第181章 绝艺如君天下少
第181章绝艺如君天下少
听起来围棋跟人工智能八竿子打不着。
为什么围棋方面的一次人机大战会带火人工智能呢?
这可能跟围棋的机制有关系。
围棋虽然一向被认为是目前世界最复杂的棋盘游戏之一。
但围棋基本规则很简单。
围棋盘是方形的,由纵横各19条线组成。
19╳19形成了361个交叉点(以下简称为点),棋子就下在这些点上,在边、角、中腹任何一点都可以下。
下棋时棋子要下在棋盘的交叉点上,棋子下到棋盘上之后就不能再移动位置了。
黑先下子,黑子下一个,白子下一个,一直到最后,看哪一方占的地盘多哪一方为胜。
当然了,具体如何衡量占的地盘多寡,不同国家规则并不完全相同。
尽管围棋的规则很简单,但是这并不妨碍围棋棋局千变万化。
据称一局围棋中可能出现的变化比宇宙中全部的原子数目还要多。
在这种情况下计算机想通过穷举得出一局游戏中所有可能出现的变化是不太现实的。
程序想取得更高的效率只能在算法上做文章。
然而即便是利用算法,涉及到围棋方面:
电脑要在围棋中取胜比在国际象棋等游戏中取胜要困难得多。
因为围棋的下棋点极多,分支因子远多于其他游戏。
而且每次落子对情势的好坏飘忽不定。
在这种情况下传统的算法很难奏效。
别说传统的算法了,就是一般的人工智能方法都很难奏效。
诸如暴力搜索法、Alpha-beta剪枝、启发式搜索的传统人工智能方法这些在围棋中都效用不大。
正因为在技术层面困难重重。
前世虽然在97年的时候,在国际象棋层面人工智能就击败了人类顶尖棋手。
但在围棋方面,人工智能却一直折戟沉沙。
直到在击败国际象棋方面的顶尖高手18年之后。
人工智能才在围棋方面第一次击败了来自宇宙国的围棋九段高手。
这件事在前世也被解读为“在任何一个单项领域,机器都有可能远远的领先人类。”
虽然这种说法的正确与否还无从评判。
但不可否认“人工智能”这个概念就是在李世石和阿法狗AlphaGo的那次人机大战之后才突然火了起来。
这次对战影响不仅仅局限在研究人工智能的那个小圈子里。
而是引起了整个社会对人工智能极大的讨论。
反正林灰记得前世16年3月那段时间里,新闻、微博充满了AlphaGo和人工智能。
有讨论技术的,也有展望未来的,也有看到商机准备下场的……
当然,这喧闹的一切背后不排除有运作的可能。
毕竟据林灰所知,围棋其实主要流通于东亚这一带,并不是世界范围内高度流通。
而即便是在中國、岛国、宇宙国这样的围棋流通还算可以的地方。
普通人里面围棋爱好者的比例也不算太高。
即便有的稍微懂点规则,涉及到诸如劫争之类稍微麻烦点的也说不太清楚了。
林灰姥爷是围棋迷,之前还定过段。
林灰在其熏陶下对围棋也算很了解,大概业五这样的水平吧。
即便如此林灰从来不自诩擅长围棋。
毕竟业五面对真正的职业九段普遍要被让2~6子。
这种情况下“人工智能”的概念却能够借助“围棋”火了起来。
很难说这背后没有人在推波助澜。
不过这些来龙去脉就不是林灰关心的了。
既然前世这次围棋方面的这次人机大战能成为人工智能的爆点。
那么这个时空林灰也完全可以将阿法狗AlphaGo类似的程序搞出来然后想办法促成人机对战。
之后再适当加以运作使这次事件成为人工智能的爆点。
涉及到阿法狗AlphaGo。
前世阿法狗AlphaGo是deepmind这家嘤國公司推出的。
虽然这个时空也存在deepmind这家公司。
但林灰也不用担心撞车什么的。
前世阿法狗AlphaGo的诞生虽然跟deepmind这家公司有着千丝万缕的联系。
但涉及到阿法狗AlphaGo这个项目其实是deepmind这家公司被谷/歌收购之后他们才开始搞的。
总之前世阿法狗AlphaGo之所以能够诞生跟deepmind和谷/歌之间的py交易有着很大的关系。
可是现在这个时空里谷/歌和deepmind并没有进行该项目的合作。
而且大概率在将来也不会有合作的机会了。
