如何向一个科盲解释阿法狗算法的复杂性

如何向一个科盲解释阿法狗算法的复杂性

阿尔法围棋（AlphaGo）的主要工作原理是“深度学习”。“深度学习”是指多

层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。　

主要包括4个部分：
1. 走棋网络（Policy Network），给定当前局面，预测/采样下一步的走棋。
2. 快速走子（Fast rollout），目标和1一样，但在适当牺牲走棋质量的条件下，速度要比1快1000倍。
3. 估值网络（Value Network），给定当前局面，估计是白胜还是黑胜。
4. 蒙特卡罗树搜索（Monte Carlo Tree Search，MCTS)，把以上这三个部分连起来，形成一个完整的系统。

阿尔法围棋（AlphaGo）是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。

博弈圣经著作人的理论学说；什么是“蒙特卡罗树”？“蒙特卡洛树搜索”也就是一种0、1、二维突然莫名其妙加一个时间，变成了3叉作为策略，蒙特卡罗树搜索并不是量化，也是一种瞎猜，如同算卦，根本就没有办法运算，就是唬弄傻吊的八卦图。