※ 引述《nnlisalive (nnlisalive)》之銘言：
: ※ 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 !
以前的圍棋程式所用的蒙地卡羅演算法
它的原理簡單的說
就是在目前的棋盤上，下了某一子之後
隨機開始落子，直到最後一子結束
最後判斷是黑勝還是白勝
之後重複N次的隨機落子，然後看這N次裡面，黑勝幾次，白勝幾次
這樣就可以判斷下這一子的勝率為何
當然我們知道，黑白相互交錯隨機落子，變化總共有361!=10^768
就算是雙方各下100步之後的情勢，也還有161!=10^286
基本上都是超級天文數字，電腦不可能做全部的隨機事件
所以電腦基本上只能做到有限的N次隨機次數
基本上圍棋盤面的真正變化次數跟電腦運算可隨機的次數差距越小
獲得的機率數值就越可能接近正確值
https://youtu.be/KMkjtZtGBsE
(網路有用蒙地卡羅法求π，看完大概就可以了解以上這段)
所以以前的圍棋程式
在初期布局的時候常會下出讓人類覺得很可笑的布局
越到後面變化越少時，則正確率越高
AlphaGO當然是超級進化版
它利用了類神經網路的學習，參考了人類棋譜
並自己跟自己對下累積了數千萬盤棋
練出了所謂的"直覺"，可以把一些荒謬的落子排除掉
(例如第一手八七這種荒謬的棋步)
大幅度減少了隨機事件，使得演算法推估勝率能更為準確
真正理論上的「圍棋上帝」是使用窮舉法的暴力演算
其運算變化是個天文數字，依照目前的電腦是辦不到的
所以AlphaGo絕對不是「圍棋上帝」
不過也不要因此小看了AlphaGo
簡單的問題讓大家想想吧
A=(10^768- 10^265)/(10^768)
A這個數字我們都知道不是100%，但它跟100%有什麼不一樣?