1. 據說 AlphaGo用到的Neuro Network深達13層
有任何穩定性的報告或是說明嗎？
2. 圍棋的勝敗至少包括兩種，一種是壓著打或是完勝，另一種是反敗為勝
AlphaGo的設計應該是循著第一條路線
問題是餵它的千萬盤訓練用人類棋譜卻包含非常多第二類棋譜
反敗為勝的棋譜應該非常多用的是勝負手(或是無理手)
不曉得這會不會是AlphaGo昨天崩潰的原因？
3. 以現在AG的能力，它應該可以先歸類/分群 將之前訓練的棋譜分開
重新訓練時只採用第一種壓著打或是完勝的棋譜
也許就不會有無理手的出現了 (或數學上 讓它的系統參數穩定)

AG設計團隊的理念應該是要盡量消除人類的影響因素 (?

好像有可能

所謂的13層應該是指AG的神經網路中的隱藏層有13層吧

2.3點不會有衝突嗎?

我覺得很多人都想太多了, AlphaGO 根本不是在下圍棋

中間的參數設定沒看到有人介紹過(多數人應該也沒興趣)

誰也不知道之後棋譜洗掉的alphaGO會變的如何？希望是成為以宇宙流為主的棋手，但人類就難以模仿

如果演算法真的能創造出典範轉移 難以模仿也可以喲~~期待今後AlphaGo發展出宇宙流的死活題給大家解

簡單來說昨天ag應該是沒有意識到出棋了 才會下ㄧ堆損棋

3.的話誰來判斷呢？2.的話我覺得會有負面影響，但自我學習有機會把那些負面影響扳回來

3的確是棘手的問題，大數據的labelling，可用value network試試