※ 引述《raiderho (冷顏冷雨)》之銘言：
: 依本文說法，AlphaGo的臭棋 (人類認定) 有三種可能性，而且都已經發生了：
: 其一，在電腦判定的獲勝機率已經非常高時，
: 不同下法對機率的影響會鈍化，可能只是99.9%與99.91%的差別而已，
: 而算法設計可能會讓非最佳解更容易被隨機挑到。
: 這種非最佳解，就是真正的臭棋 (邏輯上為嚴格劣勢策略)。
: 然而，若以上敘述為真，當電腦下出明顯臭棋時，電腦應該已經大幅佔優了。
: 相反的，情勢還在膠著時，下錯會讓獲勝機率大幅降低，
: 臭棋被挑中的機率近乎為零，這時，我們會看到非常緊繃的對局。
: 這一點呼應「遇強則強，遇弱則弱」。
: (最後一句不是指李和樊的差距，因為電腦棋力這幾個月增加不少)；
我覺得要從程式碼方面下手了
首先就是阿發狗所謂的"勝率"是怎計算出來的?
不外乎用盤面上所得到的資訊轉換成數據
再代入勝率函數得到每一點的勝率
那這個函數適用於任何盤面嗎? 沒有任何邏輯漏洞和盲點?
算出來的勝率沒有誤差? 如果有個點勝率是70%
具體來說應該是下了這個點跑到結束N次 有0.7*N次會贏
但明明就還沒下完 也不知道對方會怎下
所以只要能騙過電腦 讓他一直下到誤判勝率的棋
阿發狗就會輸到怎死的都不知道了
問題是要怎騙過阿法狗?
我 不 知 道 !

問題是現在是電腦丟出讓人誤判局勢的子比較多吧你都判不出電腦的騙子 怎麼可能反騙你的內容剛好就是阿發最厲害的武器啊XD

他的類神經網路太難分析了 只看程式碼沒用

人類要把超級電腦運算的東西看過一遍，頭髮就白了AG的電腦運算速度估計有10^15浮點運算，你看得完嗎?

由這種類神經網路弄出來的，通常都只能知道結果，而沒辦法準確了解為什麼

其實承認電腦比人強也沒什麼 複雜的數學運算一但用電腦程式建立一樣比最強數學高手準確 也沒什但是這種對戰就顯得有點無趣 沒有心理素質好像葉問跟阿諾機械人對打...

因為AG的演算法是選勝率最高，而不是選贏最多目的設定

Deep Learning 需要有data來train參數 光看程式碼不一定調得好

Alphago的邏輯沒錯，因為每一步棋後續還會有許多發展，不會只有百分之九十機率贏一目，百分之十輸棋兩種狀況。實際情況是贏半機率XXX，贏一目半XXX，贏兩目半XXX........，輸半目機率XXX，輸一目半XXX......。比較恰當的說法是這樣。當第一種情況是勝率90%，期望值贏一目。第二種是勝率70%，期望值贏五目。Alphago會選擇前者。