“奕星”存在的问题，江寒总结了一下。

一个是训练不够。

初代阿法狗在训练时，动用了几百块GPU。

对战李世石的版本，也动用了48块TPU、十几台高性能计算机。

训练时长更不是奕星能比的，至少都在半年以上。

其次，“奕星”在打造时，参考了初代阿法狗，其训练过程离不开人类棋谱。

在这种情况下，示范数据的质量，将极大影响它的成长。

甚至学到某些错误的着法，也不足为奇。

虽然有胡大力这样的行家帮忙，但收集到的棋谱数量仍不够充足。

并且其中有一些还存在质量问题，有滥竽充数的嫌疑。

这是手工筛选很难避免的。

最后，奕星欠缺了一点运气，无论现场发挥还是训练过程中，都不够幸运。

没错，“人工神经网络”的训练和运行过程中，包含着一定的运气成分。

复杂到这种程度的算法，人类只能掌握原理，但具体训练出什么东西，是没法完全读懂，并加以解释的。

对于人类来说，机器学习中的一些算法，其实自带“黑箱”属性！

有句“格言”在机器学习圈子里流传很广：

如果一个算法简单到能被大脑理解，又怎么能模拟复杂的大脑？

同理，如果一个算法连大脑都能模拟，那么其一定复杂到无法被大脑理解……

大概就是这么个意思。

落实到具体的点上，在这次对局中，大概率是“奕星”的“快速走子”模块出了问题。

在正常情况下，错误的下法会被“价值判断网络”否决，但在极其罕见的某些特定情况下……

比如：“快速走子”下出了问题手，然后在模拟后续走子时，“价值判定网络”认为其中一半情况对手大优，另外一半情况中，己方大优，平均下来己方略好……

Loading...

未加载完，尝试【刷新网页】or【关闭小说模式】or【关闭广告屏蔽】。

使用【Firefox浏览器】or【Chrome谷歌浏览器】打开并收藏！

移动流量偶尔打不开，可以切换电信、联通网络。

收藏网址：www.sisiread.com

(＞人＜；)