答方案去學習，自然就能更接近上帝，補足中間65分的差距。

但不能否認 我們還是有討論跟質疑那5分跑哪去的權力啊

我們有啊，只是沒什麼意義，也沒什麼實效。

前盤也許AG被扣了5分 結果後盤李被扣了10分

我沒有說一定 但版上就是連討論都不行 直接說你比AG笨講得一定也是錯的

換言之，AG解的確是目前最接近上帝解的「較佳解」。不是一定是錯的，而是「非常可能是錯的」。而且你也沒有任何根據可以證明「你是對的」。

我不覺得是「非常可能」 頂多是「有一些」可能

既然你不能證明你是對的，你又非常可能是錯的，我為什麼

職業棋士想贏 AG 的話, 朝這個想法下去思考就對了

真的不知道在執著什麼 不在同個水平的討論就是沒意義

AG解求當下最大勝率解，所以AG解勢必是「較可能是對的」

"討論它可能錯在哪的空間" 又來一個沒搞懂AG在算啥的

b大 可看上面的討論 是在講相對窮舉

真的 = = AG不是求最優解，是勝率最高解，先弄懂AG演算法吧…

對AG來說圍棋只是一堆數字而已 運算後從裡面挑個大的下

以現在的電腦來說窮舉是不可能的 所以這可以當做不存在

AG認為101手下那個位置「勝率最高」(最有可能是對的)，結果你反而要用人類下不出101手的程度去討論AG得出的勝

往另一個方向思考, 會造成的虧損的 AG 一定選不上

率最高解(對的機率最高的解)為什麼有可能是錯的，我就不明白為什麼了…AG的演算法都告訴你101手的位置是最有可能對的了。(茶

我覺得你還是沒搞懂我的意思.....AG的選出最佳(窮舉)解的機率 從前面開始可能50%到最後可能達100% 不是整盤都是95%的境界因為棋盤一開始是比較廣的而假設人類是80%開始 到90%結束 那麼前面 人類是有機會

我覺得兩位只是一直在Local Maximum跟Global Maximum的定義上打轉啦XD

損比較少 但是後面隨著盤面變小 AG選出最佳解的機率越來

即便從前面50%一直升到95%，你也沒辦法確定人類在佈局階

我可以接受AG比較聰明 但不能接受它整盤每一手都比較對

但你也沒有任何證據證明人類在前盤比較有準確度啊？

沒啊 我剛說了 它前面會比較「沒那麼對」 是後面才比較對

我覺得NaoGaTsu觀念有點錯誤，你因為贏了就認為它下的每一

等一下，你有任何證據證明「AG在前盤沒那麼對」嗎？

AG是隨機取樣 在盤面較廣時 出錯率較高是正常的啊

你的論點已經完全假設了人類在前盤「必定」準確度比AG高

首先你需要定義一下每一手的勝率怎麼計算出來了，如果它計

算勝率時用的背景資源有所偏頗，即便它算出來認為是最高勝

資料，去分析第一手下什麼位置的勝率是最高的。對，ddavid。但人類所用的背景資源遠比AG來得小，不論是

譜的量和自我對戰的經驗(或正式對戰的經驗)，都讓人類沒

不是背景資源小就一定比較不正確好嗎？Data Mining中很容

易因為noise或outlier就導出不完全正確的結論，這跟資料多

人類則是兩邊都沒有耶！(沒有大樣本、沒有精確演算法)

