阿尔法围棋的程序原理
发布网友
发布时间：2022-04-22 07:01
共4个回答
热心网友
时间：2022-06-17 03:09
阿尔法围棋（AlphaGo）是一款围棋人工智能程序。这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。 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。
这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。这个处理器有大量的随机性元素，所以人们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。
第一大脑：落子选择器 （Move Picker）
阿尔法围棋（AlphaGo）的第一个神经网络大脑是“监督学习的策略网络（Policy Network）” ，观察棋盘布局企图找到最佳的下一步。事实上，它预测每一个合法下一步的最佳概率，那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。
第二大脑：棋局评估器 （Position Evaluator）
阿尔法围棋（AlphaGo）的第二个大脑相对于落子选择器是回答另一个问题。不是去猜测具体下一步，它预测每一个棋手赢棋的可能，再给定棋子位置情况下。这“局面评估器”就是“价值网络（Value Network）”，通过整体局面判断来辅助落子选择器。这个判断仅仅是大概的，但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”，AlphaGo能够决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行，那么AI就跳过阅读在这一条线上的任何更多落子。
热心网友
时间：2022-06-17 03:09
谷歌为AlphaGo设计了两个神经网络：“决策网络”（policy network）负责选择下一步走法， “值网络”（value network）则预测比赛胜利方，用人类围棋高手的三千万步围棋走法训练神经网络。与此同时，AlphaGo也自行研究新战略，在它的神经网络之间运行了数千局围棋，利用反复试验调整连接点，完成了大量研究工作。
热心网友
时间：2022-06-17 03:10
和传统的围棋程序相比，阿尔法并不计算所有的分支，而是选择某一些分支进行计算，这就类似于人的思考方式了
热心网友
时间：2022-06-17 03:10
http://ke.baidu.com/link?url=TG7PHAuzd9cy_nZZPHFdLlFad0B78fpogf2Bcd3pUPE7daLiQwoQyfiGfpJnxVCEwcOlB8RbYxqNwz-5e9HrPt_iijRM9hBVRZltGNbzj5gYiBwPzCWxniH03hbOaeLq9AfvkhKOfwV6NRsqjeBWD-gFTCFTsAIESHC-QtlvTjQkBjVdyx0OabGNFzlVee3D
百度百科，我觉得已经解释的很清楚了吧，你再想深层次了解，可以去学计算机相关专业。其实就是每下一步对盘上的点进行价值评估，得分高的就采用。
