Max11 的內容，很多 CS, ML, NN 等高手不能接受，
人類最頂尖職業棋手就是輸了沒錯，(捲積)類神經網路,MCTS,SVM等方法效用無窮，
高手們認為不懂技術問題的人，才會想替人類尊嚴找理由，
不可否認頂尖職業棋手整體表現，經過三盤對局，遠遠比不上 AlphaGo，
但是我想也許有其他一些人，認為好的演算法 H 在差勁的硬體上執行，
輸給普通的演算法 M，在強悍硬體上執行的效率，無法推得演算法 H 比 M 差，
最好的比較方式當然是把 H 和 M 放在同一個平台上執行比較效率，
但是無法放在同個平台時，該怎麼比較演算法的執行效率呢？
另一個有趣的議題是，是否可以更有效用更少的練習盤數達到現在 AG 的效果呢？
類似地，其他演算法(可能是 H), 3000w 自弈能否達到比 AG 高的棋力？
這應該不失為可以討論的議題，不過在 GO 版不太合適，有 AI 版嗎？
※ 引述《Max11 (從來沒有)》之銘言：
: 其實alphago能勝李九段，也不過靠著幾千萬或億盤的經驗累積，從中獲取最大勝機的棋
: 步。如果普通人類擁有相同的對奕局數，一定也能達到同樣的境界。即所謂practice mak
: es perfect.
: 所以李是輸在經驗值比不上alphago，如果他也自我對練三千萬盤，或許勝負猶有未知。
: 但這種靠無數次經驗來獲勝的圍棋，只能說離p=np還很遙遠。
: 真正能超越人腦，不是用窮舉或演算法的ai,而是只知道規則，完全沒練習經驗的ai,靠著
: 解析法或直觀，獲取致勝的棋路。
: 如果真有這種ai,alphago除非窮盡圍棋，也只是被慘電。
: 人類也有這樣的，稱為天才。學棋3個月就勝職棋，這才是人腦可怕之處。
: alphago頂多只能算有無數經驗和運算力的人工智慧，只能說以量取勝。還不能說勝人腦
: 。

H == M

alphaGO是使用演繹法吧

?1" target="_blank" rel="nofollow">
?1

進入學習效率的議題就跟你的train set的擷取有關了這正是google最擅長的領域

還有HangTen