林灰先前就了解过。
这个时空名为deepmind的公司确实存在。
但因为这个时空在人工智能上研究的整体性滞后。
deepmind这家公司虽然也从事人工智能方面的研究。
但进展什么的寥寥无几。
而且deepmind这家公司并不是很好过。
前不久该公司还试图申请破产保护。
这样的公司想获得前世的成就基本不大可能。
在这个时空人工智能方面的研究整体滞后的情况下。
林灰要搬运阿法狗AlphaGo的话基本不用担心有什么技术撞车风险的。
虽然没什么风险,但涉及到阿法狗AlphaGo的搬运却稍稍有点麻烦。
倒不是技术理论方面有什么麻烦。
虽然这个时空的人们还没搞定相应的技术。
但对林灰来说技术理论道路什么的却很清晰。
像阿法狗AlphaGo这样的经典人工智能应用。
基本上十个搞人工智能的九个都专门钻研过阿法狗AlphaGo是怎么一回事。
涉及到阿法狗AlphaGo的技术:
无非就是蒙特卡洛树搜索与两个深度神经网络相结合的一个简单应用。
蒙特卡洛树搜索是一种用于某些决策过程的启发式搜索算法,最引人注目的是在游戏中的使用。
在棋类游戏中尤为常见。
具体的两个深度神经网络,其中一个是估值网络,另一个则是走棋网络。
前者是用来评估比较合适的落点的,走棋网络是用来调整最佳落子位置的。
为什么要采用这种设计呢?
很大程度上是受人类下棋的启发。
人类下棋的时候,首先棋手会通过过去的经验、棋谱先大致判断出下哪里不吃亏。
缩小搜索范围之后,棋手会对某一局部位置进行详细的推演。
至于推演时候,棋手主要思考的是自己如何落子、落子之后对手又会如何反应。
一般来说,优秀的棋手都应该具备这种的推演能力。
走一步看十几步甚至几十步,才能成为围棋高手。
至于推演的目的则是是为了找出对自己最有利的落点。
总结一下,优秀棋手要具有一下能力:
首先通过局势判断大概可行走法;
然后判断局势是否对自己有利;
再之后推演局势找出最佳落点。
人工智能虽然看起来是机器方面的学问。
但实际上是科研人员在试图让机器像人那样去思维。
阿法狗AlphaGo在运行的逻辑本质上很接近人类棋手的思考方式。
总之,涉及到阿法狗AlphaGo的技术实现什么的其实不是很复杂。
涉及到技术方面的内容很清晰。
但具体施为起来依旧很麻烦。
首先就是涉及到很多技术底层的东西。
这个时空因为在人工智能方面的东西短腿。
很多理论性的东西还需要从无到有的建设。
换言之,林灰要想重新引爆人工智能这个爆点。
大概率要异时空搬砖,各种搬运人工智能方面的理论知识。
至于具体的搬运还要搞清楚技术路线。
虽然这个工作稍稍有点麻烦,但好在林灰现在多少也是有一个学术工具人的。
技术层面除了人工智能这方面的东西。
还需要一些其它技术层面的东西。
前世,在初代阿法狗AlphaGo里面,谷/歌除了应用了人工智能方面的成果之外。
还应用了一些分布式系统方面的研究成果。
在计算机科学中,分布式计算,又译为分散式运算。
分布式系统是一组电脑,透过网络相互连接传递消息与通信后并协调它们的行为而形成的系统。
虽然像阿法狗AlphaGo这类程序不依靠分布式计算也有着不错的效能。
但分布式计算相比于传统的效率往往更高。
涉及到分布式神马的有点难办。
林灰前世并没有搞过类似的东西。
不过林灰前不久看到谷/歌方面和普林斯顿大学数学系在合作摘要式算法的学报中似乎提到过跟分布式有关的东西。
诚然如此的话,倒不是没机会将涉及到分布式技术的一些东西忽悠过来。
除此之外,阿法狗AlphaGo还涉及到比较麻烦的训练。
如果只是为了不麻烦的话。
林灰没必要非盯着阿法狗AlphaGo不放。
前世又不是只有阿法狗AlphaGo。
阿法狗AlphaGo之后有master,master之后有Alpha_Zero。
如果说阿法狗AlphaGo还曾负于人类。
Alpha_Zero则完全是秒天秒地秒空气了。
林灰记得前世看到过的一组数据。
