把这个两个结合起来，就是AlphaGo的树搜索。通过策略网络选出几个可能的路径，然后对这些路径进行评估，最后把结果提交给树顶。这个过程重复几百上千次，最后AlphaGo得出赢棋概率最高的一步。

　　新策略/价值网络如何炼成

　　那么新的新策略/价值网络，到底强在哪里？

　　AlphaGo Master这次成了自己的老师，用席尔瓦的话说，这位围棋AI是自学成才。它从自我对弈的棋局里进行学习，积累了最好的训练数据。“上一代AlphaGo成为下一代的老师”席尔瓦形容道。

　　通过AlphaGo的自我博弈，不断吸取经验、提高棋力，这一次AlphaGo用自我对弈训练出的策略网络，可以做到不需要更多运算，直接给出下一步的决策。

　　这种改变明显减少了对计算力的需求。

　　另一个价值网络，也是基于AlphaGo的自我对弈进行训练，通过对弈后的复盘，价值网络能够学到哪一步是关键所在。通过高质量的自我对弈，训练价值网络预测哪一步更重要。

　　席尔瓦表示：“在任何一步，AlphaGo都会准确预测如何能赢”。

　　这个过程不断反复迭代，最终打造了一个更强大的AlphaGo。自我博弈，带来数据质量的提高，从而推动了AlphaGo的快速提升。

　　如此前一样，DeepMind证实也会公布这一代AlphaGo的相关论文。更多的细节，我们可以期待Deepm稍后的发布。

　　攻克智能，解决问题

　　AlphaGo来自DeepMind。2010年DeepMind在伦敦成立，目前有500名员工，其中一半是科学家。哈萨比斯说，DeepMind要把人工智能科学家、数据和计算力结合在一起，推动人工智能的发展。

　　△哈萨比斯

　　这家公司的愿景：第一是攻克智能。第二是用智能解决所有问题。

　　换句话说，DeepMind的目标是构建通用人工智能。所谓通用人工智能，首先AI具备学习的能力，其次能举一反三，执行各种不同的任务。如何抵达这个目标？哈萨比斯说有两个工具：深度学习、强化学习。

　　AlphaGo就是深度学习和强化学习的结合。AlphaGo也是DeepMind迈向通用人工智能目标的一步，尽管现在它更多的专注于围棋领域。

　　哈萨比斯表示，j2直播，希望通过AlphaGo的研究，让机器获得直觉和创造力。

　　这里所谓的直觉，是通过体验直接获得的初步感知。无法表达出来，可通过行为确认其存在和正误。

　　而创造力，是通过组合已有知识产生新颖或独特想法的能力。AlphaGo显然已展示出了这些能力，尽管领域有限。

　　“未来能够看到人机结合的巨大力量，人类智慧将被人工智能放大。”哈萨比斯说。目前AlphaGo的技术已经被用于数据中心，能节约15%的电能；另外也能被用于材料、医疗、智能手机和教育等领域。

　　尽管已经连战连捷，AlphaGo仍然有继续探索的空间。哈萨比斯和DeepMind仍然想在围棋领域继续追问：我们离最优解还有多远？怎样才是完美棋局？

　　当今社会已有越来越多的数据产生，然而人类往往无法通过这些数据了解全局的变化，在这种情况下人工智能有可能推动科研继续进步。

　　一切正如国际象棋棋王卡斯帕罗夫所说：

　　“深蓝已经结束，AlphaGo才刚开始。”

　　专访全文

△哈萨比斯、席尔瓦接受量子位等专访

　　提问：在Master已经对包括柯洁在内的人类棋手60连胜之后，举办这场比赛的意义在哪里？