ddavid，分散式的AG從過去對單機版的70%勝率已提升到77%

的演算法，這點相信你能給出一個「嚴謹證明」

不要一直拿分散式對單機版這件事來做證明，拿自己當比較對

勢，尤其是AG是以自我學習(自我對戰)，作為修正，中後盤的強化能力以演算法來說的進步空間有限，顯示AG的進步是更全面的。

正因為分散式對單機的勝率有明顯提升，才足以作為證明。

算力可以幫助更快進化取得優勢」的說明而已XD

我有點懶得細項談下去了XD 我完全不知道你為什麼會100%相信只要用那種學習方式就「每一手」都能必然更佳XD

因為蒙地卡羅演算法的目的就是這樣啊 = = 不然呢

這不是背景資料多、運算能力強、能自我進化就能保證的事情你剛剛講的各個細項，都是對的，這些都是它的優勢

AG演算法不一定會越來越優化，但兩盤棋局看下來優化到超過人類是可以做這樣推斷的

我不懂最佳是哪來的 從來都只有相對沒有絕對

我的看法就是整體而言 AG得到較佳解機率比人類多

上，我還能夠寬鬆地同意。但講到100%，你就必須確保以上的

ddavid xd 你這樣等於在說蒙地卡羅運算法本身有問題 xd

AG也不是用回推法找最佳解，而是效法人類多下幾盤棋依

我是覺得直接推翻演算法本身蠻奇怪的啦 xd

然後 判斷只要能超越人類大概就穩贏了

照最終勝負結果形成經驗來慢慢推估出較好的一手

的學習方法已經是最佳沒有進步空間，而且還要證明這個學習

的影響最小化而求得「當下」他能算出的勝率最大解，但人

Local Maximum。這當中有一項不完備，100%的結論就不可能

下棋不就這麼回事 又不是真的能用窮舉了

只可惜人類歷史上職業棋士能下出總合上億盤棋局就很不

的一手就是了，因為人類就是「在先天條件上遠輸AG」。

我正是不懂一個談論學術研究的人為什麼會如此輕易相信一個演算法必然能得到最佳解，在沒有證明的情況下

他的證明就是這兩盤AG贏啦 ...

