主题：【原创】“死活读不下去” -- 语迟

围棋b位置和d步，状况是250^150，大到不能用暴利法。2个问题 1减少bd值。2 value function很不光滑。 以阿法狗 最重要是用了MCTS,随机树搜索， Selection/Expansion/Evaluation/Backup把胜率高的下法比较大权重。第二用了ML，从KGS Go Server上找了3千万步棋谱训练了 supervised learning (SL)，policy function p-sigma，这样阿发狗能下的像模像样了，它不需要计算，就能猜对手下一手 另一个更快但稍弱rollout policy function p-pi，这个就是线性的softmax 。 第三步是提高阿法狗跟自己下，用reinforcement learning (RL)提高police network function p-rho。，这时候它可以打败相当业余二段的Pachi，当时最好的围棋软件。第四步，阿法狗跟自己下，找最佳位置 而非概率位置， 通过RL估计得到value function v-theta 这步主要靠记忆，比起MC rollout要准确。value function 是个数值，可以解读为当时局面的评估 。这一点，Facebook田渊栋组的软件Darkforest没有。 最后一步 阿法狗把policy function和value function结合在MCTS。值得注意的是 SL police network 比 RL.表现好， 这篇文章猜原因是人类倾向多步最优，而阿发狗喜欢选折一步最优，v-theta 在 rollout中的运用大大加快了MCTS速度。有趣的是，p-sigma + v-theta的组合比p-rho+ v-theta更强

最后，对战中阿法狗用的是 p-sigma + v-theta + p-pi，自认达到专业一段棋力

文章说了单机版用了 48个cpu，8个gpu。分布式版用了1202cpu，176gpu。 网络版对单机版胜率是70%。

文章总结了阿发狗的贡献就是综合了这三种算法， RL,SL和MCTS.

个人感觉统计法的引入人工智能，算法更复杂了，计算更多了，更多是大数据统计，而非核心的人工智能算法突破， 阿发狗的历史地位没有大家想象的那么高。

看了我这篇介绍，可以去下载一个超级简易版的AlphaGo围棋软件玩玩体验下，才400行的程序。 我的说法就是400行程序打败大部分人类智力。

这个围棋程序的名字叫Disco，是使用Python语言实现的。作者是shedskin库的作者Mark

Dufour。

下载链接 https://pypi.python.org/pypi/Disco