Alpha_Zero算法只需要8个小时训练后击败对战李世石版本的“阿法狗AlphaGo”。
按照这个说法,意味着Alpha_Zero的训练成本要远远低于阿法狗AlphaGo。
与前辈阿法狗AlphaGo相比,Alpha_Zero有很多自己的独到之处。
尽管这个技术很强大,但Alpha_Zero和阿法狗实际上是有技术代差的。
想要搞出Alpha_Zero从逻辑层面来说还是要先搞出阿法狗AlphaGo。
这种情况下,林灰觉得技术神马还是尊重客观发展的规律比较好。
真要一步到位的话未必是好事。
能想到阿法狗AlphaGo这个人工智能的爆点已经很不错了。
话说回来林灰早该想到阿法狗的。
林灰记得之前刚注册微博时在微博上蛋疼兮兮地发的那两句话:
——“绝艺如君天下少,闲人似我世间无”
就跟鹅厂的围棋AI有着很紧密的关系。
早点想到这点林灰应该很快就能想到阿法狗。
尽管已经想到了这些。
但涉及到阿法狗AlphaGo的实际复现依旧困难多多。
最大的困难似乎是硬件层面的。
阿法狗AlphaGo还有alphaZero这两个技术想问世的话还需要深度学习框架以及硬件方面的支持。
无论是阿法狗AlphaGo还是alphazZro都涉及到前世谷/歌提出来的TensorFlow这个深度学习框架。
前世为了这个深度学习框架,谷/歌2016年还开发了张量处理器。
张量处理器(TPU)是谷/歌为机器学习定制的专用芯片。
就特么超级离谱,國内芯片一言难尽。
国外这是人是鬼都在秀。
跟芯片看起来似乎半毛钱关系都没有的也在搞芯片。
说起来初代的TPU规格大致参数林灰是记得一些的。
虽然不是记得特别全。
但林灰还是依稀记得初代TPU是28nm制程。
虽然以林灰的眼光看28nm制程有点糙。
但要知道此时iPhone5s上的芯片制程也不过才28nm。
这就很糟心。
也就是说即便林灰能搞TPU,大概率成本也会居高不下。
虽然林灰可以直接利用前世带来的电脑跑模型。
但个人电脑终究会局限一些AI程序发挥效能。
即便在个人电脑上能发挥AI的全部效能林灰也不可能抱着来自往后七年的技术堂而皇之地区面对世人。
哎,难难难。
尽管有这样那样的麻烦。
但提出问题比解决问题更重要。
只要思想不滑坡,办法总比问题多。
相比于这个时代中的人们还在黑暗中摸索着前行。
林灰好歹知道如何解决问题以及解决问题面对的困难。
就这一点妥妥地优势在我!
涉及到这种使用时代最先进技术制程。
似乎不可避免的要涉及到和歪果合作啊。
某积电似乎也看歪果仁脸色。
歪果凭啥拿这种技术资“敌”呢?
说起来搞个歪果的代言公司似乎不错。
毕竟歪果仁蛇鼠一窝。
面对同样的歪果公司芯片制作方似乎不会太大戒心。
歪果公司?
林灰突然想到了deepmind。
deepmind这个时空既然混得这么惨。
把这个公司收购来似乎不错啊。
想来一家即将申请破产保护的公司应该不是很贵吧?
林灰越想越觉得合理。
之所以有这样的想法除了涉外合作之外。
还有另一层面的考虑。
某种程度上讲林灰需要一个代言人。
涉及到新技术的问世往往面对巨大的争议。
就拿前世阿法狗AlphaGo对围棋方面的革新来说吧。
前世不学围棋的人很难理解,相比于其他棋类运动,为什么围棋会受到人工智能这么大的冲击。
因为围棋复杂的变化导致每位棋手在下棋时会有十分明显的棋风。
不同的风格会导致棋手在不同的阶段、局面和棋形采取不同的策略。
相比于其他棋类,围棋在这一点上体现得更为明显。
所谓“对弈”,不仅是两位棋手脑力的角逐,更是棋手个人风格的交锋。
但是人工智能的出现导致最复杂、最多变、最能体现“对弈”乐趣的围棋也出现的所谓“最优解”。
请收藏本站:https://www.xsww.cc。炫书网手机版:https://m.xsww.cc
听起来围棋跟人工智能八竿子打不着。
为什么围棋方面的一次人机大战会带火人工智能呢?
