对于，围棋这种深度学习要求的目标函数，没有一个简单的求解公式，那怎么办？只能求助于迭代，随机梯度下降迭代（SGD），就像爬山，每往上走一步，都是接近山顶一点点，或者叫摸着石头过河。毕竟机器的计算能力强，这种数值计算，是它的强项，就让它拼命的算，直到算到一个还算满意的结果。这回知道了吧，为什么 GPU 这种东西来做这种重复简单的计算。这么说来，是不是有点“笨”。就像我们一个公式不会解时，就从1开始带入计算，看看是不是满足条件。或是，做选择题有四个选项，每个选项代入公式算一下。

　　这些玩意儿，都是线下用大量数据，做大量的辛苦计算得到的，赚的是不是辛苦钱呀。那么，在真正下棋的时候，用它们就能减少或是已经预算了很大的搜索空间，不好的状态，不好的棋子，就不用花时间去看了。在平时不比赛的时候，机器也不会闲着，毕竟还有很多状态没有尝试过，毕竟那些暂时认为不好的棋子不一定最后不好，那怎么办？

　　AlphaGo 有自己的想法，它求助于强化学习，也就是self-play，或是左右手互搏，来提前尝试更多的搜索空间，减少未知空间，同时通过深度学习的网络模型记录下来，提高前面两个模型网络的效果，那么真正下棋的时候就能用上。这就是平时多努力，atv，老大不白头。这种劳模的精神，在现实生活中，有时会不会被认为时有点“笨”，只会死干。

　　在强化学习的算法中，也需要大量的迭代计算，以求得到最优的期望值，也就是达到收敛。这种“笨”办法，效果还不错。

　　有了这些，机器就能玩的可以了，但是，毕竟还有很多的空间没有尝试过，也不能保证当前的模型预测的每一步都是最优，因而，AlphaGo 心里不是特别有底气。那怎么办？这时，机器需要求助于蒙特卡洛了，就是在下棋的过程中，以当前的状态为起点，在有限的时间内，尽量多的再探索一些搜索空间。这个探索的办法，就是暴力采样，一个一个的试，这么看来，是不是有点“笨”。

　　具体来说，“蒙特卡洛树搜索”是一种启发式的搜索策略，能够基于对搜索空间的随机抽样来扩大搜索树，从而分析围棋这类游戏中每一步棋应该怎么走才能够创造最好机会。来个通俗的解释，假如筐里有100个苹果，让你每次闭眼拿1个，挑出最大的。

　　于是你随机拿1个，再随机拿1个跟它比，留下大的，再随机拿1个……你每拿一次，留下的苹果都至少不比上次的小。拿的次数越多，挑出的苹果就越大，直播，但你除非拿100次，否则无法肯定挑出了最大的。

　　这个挑苹果的算法，就属于蒙特卡罗算法，尽量找好的，但不保证是最好的。想像这个拿苹果的场景，是不是就感觉累，而且有点“笨”，然而，对于机器来说，它可是要做巨多的这种尝试。确实是劳模。

　　好了，好了，AlphaGo 如果你不“笨”，能和人类一样，触类旁通就牛逼，能不能玩一些人类很容易适应的新玩法，还是围棋，比如，将棋盘改成一个比19大的，或是改变下棋时的一个小小规则，这样，也许能更好得证明不“笨”。这个场景，涉及到另外的一个机器学习领域，就是迁移学习。人类，好像特别擅长。

　　这么看来，你是不是也感觉 AlphaGo 其实挺“笨”的，这个“笨”，其实是人类把自己能解决此类问题，用的最聪明的“笨”办法教给机器了。至少到现在为止，AlphaGo，在还没有像爱因斯坦的E＝MC2的美妙数学公式发明前，也是最聪明的了。

　　期待不久的将来，AlphaGo 能“抛弃”人类教他的“笨”办法，和爱因斯坦一比高下。那时，让人类真正体验到你的自有的智慧和聪明。

「工作让我快乐」是真是假？

来「虎Cares职场物欲清单」里找找办法

请关注请爱护，跟茶水间主任一起得闲饮茶