完善资料让更多小伙伴认识你，还能领取20积分哦， 立即完善>
3天内不再提示
|
` 
根据小说描述，珍珑棋局棋势复杂迂回，三四十年来未有人能破解。苏星河故意摆出来以引出杀师傅的仇人。各路武林高手前来挑战皆败，唯独不懂棋的虚竹胡乱投了一子，便 令对方一大片棋子通通就擒，从而破了棋局。这是金庸先生的创作，古谱中未有记载，他本人也没有棋谱，加上小说中对棋局的摆法未加详述，还真给拍摄出了一个大难题。据说金庸还特请教过聂卫平，他也只作了“理可以说得通，局没听说过”的答复。 经过几夜商讨，珍珑棋局终于出炉，只见局中“金鸡独立”、“老鼠偷油”等妙招环环相扣，并将史上最大的“倒脱靴”也设计了进去。“高手们”在两侧举棋必输，“虚竹”只要在二三路白子一填，黑子跟着倒补，提掉十六个白子后，“虚竹”再轻轻一断，80余目的黑子全被杀死，即合剧情又合棋理。
阿尔法围棋（AlphaGo）是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。 这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。这个处理器有大量的随机性元素，所以人们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。 第一大脑：落子选择器 （Move Picker） 阿尔法围棋（AlphaGo）的第一个神经网络大脑是“监督学习的策略网络（Policy Network）” ，观察棋盘布局企图找到最佳的下一步。事实上，它预测每一个合法下一步的最佳概率，那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。 第二大脑：棋局评估器 （Position Evaluator） 阿尔法围棋（AlphaGo）的第二个大脑相对于落子选择器是回答另一个问题。不是去猜测具体下一步，它预测每一个棋手赢棋的可能，在给定棋子位置情况下。这“局面评估器”就是“价值网络（Value Network）”，通过整体局面判断来辅助落子选择器。这个判断仅仅是大概的，但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”，AlphaGo能够决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行，那么AI就跳过阅读在这一条线上的任何更多落子。 这场人们关注的人机大战，AlphaGo以4-1完胜对手，并且亲手给他的缔造者赢取了100万美元的奖金
但其实我们并不要那么担心：因为故事还在继续：最近互联网上突发奇想，阿法狗能够破天龙八部中的蒸笼棋局吗？
没看过天龙八部的，可能没有听说过珍珑棋局，根据《天龙八部》小说情节，逍遥派掌门人无崖子花整整三年的时间摆出一个“珍珑”棋局，并命弟子苏星河当擂主，邀请天下英雄来破解。可是悬赏30年，黑白两道的高手均无人解得，最后，棋局竟然被虚竹和尚闭着眼睛以“自添满（自杀一大块解放全局）”的手段胡乱撞开。 棋局中劫中有劫，既有共活，又有长生，或反扑或收气，花五聚六，复杂无比，这样的珍珑是否真的存在呢？根据中国棋院的说法，虚竹所走的地方属于禁着点，按照现行中日韩围棋规则，是不允许在禁着点（棋盘上的任何一点，某方下子后，该子立即呈无气状态，同时又不能提取对方的棋子）填子的，如果非要走，中国规则规定要立刻拿起来，停一招棋，罚子，并警告一次，因此这样的棋局是不合理的（应氏规则除外，只要不是全局同型再现，走哪都可以）。 那么问题来了：阿尔法狗的设计者会不会把这个规则也写进去呢？如果写进去，我是否能够按这个棋局走呢？或者更多类似的棋局走呢？ PS：脑洞大开的优秀回复者，将获得题主打赏100积分！！！够壕吧！有料就来战~~ `
3
|
|
相关推荐
27 个讨论
|
|
回帖奖励 +2 分积分
很有意思的想法啊，顶上去给deepmind看看
|
|
|
|
|
|
|
|
|
我觉得应该没问题 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
把珍珑棋局看做一个死活题，所有的走法其实都是正常的，没有想不到的地方。那对计算机来说也没有什么难度。 |
|
|
|
|
|
|
|
|
关键是要看人类棋手是否能突破原有的羁绊大胆创新 |
|
|
|
|
|
|
|
|
学习一下。。。。。。。看看评论。
|
|
|
|
|
|
|
|
/7 
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 （电路图） 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证：合字B2-20210191
工商网监
湘ICP备2023018690号
8563
评论
淘帖
3460
16
