阿爾法圍棋程序工作原理？AlphaGo是一個圍棋人工智能程序。這個程序用“價值網絡”來計算形勢，用“策略網絡”來選擇下一步。阿爾法圍棋程序的工作原理？AlphaGo是一個圍棋人工智能程序。這個程序用“

阿爾法圍棋程序工作原理？

AlphaGo是一個圍棋人工智能程序。這個程序用“價值網絡”來計算形勢，用“策略網絡”來選擇下一步。

阿爾法圍棋程序的工作原理？

AlphaGo是一個圍棋人工智能程序。這個程序用“價值網絡”來計算形勢，用“策略網絡”來選擇下一步。圍棋(AlphaGo)就是通過兩個不同的神經網絡“大腦”的合作來提高下棋水平。這些大腦是多層神經網絡，結構類似于谷歌圖像搜索引擎識別的那些圖像。他們從多層啟發(fā)式二維過濾器入手，處理圍棋棋盤的定位，就像圖片分類器網絡處理圖片一樣。過濾后，13個完全連接的神經網絡層對他們看到的東西產生判斷。這些層可以進行分類和邏輯推理。

這些網絡通過反復訓練來檢查結果，然后校對調整參數(shù)，使接下來的執(zhí)行更好。這個處理器有很多隨機元素，所以人們不可能確切知道網絡是如何“思考”的，但更多的訓練可以讓它進化到更好。

第一個大腦：移動選擇器

AlphaGo的第一個神經網絡大腦是“監(jiān)督學習的策略網絡”。觀察棋盤的布局試圖找到最好的下一步。事實上，它預測了每一個合法的下一步的最佳概率，所以第一個猜測是概率最高的一個。這可以理解為“下拉選擇器”。

第二個大腦：位置評估者

AlphaGo (AlphaGo)的第二大腦回答的是另一個相對于下拉選擇器的問題。它不是猜測具體的下一步，而是預測每個棋手贏棋的可能性，然后給出棋子的位置。這個“形勢評估器”就是“價值網”，通過判斷全局來輔助后選人。這個判斷只是大概，但是對提高閱讀速度很有幫助。通過對“好”和“壞”的潛在未來情況進行分類，AlphaGo可以決定是否通過特殊的變體進行深度閱讀。如果情況評估者說這個特殊的變體不好，那么AI將跳過閱讀這條線上的任何更多移動。