這個您要不要翻翻aja的論文就好，我解釋的不會比作者本身清楚。

以後如果真的進步到可以窮舉 alphago也會像笨蛋

請你指出他論文中哪邊證明了他的演算法最終必能得到最佳解

演算法不一定會越來越優化啦，所以Google才開了這個局

而是每一手顯然都比人腦解更有機率接近上帝的最佳解。

你的說法結論就是他的演算法必然可能得到最佳解才能成立，你自己沒有發現嗎？

= = 何以見得？我要說的只有AG解比人腦解更接近上帝罷了

Google就是想驗證Deepmind能否優化到超過人類的水準

類神經網路演算法很簡單 全都靠訓練

「顯然」這個詞真好用啊，可惜這個詞一點證明力都沒有

這部分不需要掉書袋真的 = =

你要證明每一手AG都必然比人腦更佳，你就必須證明：1.人腦從沒下出最佳解過（即便運氣好），而電腦必然下更好

你的一就不可能了 xdd

類神經概念很簡單，如何讓他有效的初始值才是關鍵

2.人類要是下出最佳解（即便運氣好），則電腦此時也必下同

照你的說法，任何運算法都不能得到最佳解。你和l大卡在同一個點上。現在我們追求的不是上帝的那個解，現在沒人做得到，AG也

那在你連能證明什麼是最佳或更佳都不能的情況下，你居然可

下棋不是只有一手 跟賭博一樣久了會回到平均

以證明某者永遠比某者更佳？不覺得有點問題嗎？

AG的演算法確保他的任務是「盡可能求勝」，但求勝的條件必然必須建立在不能輸上，對是嗎？

所以人類要贏就是一百多手裡平均要壓過電腦

好」這件事

這就是MC法的魅力阿，甚麼都不懂卻可以解決問題 XD

想也知道很難 電腦不會出大錯但是人類會

這導致AG的演算法讓AG的每一手出現臭棋壞手的機率是盡可

為每一手都更好

= = 我什麼時候說AG下的每一手都更好？我說的是AG下的每一手「勝率」更高。

那是你誤解了我的意思。

手，電腦算出的當前局部最佳解可能虧了一點，可是接下來的幾手賺回來，整體他就贏了

你說的意思和我說的意思一樣啊 = =

虧的原因可能是時間不足不能取得更佳解、可能是資料不夠純

淨而使得train出來的評估網路上的weight並非最佳，但是他因為整體上平均可以下出更多更優的棋步所以整盤棋可以贏

抱歉，我認為你說的和我說的完全是同一件事，所以我不知

所以他算出來的勝率最高 ≠ 必定優於人類這你OK嗎？

他可能因為時間不足、train得不佳，所以事實上取得「他認

呃，你的結論和你說的事情根本沒相關好嗎

ddavid大，建議用MC去想AG而不要從回推法去想AG

如果你也認為AG在考量勝率時「也」包含全盤和後手，那你的結論就不成立了。

@sadmonkey 我覺得你把我當成不懂機器學習的外行人在看，

圍棋不止在攻殺上講手順，整局發展的手順也是導致能否致

判斷有算到分支 所以一手好不好後續變化也全都包括在內

不過我不想花時間在解釋這些額外的支線XD你知道我背景是在做Data Mining + Maching Learning就好XD

抱歉可能語意不清，因為MC中本來就有可能會有自相矛盾

你們認為他下出的棋步是有前後連續性所以好一定是一路好到

表示整盤它總體犯錯較人類少 但不代表它沒犯錯(相對窮舉)

對電腦來說他可能只是從一樣好的那三五步隨機選一步走

確保每一手的勝率，也確保了整「串」手順的勝率。

liaon大，你說的沒錯，但還是那個老問題，你怎麼知道AG「在哪裡錯了」？

我不認為他是連續性的最優解，不過圍棋勝率也許不在連

續性的最優解，而是減少錯誤可能就自然能提高勝率

但事實上就整盤棋來說就沒有如此了，他的前後連續性並沒有

sadmonkey大說的正是我想說的。或許人類歷史對圍棋的理

勝率跟從頭到尾最優解次數也許相關性很低，反而是跟發

AG只求勝率解，組合在一起當然不會是連續性的最優解啊

沒法證明AG哪一手有錯 但也無法證明 AG每一手都較好

你一直提出要人證明「那哪邊比較差」，可是你自己也並沒提

出嚴謹證明「每一手都比較好」，你要弄清楚我今天並不是在

ddavid，我一開始就說了，人類不能完成窮舉，所以爭這個根本沒意義。

爭這個的確沒意義 但是每次出口都一定要說AG比較好這怎能讓人不爭?

因為以歷史來看，AG就是比較好啊 (笑

論維持在「懸而未決」但確實「較高機率」有那個可能的程度

閣下無法證明每一手都較好 只能每次說AG最後贏了這怎麼能讓人不爭呢?只會讓人覺得是馬後砲 結果論

例證法在沒有一定前提下是不能拿來證明for all命題的「AG每一手都下得比較正確的可能性比較高」這個結論完全沒問題啊

我同意AG有可能無法收斂到最優解，不過AG能收斂到超越

ddavid，我只能說你要說明的問題不在我要主張的論述上呃，那就好了啊，我從一開始就是這個意思啊 = =

人類的解依結果來看是可以期待的

只要沒講到100%，那依目前的例子確實可以支持這樣的說法

既然AG的可能性比較高，人類又不能窮舉，那幹麻還討論AG哪裡下錯了？人類的可能性又沒AG高。

= = 你沒看懂我的「必然」的意思是在說「可能性較高」的

錯了，正是要嘗試找出AG是不是還有下得不好的地方，才能把

ddavid，人類不能窮舉，要怎麼找到AG是不是還有下得不好

你一開始可沒講「可能性」

不是完美是當然, 否則分散式對單機為什麼不是 100%?

