第430部分 (第1/5頁)
童舟提示您：看後求收藏（品書網www.vodtw.tw），接著再看更方便。
李世石也不和他客氣，其他人在那兒圍著他聊，他抓緊時間吃晚飯。
江南會提供的伙食，那也絕對是華夏料理的巔峰，為了不落口實，這幾天對李世石的招待可謂是極盡奢華。但龍肝鳳髓吃在嘴裡，李世石都覺得沒什麼味兒。
還不如贏比賽的時候灌兩口辣泡菜痛快。
黃教授和他的助手依次給李世石講解：
“阿爾法go雖然不如初行完善，但是官子肯定是沒問題的。想你們今天這盤棋下到220手才分勝負。實際上170手之後的最後50手，如果雙方都是機器人，結果肯定是下多少遍都不會變的，而且只要15分鐘就能下完那50步。”
正常人類下圍棋，最後50手雙方加起來怎麼也要1個多小時，而機器人15分鐘搞定，相當於起碼可以比人類下棋節約1個鐘頭的總比賽時間。
這些時間就可以更好地分配到前面的步驟中去，每人多半小時思考。
至於第二天具體李世石走到多少步之後徹底雙放手交給阿爾法go，李世石準備吃完飯稍微和阿爾法狗試幾個150手左右的中盤殘局——從他本人歷史上和對手下的比較膠著的棋局中挑——來試試看阿爾法go的水準。
“另外，阿爾法go在佈局階段也談不上什麼能力，只能是給你一些參考定式，你看了之後挑出其中最好的一個結果就行——我們只能保證，最好的結果肯定在那個八屏選項之內，但是具體是哪一個，阿爾法go判斷不出。”
“阿爾法go也有做‘價值判斷網路’這個工具，到時候在給出機器意見之後，會在螢幕上打出一個判斷，告訴你‘這一步是絕對不可能有更好的解法’了，還是‘機器也不知道誰最好，只是沒時間想暫時覺得這個最好’。所以那些機器肯拍胸脯告訴你這就是最佳答案的步驟，你也可以省掉一些思考時間。”
李世石聽到這兒，停下了筷子，親口向黃教授確認了這玩意兒的運作法則。
黃教授也不藏私，坦蕩地告訴他：阿爾法go裡面其實是有兩套走子演算法的，第一套是絕對窮盡最佳可能性的演算法，但是耗時非常巨大。哪怕以如今谷歌的雲端伺服器群和積累的棋局大資料，也要很久才能算一步棋。
畢竟，圍棋是如今人類傳統棋類運動中，計算量最大的。圍棋的可能性相比於國際象棋和象棋，根本就是一個天文數字。
所以，阿爾法go的深度學習，主要還體現在一點上：發現演算法一會嚴重超時的時候，它會做出一個省時的判斷，下一個不算太差的子。而這種猴版省時演算法只要第一類窮盡演算法的數百分之一時間就夠了。
李世石吃完飯，用了點茶水，略作休息，就和黃教授的團隊鑽研起磨合之法。
不過，他終究是沒辦法和顧莫傑那樣的人工智慧本領域大能，比試對人工智慧的理解程度和配合程度的。
多年形成的習慣，更不是幾個晚上可以扭轉。
臨陣磨槍一番，最後也不過是讓李世石在第二天的比賽中省出大約1個小時的思考時間、節省了不少腦力。
就像一個考高數的考生，被允許帶計算器。但是計算器並不會解高數題，只能幫答題者省點時間，減少些低階錯誤。
……
全世界的目光，繼續凝望在江南會這一片池館雅閣之間。
數十億人次的曝光量，形成了比世界盃決賽還強的高光時刻。
谷歌出手了！終於不是人機打真人，而是人機打人機！
雙方都是最終完全體的終極對決！
12月23日，第三戰！
顧莫傑執黑，回到了古力流的“對李先行大勝率”模式。開局一陣天馬行空的猛烈佈局，把李世石的發揮空間驟然限縮了二三十手，