这可能跟围棋的机制有关系。
围棋虽然一向被认为是目前世界最复杂的棋盘游戏之一。
但围棋基本规则很简单。
围棋盘是方形的,由纵横各19条线组成。
19╳19形成了361个交叉点(以下简称为点),棋子就下在这些点上,在边、角、中腹任何一点都可以下。
下棋时棋子要下在棋盘的交叉点上,棋子下到棋盘上之后就不能再移动位置了。
黑先下子,黑子下一个,白子下一个,一直到最后,看哪一方占的地盘多哪一方为胜。
当然了,具体如何衡量占的地盘多寡,不同国家规则并不完全相同。
尽管围棋的规则很简单,但是这并不妨碍围棋棋局千变万化。
据称一局围棋中可能出现的变化比宇宙中全部的原子数目还要多。
在这种情况下计算机想通过穷举得出一局游戏中所有可能出现的变化是不太现实的。
程序想取得更高的效率只能在算法上做文章。
然而即便是利用算法,涉及到围棋方面:
电脑要在围棋中取胜比在国际象棋等游戏中取胜要困难得多。
因为围棋的下棋点极多,分支因子远多于其他游戏。
而且每次落子对情势的好坏飘忽不定。
在这种情况下传统的算法很难奏效。
别说传统的算法了,就是一般的人工智能方法都很难奏效。
诸如暴力搜索法、Alpha-beta剪枝、启发式搜索的传统人工智能方法这些在围棋中都效用不大。
正因为在技术层面困难重重。
前世虽然在97年的时候,在国际象棋层面人工智能就击败了人类顶尖棋手。
但在围棋方面,人工智能却一直折戟沉沙。
直到在击败国际象棋方面的顶尖高手18年之后。
人工智能才在围棋方面第一次击败了来自宇宙国的围棋九段高手。
这件事在前世也被解读为“在任何一个单项领域,机器都有可能远远的领先人类。”
虽然这种说法的正确与否还无从评判。
但不可否认“人工智能”这个概念就是在李世石和阿法狗AlphaGo的那次人机大战之后才突然火了起来。
这次对战影响不仅仅局限在研究人工智能的那个小圈子里。
而是引起了整个社会对人工智能极大的讨论。
反正林灰记得前世16年3月那段时间里,新闻、微博充满了AlphaGo和人工智能。
有讨论技术的,也有展望未来的,也有看到商机准备下场的……
当然,这喧闹的一切背后不排除有运作的可能。
毕竟据林灰所知,围棋其实主要流通于东亚这一带,并不是世界范围内高度流通。
而即便是在中國、岛国、宇宙国这样的围棋流通还算可以的地方。
普通人里面围棋爱好者的比例也不算太高。
即便有的稍微懂点规则,涉及到诸如劫争之类稍微麻烦点的也说不太清楚了。
林灰姥爷是围棋迷,之前还定过段。
林灰在其熏陶下对围棋也算很了解,大概业五这样的水平吧。
即便如此林灰从来不自诩擅长围棋。
毕竟业五面对真正的职业九段普遍要被让2~6子。
这种情况下“人工智能”的概念却能够借助“围棋”火了起来。
很难说这背后没有人在推波助澜。
不过这些来龙去脉就不是林灰关心的了。
既然前世这次围棋方面的这次人机大战能成为人工智能的爆点。
那么这个时空林灰也完全可以将阿法狗AlphaGo类似的程序搞出来然后想办法促成人机对战。
之后再适当加以运作使这次事件成为人工智能的爆点。
涉及到阿法狗AlphaGo。
前世阿法狗AlphaGo是deepmind这家嘤國公司推出的。
虽然这个时空也存在deepmind这家公司。
但林灰也不用担心撞车什么的。
前世阿法狗AlphaGo的诞生虽然跟deepmind这家公司有着千丝万缕的联系。
但涉及到阿法狗AlphaGo这个项目其实是deepmind这家公司被谷/歌收购之后他们才开始搞的。
总之前世阿法狗AlphaGo之所以能够诞生跟deepmind和谷/歌之间的py交易有着很大的关系。
可是现在这个时空里谷/歌和deepmind并没有进行该项目的合作。
而且大概率在将来也不会有合作的机会了。
林灰先前就了解过。
这个时空名为deepmind的公司确实存在。