有線索啊，找出AG下法中與人類經驗強烈抵觸的地方，然後在

ddavid，那應該是因為你沒有整串循脈絡看下來。這裡不是學術頁面，你不循脈絡看，我哪有可能推文包含完整主張論

就能嘗試找出到底是之前的AG真的算得不好，或者是AG發現新

問題不就在於人類經驗不必然是正確的嗎？

大量訓練可能收斂到90%可能收斂到80%，沒人知道他會收

，你要從哪個角度去修正AG然後推出針對性版本？

斂到哪裡，只是目前人類可能只有60%所以明顯被超過了

我只能麻煩你在講話時講得更精確一點，有沒有「可能」就是

小弟受過點哲學訓練，知道精確的重要性，但論述上精確不代表不能表現在脈絡上，還是請你看完完整脈絡再來說。對啊 = = 問題不就在無法窮舉，討論也不知道正確方向，你是要修正什麼、又要往哪修正？

D大只是提出我們不該這麼篤定他會收斂到100%

很抱歉，我個人在嚴謹討論時希望「每一句」都精確，正是你

其實換個舉例 昭和時代吳清原幾乎怎麼下都贏大家那時也會去學吳的下法 但當時的人 還是會討論吳

他若會的話，google也不用向李世石邀棋了吧 = =

然後發現根本沒討論到什麼都是誤會XD

其實ddavid大，只有你在爭那一點。我討論下來倒沒發現有這個問題，L大卡著的不是那問題。

感謝D大給了我新啟發，有限時間下最優解跟勝率可能並非

如我們所想的那麼正相關，反而是有效率的好解更重要

你也不知道AlphaGo是否已經是完全體不是嗎

而且吳清源還可以和棋士們討論他的思路，但AG又不會說話AG目前勢必還不是完全體啊，量子電腦還等著呢。

AG的"想"法 其實可以爬log去看它的各點勝率統計的

但是正如吳清源當時盛世時一樣，AG的「下法」，的確也是棋士們需要去剖析研究的。

那為什麼就會覺得人設計出的電腦就會每一手「必然」下出更好的棋呢，問題一直都在那個「必然」之上事實上就是手順來說電腦不需要每一步都下出更好的棋就贏了

剖析研究 跟去學習 是兩個不同層級的概念呀

如果中盤他覺得自己贏了20目，他就可以下出一堆爛棋最後贏

半目取勝，而我們資訊科學能探討的就是，有沒有辦法在追求更大勝利的要求下維持整盤棋的均衡之類的命題，才會將技術更往前推，而不是「OK我現在怎麼下都不會輸了，我認為我每手棋都最佳所以可以不用做下去了」今天雖然藉由圍棋這個媒介，但是背後追求的並不是圍棋下贏

我反而持另一種看法，在有限時間下能做的計算量是固定

就好，深究每一步能否改善是更重要的，即便我們現在不完全

知道評估好壞的完整方式，我們仍然能夠找出一些線索來做測

去思考哪樣的下法才是真正有效計算幫助自己提高勝率的

所以AG在開局下的簡明下厚，中盤真的利益競爭較大時才會開始尋求戰鬥並從中奪利

sadmonkey你講的其實沒有衝突。因為找出這些改善線索除了幫助找更好的解以外，也可能有助於在更短時間算出夠贏的解

而打劫就是最無效計算的地方，考慮了一大堆爭不到兩目

也許今天AG跟李世石用時差不多，但找到改善點後，也許他能用快棋用時就能跟李世石的一般用時對抗，這也是一種進步

我覺得AG會成功就是他在找的甚至不是局部最佳解而是最

呃，打劫有一兩目之爭，也有打贏直接中盤勝的啊XD

高效率的解，所以甚至角邊的死活定石他搞不好都不一定

下到九段的人 我覺得大局觀不會爛到只看局部最佳解吧

參照過去定石，因為用他的演算法比從一堆定石找最適合

我覺得你太執著於把高效解跟邁進最佳解兩件事分開看啦

事實上在找最佳解的過程中找到的大量次佳解就是那些高效解，所以做嘗試更快找最佳解的過程其實是也能同時強化找到高

因為找最佳解太花時間跟效能，我的最佳解是樹狀圖回推

下的最佳解，不過本人程式不夠好，對我來說即便在收官階段最佳解都是很花效能來計算的

總之就我的認知，事實上「去接近最佳解」其實就是「找到更高效解」，今天大家都知道不可能考慮真的找最佳解因為窮舉不完也證明不了，所以我們找的都是時限內的最佳解而其實這個東西就是在更快找高效解了，你能在一分鐘內找到更佳的解就表示你的高效解也提升了，之前一分鐘才找到的解

