我是一個業餘演算法愛好者，棋力只有入門。
想以資工系出身的角度來分享一下我的感受和一些猜測跟對未來的期許。
我很想一一回應原文和回覆底下推文有關演算法的問題，
但AlphaGo論文已經在網路上公開那麼久，對演算法有興趣的人應該已經看過。
我想藉著比較偏哲學的開頭，再慢慢帶到我想說的東西，
試著用其他領域的東西來比喻我想表達的感受。
以下，正文。

深度學習產生的價值網路不就是你說的理論二嗎人類根本無法用這套理論去參透圍棋另外人類對弈的數量根本沒有辦法達到深度學習的門檻另外Aja也說過現在的AG已經能面對第四局的混亂情況改善的只是價值網路受訓再更久一點結論是現在電腦已經可以下出人類下不出的步數而且有些也無法完全被人類理解，這才是棋迷對於人機大戰著迷的地方

請問可借轉文於弈棋嗎?

你的意思應該是人類無法理解"並且是妙手"的棋吧那種根本已經是圍棋之神已經把所有變化都算清的境界任何heuristic的方法應該都達不到你說的境界吧目前棋界並不覺得四路肩衝是未來會下的步數這是只有電腦才會下的，因為違反了圍棋百年的棋理

理論一太老舊了，現在複雜的系統基本上都是理論二。機器學習的目標就是為人類無法言語描述的經驗法則找到適合的模型，通常這些模型的外在行為很聰明，可是內部找不到什麼規則一規則二這種條列式的人為指令

感覺神之一手是對手也要被抓到心理才成立圍棋始終是兩個人下的，假如小李心態都像第五盤不一定會是4比1的結果，或者說棋盤就是一樣大小，電腦算出勝率最高

第四盤修正請看#1NVtEFak

也就是能贏最多目，沒有衝突不可能去期待電腦盤面贏職棋20目吧？

像第三盤一開始就崩了就有可能啊XD

理論一和二的差別與效果無關，即使用理論二搞出來的系統，也有效果爛到不行的，兩者的差別是手段的不同這麼說好了，假設我用理論二發展出一個中英翻譯系統，結果非常好，所謂非常好，不就是人人都能理解翻譯後的語義嗎？哪有什麼境界不境界的所以說即使alphaGo下出來的棋讓高手都感到舒服，你也不能因為招法還是被人認同就說alphaGo 的境界不到理論二

謝謝，已轉 https://goo.gl/ca1NkQ

那理論一二的差別豈不是變成自由心證了，沒聽過這種分類方式，用人對結果佩不佩服來分類工程方法，不是不可以，只是這樣來說，就只是個人主觀的分類，哪裡還有“理論”？不如說我把演算法分成兩種，一種是我佩服的，一種不是

這樣就不合邏輯了，電腦是能擺出後續手段的電腦不可能故意下自己已經算到虧目還下要說小李神之一手並不成立，電腦沒理而已但電腦最後把自己下輸，原因不是對手正確

你講的大部分都不錯，我只有一點想小修正建議的是你對於文

而是自己計算一直錯誤，但87手發現時，已經無法挽回

中理論一跟二的分界定為「人能否理解」這點是有待商榷的因為我們並不知道神之一手位在多高的高度。如果那個高度並沒有想像中那麼遠，則人類終究可以解釋所有著手（就算自己下不出來）的可能性是存在的。若此，則不能用人是否無法理解來做為分界。而且圍棋的本質是計算，就理論上只要給人類無限的時間，所有著手都可以被理解並解釋（即便可能為了解釋一手棋就寫出厚厚一本書）故此我認為你所謂理論一跟二的分野是很薄弱的，而且事實上並不重要，你大可把這部分論述移除也不影響你整篇講得不錯的內容。加了那部分其實反而增加了一些閱讀困難。當然我可以想像你為何會做出這種分界方式的脈絡，因為你認為人類會傾向於整合規納某些規則來進行解釋，所以有可能會發生無論如何難以整合歸納的著手。只是你忽略了人類也有用窮舉來解釋分析著手的能力，而有這個能力就表示給予無限的時間下所有著手都可以被解釋。

machine learn的做法比較偏2 人類幾乎無法理解機器如何達到現在的決策網路而不是由預先設計好的演算法在執行電腦有沒有辦法下出人類無法下出的一步棋？沒辦法呀 棋盤位置電腦能下的人都能下....只是alpha go 左右互搏了三千萬局以上再怎麼跟人類下 統計意義應該都不大針對人類棋手最佳化也太冒險了

電腦判斷情勢的規則不需要由人給電腦要下贏棋 也不見得需要所謂的"理解"