但因为这个时空在人工智能上研究的整体性滞后。
deepmind这家公司虽然也从事人工智能方面的研究。
但进展什么的寥寥无几。
而且deepmind这家公司并不是很好过。
前不久该公司还试图申请破产保护。
这样的公司想获得前世的成就基本不大可能。
在这个时空人工智能方面的研究整体滞后的情况下。
林灰要搬运阿法狗AlphaGo的话基本不用担心有什么技术撞车风险的。
虽然没什么风险,但涉及到阿法狗AlphaGo的搬运却稍稍有点麻烦。
倒不是技术理论方面有什么麻烦。
虽然这个时空的人们还没搞定相应的技术。
但对林灰来说技术理论道路什么的却很清晰。
像阿法狗AlphaGo这样的经典人工智能应用。
基本上十个搞人工智能的九个都专门钻研过阿法狗AlphaGo是怎么一回事。
涉及到阿法狗AlphaGo的技术:
无非就是蒙特卡洛树搜索与两个深度神经网络相结合的一个简单应用。
蒙特卡洛树搜索是一种用于某些决策过程的启发式搜索算法,最引人注目的是在游戏中的使用。
在棋类游戏中尤为常见。
具体的两个深度神经网络,其中一个是估值网络,另一个则是走棋网络。
前者是用来评估比较合适的落点的,走棋网络是用来调整最佳落子位置的。
为什么要采用这种设计呢?
很大程度上是受人类下棋的启发。
人类下棋的时候,首先棋手会通过过去的经验、棋谱先大致判断出下哪里不吃亏。
缩小搜索范围之后,棋手会对某一局部位置进行详细的推演。
至于推演时候,棋手主要思考的是自己如何落子、落子之后对手又会如何反应。
一般来说,优秀的棋手都应该具备这种的推演能力。
走一步看十几步甚至几十步,才能成为围棋高手。
至于推演的目的则是是为了找出对自己最有利的落点。
总结一下,优秀棋手要具有一下能力:
首先通过局势判断大概可行走法;
然后判断局势是否对自己有利;
再之后推演局势找出最佳落点。
人工智能虽然看起来是机器方面的学问。
但实际上是科研人员在试图让机器像人那样去思维。
阿法狗AlphaGo在运行的逻辑本质上很接近人类棋手的思考方式。
总之,涉及到阿法狗AlphaGo的技术实现什么的其实不是很复杂。
涉及到技术方面的内容很清晰。
但具体施为起来依旧很麻烦。
首先就是涉及到很多技术底层的东西。
这个时空因为在人工智能方面的东西短腿。
很多理论性的东西还需要从无到有的建设。
换言之,林灰要想重新引爆人工智能这个爆点。
大概率要异时空搬砖,各种搬运人工智能方面的理论知识。
至于具体的搬运还要搞清楚技术路线。
虽然这个工作稍稍有点麻烦,但好在林灰现在多少也是有一个学术工具人的。
技术层面除了人工智能这方面的东西。
还需要一些其它技术层面的东西。
前世,在初代阿法狗AlphaGo里面,谷/歌除了应用了人工智能方面的成果之外。
还应用了一些分布式系统方面的研究成果。
在计算机科学中,分布式计算,又译为分散式运算。
分布式系统是一组电脑,透过网络相互连接传递消息与通信后并协调它们的行为而形成的系统。
虽然像阿法狗AlphaGo这类程序不依靠分布式计算也有着不错的效能。
但分布式计算相比于传统的效率往往更高。
涉及到分布式神马的有点难办。
林灰前世并没有搞过类似的东西。
不过林灰前不久看到谷/歌方面和普林斯顿大学数学系在合作摘要式算法的学报中似乎提到过跟分布式有关的东西。
诚然如此的话,倒不是没机会将涉及到分布式技术的一些东西忽悠过来。
除此之外,阿法狗AlphaGo还涉及到比较麻烦的训练。
如果只是为了不麻烦的话。
林灰没必要非盯着阿法狗AlphaGo不放。
前世又不是只有阿法狗AlphaGo。
阿法狗AlphaGo之后有master,master之后有Alpha_Zero。
如果说阿法狗AlphaGo还曾负于人类。
Alpha_Zero则完全是秒天秒地秒空气了。