回想程式設計課程，最佳解就是最高效解 XD

現在可能是你在第55秒就發現了，於是你就有空間來選擇要把一分用完吐出更佳的解，還是說吐出55秒的這個解來做省時，兩件事不會衝突的

前面提的最佳解是上帝知道的那手棋，看來在學程式的人眼中那手棋其實沒有太大討論的意義，我同意這樣的說法

是呀。只有在能嚴謹證明的情況下才很明確的把最佳解跟高效

不過在學圍棋的人眼中，那手棋才是最重要的呢

解分開，不然大多數研究都是在追求最佳解的過程中吐出高效解做收的，不管有沒有最佳的證明方式XD倒不會沒有意義，因為那個最佳解其實已經被證明存在性了，

演算法中大多沒法證明是最高效的吧，反正好用就好

所以資訊科學跟圍棋研究都一樣是去嘗試逼近那個最佳的過程中不斷吐出當前的次佳、高效解。只不過前者用程式、一堆網路上的weight來表現，而圍棋研究用各種定石、手筋之類的方式來表現，這一直不是互斥的過去的基礎演算法大多可以被證明最佳或高效啦。而後來的話

其實我感覺圍棋更注重最佳的一步而非最高效的一步(連思

都會採用大量例證來做機率上、可能性的討論，雖沒有嚴謹證

考時間都一起來算)，否則早有人在探討每步棋該花多少時

明，但只要自己不要說死成必然比別人更好，則大量例證至少

不過其實很單純用第幾手該用多少時間就能有不錯效果但是如果是兩三小時的比賽，某一步花了太多時間以人類來說會說那手很重要所以要好好想，以電腦來說給一個好的函數來處理前中後盤所需時間是更高效的演算法

這次AG的用時確實也是一個很有討論價值的議題，不管是圍棋面或資訊科學面都是AG如何調配他的用時，如何覺得算到目前的解就夠高效可以吐

好的用時函數應該都可寫一篇論文了，不過都被買下來了

出來是一個很有價值的更強化方向

看來也會被當商業機密保存吧

先贏一盤再說

其實我是很期待李世石不管怎樣要贏下一盤來，這不管對圍棋或AI研究都會有後續更大幫助。一面倒的話就更難找改進方向了，卻又無法輕下結論說已經最好XD

我覺得李世石當初沒選慢棋是大錯, 人腦比電腦更需要時間事實證明最後時間不夠用收官就虧死了 前面是要領先多少才夠這樣花?

我是覺得從第二盤來看李要下贏很困難，電腦序盤的布局讓所有專家一致看說電腦沒救了，沒想到黑37竟然最後真的達到救活黑兩子的效用，整條黑龍被攻白也沒佔到便宜不過也是要比了才知道，就算沒有贏如果李世石下一次大賽反而功力大增拿到冠軍，那也是另一種震撼

功力大減機會較高 因為根本不知道電腦是基於什麼放那 在什麼情況下可以放 雖然事後解釋一大堆 這些解對不對都不知道

我相信會增加，事後倒推，人可以歸納出一些道理

在碰過AI之前我的想法跟liaon一樣 但是碰過之後才知道在混沌的世界，不太可能有窮舉下的最佳一手

我也稍微碰過AI啊XD 所以才覺得無法窮舉而有討論空間啊能窮舉 就不用AI了...

覺得誤會AlphaGO了 他不是在下最佳解只是求當下這盤勝率高