其實寫得很好！
只是有些許地方我覺得有些疑問
: 會下出黑101的理由同上 電腦算不出分數更高的棋會傾向「維持現狀」...
: 奇怪了我怎麼突然覺得我的用詞有政治意味............XDDDDDDDDD
alphago會不會傾向於維持現狀，我不是非常了解。
主要疑惑點在於官子
http://i.imgur.com/siQwKgm.png
這是alphago在nature中提供的運算原理簡圖。
圖下有詳細說明。
大致上是說：
(a)系統會先選點，
予以最高行動值(action value)"Q"+u x 預先機率(Prior probability)"P"
找出最大者
(b)擴張
找分枝。
(c)演化後
(d)迴車
至初始點，修正機率。
換而言之，因為行動值的參與，所以與目數或點數相關。
因為有迴圈協助，機率不會完全參照當下情形，更重於未來發展。
: 最後來解釋一下末段AlphaGO官子崩壞的問題...
: 這個可能是AlphaGO以機率進行計算所產生的獨特問題
: 非常值得重視和研究！
: 因為對於人類而言 下到官子階段所判斷的單位是「子」或者是「目」
: 這和比賽勝負的計算單位是相同的 是一個絕對的值
: 比如同樣後手官子一個5目一個3目 那當然是5目的大 這是絕對的
: 可是 如果轉換成「勝率」概念 那就不一樣了！
: 「勝率」本質上是一個會隨著棋盤上子數變動的東西......
: 當棋盤上的子數越來越多 代表棋局越進入尾聲 勝率會越確定
: 反之棋局越早期 勝率會越變動...
: AlphaGO用勝率為單位做計算所面臨的問題是：
: 它沒有辦法真正有效區辨官子的大小
: 因為當它優勢的時候：贏5目也是贏 贏3目也是贏
: 劣勢 輸5目也是輸 輸3目也是輸
所以這個說法有些不太合理。
第一局的後半期白棋已非常優勢。而白棋也未放鬆。
http://i.imgur.com/4lV2dLt.png
倘若電腦白棋不知官子，為何下此處而不補左下角？
http://i.imgur.com/LHcxAqb.png
第三局，若電腦白棋不知官子，又如何知道96求先手後98檔？108點入後做活？
倘若原po說的沒錯，李世石下到後面豈不是都能半目負？
個人覺得不應該因為第四盤而小看電腦官子。
一般，根據過去電腦圍棋的經驗，官子一定是電腦最為擅長的。
畢竟排出先後手、比大小、分析死活後，一個演算法就能輕鬆排出最佳解。
這也是人腦官子的邏輯。
雖然alphago的演算法與過去不同，沒有詳細編碼能參考，
但也明顯未捨棄地域的參數。至於優劣就不清楚了。
: 這就是說用勝率計算的話
: 一個後手5目官子和一個後手3目官子對AlphaGO而言很可能都一樣！
: 因為改變不了比賽結局！
: 這樣一來在優勢的時候它很可能下鬆 不過還可以維持在安全運轉的範圍之內
: 因為它總是會選擇勝率大於50%的棋步......
: 但劣勢的情況下則可能變成像是完全隨機亂走！
: 因為官子不分大小看起來都是輸！通通都一樣！
: 這樣的話根本沒有辦法在劣勢情境下走出有效的抗衡手段 是非常嚴重的缺點！
: 我認為這個BUG的嚴重性可能會導致AlphaGO完全重寫
: 下一代的BetaGO(?)應該會重回以「子」或「目」作為基本計算單位的架構
: 然後再慢慢去養......
: 話說這個基本單位問題的取捨是很重大的議題
: 研究團隊應該有針對這個東西開發了幾個前期版本加以實驗才對...
: 我猜想以勝率為基本單位的優點
: 應該是在棋局前期根本無法換算出確定地的情況下 用勝率去判斷會比較靈敏？
: 無論如何這造就了一代佈局直覺狂勝人類的AlphaGO
: 衷心讚嘆Deepmind團隊對於棋藝的卓越貢獻！希望能繼續進步！
至於電腦的特點，相信各位經過幾天觀察也很清楚了。
電腦算機率，算可能性，畢竟是找出最適合夏法的直線型思考。
所以棋風硬直，輕巧處裡的不多。
對於打入的演算十分敏感
第一局的18,78, 102
第三局108
第四局的113
騰挪算是前中期極強的
第三局尤為出色
之所以稱為硬直是我的感覺，因為除了第三局的32算是極具輕靈色彩的好棋，其餘多數
，除了極愛尖衝外，都為硬碰硬的棋風。非常具有現代特色。
可偏偏許多鬼手妙手並不在機率之中。
https://www.youtube.com/watch?v=4JswWVN2NcQ
就看第五名(第一局)
這種一路死活相關的妙手在演算中就不可能出現。一沒地、二沒氣，正常算法都沒優勢。
更別說以前也沒什麼人下過，局勢也十分新穎。
電腦下的出才怪。
第四局的李世石妙手就是明證。
圍棋中也有很多時候，是十手、十幾手後有某個妙手，因此當下著法是惡手。
因此，圍繞著妙手惡手的設局，恐怕才是下贏電腦的關鍵。
有趣點在於，google究竟有沒有讓電腦參考古譜呢？