元霄很满意，小辰逸果然给力。



    方旭尧不甘示弱，毕竟是全国智商最高的人：“有点像剪枝的行为。”



    “没错，”和聪明人说话就是省事，元霄笑眯眯的，“就是剪枝。”



    一颗盆景，树干分支出去，有很多树枝。



    元霄要做的，就是把没有必要的剪去，留下有用的。



    通过这样的手段，压缩计算的范围和量，从而让程序能够顺利进行下去。



    柯杰点头：“概念的置换，得到当前局面的最优解，而不是整盘棋的最终解。”



    这两者是天差地别的。



    但是，只要从开始，计算机下的每一部，都是当前的最优解，累积起来，也就成了整盘棋的最优解。



    ?傲世指数+8888



    看看，这随便弄几下，就把柯杰给震出惊了。



    可惜的是，学生们大部分对元霄都不感冒。



    这就是收集傲世指数困难的地方。



    看来只有等成品问世，对他们才能收割一波。



    任务有坑啊。



    柯杰兴趣很浓：“那么问题在于，如何筛选出这样的点。”



    “所以，我们需要对算法进行加成。”元霄解释。



    围棋棋盘上的一个点，可以用数值表示它的状态。



    比如有白棋是1，有黑棋是-1，没有棋就是0。



    这是最基础的。



    如此一来，就可以对整个棋盘361个点，建立数学数值。



    然后，程序就可以对这群数值进行反复的运算。



    元霄画出一个概念图：“第一个我们需要的是，可以称为策略神经网络。”



    策略神经网络的作用，是判断当前局势下，下一步棋下在哪里最合适。



    元霄认为，这里的选点，可以参考人类棋手的棋谱。



    模仿人类棋手的思考模式，快速将一些低概率的点淘汰掉。



    柯杰叹了口气：“看来，到时候我还要提供目前为止所有人类的对局棋谱了。”



    理论上而言，棋谱数量越多，策略神经网络的成熟度也越高。



    “这一点，我们让计算机自主学习。”元霄指出其中的关键。



    反复推演学习的结果，将会使策略神经网络更加强大，选点更为准确。



    “而要做到这一步，还需要另外一个神经网络的结合。”元霄写下一个公式。



    价值神经网络。



    其作用是能够计算出，每个选点的胜率。



    每一步都进行这样的估值判断，直到棋局的结束，得到最精准的胜率数值。



    而同样，这东西也可以自己学习。



    总结起来其实很简单。



    就是模拟人类下棋的思维。



    首先判断在哪些地方可以下，每个地方的胜率是多少。



    然后对这些选点进行集中计算，推演出最后的结果。



    每一步都这么执行。



    那么得到的每一手，自然就是最佳的下法。



    如果说一开始柯杰觉得元霄说的是天方夜谭。



    到了现在，他感觉这东西并不是完全不可能实现的了。


本章还未完，点击下一页继续阅读>>>