林灰记得前世看到过的一组数据。
Alpha_Zero算法只需要8个小时训练后击败对战李世石版本的“阿法狗AlphaGo”。
按照这个说法,意味着Alpha_Zero的训练成本要远远低于阿法狗AlphaGo。
与前辈阿法狗AlphaGo相比,Alpha_Zero有很多自己的独到之处。
尽管这个技术很强大,但Alpha_Zero和阿法狗实际上是有技术代差的。
想要搞出Alpha_Zero从逻辑层面来说还是要先搞出阿法狗AlphaGo。
这种情况下,林灰觉得技术神马还是尊重客观发展的规律比较好。
真要一步到位的话未必是好事。
能想到阿法狗AlphaGo这个人工智能的爆点已经很不错了。
话说回来林灰早该想到阿法狗的。
林灰记得之前刚注册微博时在微博上蛋疼兮兮地发的那两句话:
——“绝艺如君天下少,闲人似我世间无”
就跟鹅厂的围棋AI有着很紧密的关系。
早点想到这点林灰应该很快就能想到阿法狗。
尽管已经想到了这些。
但涉及到阿法狗AlphaGo的实际复现依旧困难多多。
最大的困难似乎是硬件层面的。
阿法狗AlphaGo还有alphaZero这两个技术想问世的话还需要深度学习框架以及硬件方面的支持。
无论是阿法狗AlphaGo还是alphazZro都涉及到前世谷/歌提出来的TensorFlow这个深度学习框架。
前世为了这个深度学习框架,谷/歌2016年还开发了张量处理器。
张量处理器(TPU)是谷/歌为机器学习定制的专用芯片。
就特么超级离谱,國内芯片一言难尽。
国外这是人是鬼都在秀。
跟芯片看起来似乎半毛钱关系都没有的也在搞芯片。
说起来初代的TPU规格大致参数林灰是记得一些的。
虽然不是记得特别全。
但林灰还是依稀记得初代TPU是28nm制程。
虽然以林灰的眼光看28nm制程有点糙。
但要知道此时iPhone5s上的芯片制程也不过才28nm。
这就很糟心。
也就是说即便林灰能搞TPU,大概率成本也会居高不下。
虽然林灰可以直接利用前世带来的电脑跑模型。
但个人电脑终究会局限一些AI程序发挥效能。
即便在个人电脑上能发挥AI的全部效能林灰也不可能抱着来自往后七年的技术堂而皇之地区面对世人。
哎,难难难。
尽管有这样那样的麻烦。
但提出问题比解决问题更重要。
只要思想不滑坡,办法总比问题多。
相比于这个时代中的人们还在黑暗中摸索着前行。
林灰好歹知道如何解决问题以及解决问题面对的困难。
就这一点妥妥地优势在我!
涉及到这种使用时代最先进技术制程。
似乎不可避免的要涉及到和歪果合作啊。
某积电似乎也看歪果仁脸色。
歪果凭啥拿这种技术资“敌”呢?
说起来搞个歪果的代言公司似乎不错。
毕竟歪果仁蛇鼠一窝。
面对同样的歪果公司芯片制作方似乎不会太大戒心。
歪果公司?
林灰突然想到了deepmind。
deepmind这个时空既然混得这么惨。
把这个公司收购来似乎不错啊。
想来一家即将申请破产保护的公司应该不是很贵吧?
林灰越想越觉得合理。
之所以有这样的想法除了涉外合作之外。
还有另一层面的考虑。
某种程度上讲林灰需要一个代言人。
涉及到新技术的问世往往面对巨大的争议。
就拿前世阿法狗AlphaGo对围棋方面的革新来说吧。
前世不学围棋的人很难理解,相比于其他棋类运动,为什么围棋会受到人工智能这么大的冲击。
因为围棋复杂的变化导致每位棋手在下棋时会有十分明显的棋风。
不同的风格会导致棋手在不同的阶段、局面和棋形采取不同的策略。
相比于其他棋类,围棋在这一点上体现得更为明显。
所谓“对弈”,不仅是两位棋手脑力的角逐,更是棋手个人风格的交锋。
但是人工智能的出现导致最复杂、最多变、最能体现“对弈”乐趣的围棋也出现的所谓“最优解”。
请收藏本站:https://www.xsww.cc。炫书网手机版:https://m.xsww.cc