所以咱们就要问了，连电脑操作起来都这么难，人类是怎样处理这个问题的？其实，人类是靠直觉的，而围棋一开端便是一个靠直觉而非核算的游戏。所以，假如你问一个象棋选手，为什么这步这样走，他会告知你，这样走完之后，下一步和下下一步会怎样走，就能够到达什么样的意图。这样的方案，有时分或许不尽善尽美，可是最少选手是有原因的。

可是围棋就不同了，假如你去问国际级的大师，为什么走这一步，他们常常答复你直觉告知他这么走，这是真的，他们是无法描绘其间的原因的。咱们经过用加强学习的办法来前进人工神经网络算法，期望能够处理这一问题。

咱们企图经过深度神经网络仿照人类的这种直觉行为，在这儿，需求练习两个神经网络，一种是决议计划网络，咱们从网上下载了成百万的业余围棋游戏，经过监督学习，咱们让阿尔法狗仿照人类下围棋的行为；咱们从棋盘上恣意挑选一个落子点，练习体系去猜测下一步人类将作出的决议。体系的输入是在那个特别方位最有或许发生的前五或许前十的方位移动。这样，你只需看那5种～10种或许性，而不必剖析一切的200种或许性了。

一旦咱们有了这个，咱们对体系进行几百万次的练习，经过差错加强学习，关于赢了的状况，让体系意识到，下次呈现相似的景象时，更有或许做相似的决议。相反，假如体系输了，那么下次再呈现相似的状况，就不会挑选这种走法。咱们建立了自己的游戏数据库，经过百万次的游戏，对体系进行练习，得到第二种神经网络。挑选不同的落子点，经过置信区间进行学习，选出能够赢的状况，这个几率介于0-1之间，0是底子不或许赢，1是百分之百赢。

经过把这两个神经网络结合起来（决议计划网络和数值网络），咱们能够大致预估出其时的状况。这两个神经网络树，经过蒙特卡洛算法，把这种原本不能处理的问题，变得能够处理。咱们收罗了大部分的围棋下法，然后和欧洲的围棋冠军竞赛，成果是阿尔法狗赢了，那是咱们的第一次打破，并且相关算法还被宣布在《天然》科学杂志。

接下来，咱们在韩国设立了100万美元的奖金，并在2016年3月，与国际围棋冠军李世石进行了对决。李世石先生是围棋界的传奇，在曩昔的10年里都被以为是最尖端的围棋专家。咱们与他进行对决，发现他有十分多立异的玩法，有的时分阿尔法狗很难掌控。

竞赛开端之前，国际上每个人（包含他自己在内）都以为他一定会很轻松就打赢这五场竞赛，但实践成果是咱们的阿尔法狗以4:1取胜。围棋专家和人工智能范畴的专家都称这具有划年代的含义。关于业界人员来说，之前底子没想到。

4. 棋局哪个要害区域被人类忽视了？

这关于咱们来说也是终身仅有一次的偶尔工作。

这场竞赛，全国际28亿人在重视，35000多篇关于此的报导。整个韩国那一周都在环绕这个论题。真是一件十分美好的工作。关于咱们而言，重要的不是阿尔法狗赢了这个竞赛，而是了解剖析他是怎样赢的，这个体系有多强的立异才干。

阿尔法狗不仅仅仅仅仿照其他人类选手的下法，他在不断立异。在这儿举个比方，这是第二局里的一个状况，第37步，这一步是我整个竞赛中最喜爱的一步。在这儿，黑棋代表阿尔法狗，他将棋子落在了图中三角标出的方位。为什么这步这么要害呢?为什么咱们都被震动到了。

图左：第二局里，第37步，黑棋的落子方位

（图右：之前形似陷入困境的两个棋子）

其实在围棋中有两条至关重要的分界线，从右数第三根线。假如在第三根线上移动棋子，意味着你将占据这个线右边的范畴。而假如是在第四根线上落子，意味着你想向棋盘中部进军，潜在的，未来你会占棋盘上其他部分的范畴，或许和你在第三根线上得到的范畴适当。

所以在曩昔的3000多年里，人们以为在第三根线上落子和第四根线上落子有着相同的重要性。可是在这场游戏中，咱们看到在这第37步中，阿尔法狗落子在了第五条线，进军棋局的中部区域。与第四根线比较，这根线离中部区域更近。这或许意味着，在几千年里，人们轻视了棋局中部区域的重要性。