第430部分(第1/4 页)

李世石也不和他客气，其他人在那儿围着他聊，他抓紧时间吃晚饭。

江南会提供的伙食，那也绝对是华夏料理的巅峰，为了不落口实，这几天对李世石的招待可谓是极尽奢华。但龙肝凤髓吃在嘴里，李世石都觉得没什么味儿。

还不如赢比赛的时候灌两口辣泡菜痛快。

黄教授和他的助手依次给李世石讲解：

“阿尔法go虽然不如初行完善，但是官子肯定是没问题的。想你们今天这盘棋下到220手才分胜负。实际上170手之后的最后50手，如果双方都是机器人，结果肯定是下多少遍都不会变的，而且只要15分钟就能下完那50步。”

正常人类下围棋，最后50手双方加起来怎么也要1个多小时，而机器人15分钟搞定，相当于起码可以比人类下棋节约1个钟头的总比赛时间。

这些时间就可以更好地分配到前面的步骤中去，每人多半小时思考。

至于第二天具体李世石走到多少步之后彻底双放手交给阿尔法go，李世石准备吃完饭稍微和阿尔法狗试几个150手左右的中盘残局——从他本人历史上和对手下的比较胶着的棋局中挑——来试试看阿尔法go的水准。

“另外，阿尔法go在布局阶段也谈不上什么能力，只能是给你一些参考定式，你看了之后挑出其中最好的一个结果就行——我们只能保证，最好的结果肯定在那个八屏选项之内，但是具体是哪一个，阿尔法go判断不出。”

“阿尔法go也有做‘价值判断网络’这个工具，到时候在给出机器意见之后，会在屏幕上打出一个判断，告诉你‘这一步是绝对不可能有更好的解法’了，还是‘机器也不知道谁最好，只是没时间想暂时觉得这个最好’。所以那些机器肯拍胸脯告诉你这就是最佳答案的步骤，你也可以省掉一些思考时间。”

李世石听到这儿，停下了筷子，亲口向黄教授确认了这玩意儿的运作法则。

黄教授也不藏私，坦荡地告诉他：阿尔法go里面其实是有两套走子算法的，第一套是绝对穷尽最佳可能性的算法，但是耗时非常巨大。哪怕以如今谷歌的云端服务器群和积累的棋局大数据，也要很久才能算一步棋。

毕竟，围棋是如今人类传统棋类运动中，计算量最大的。围棋的可能性相比于国际象棋和象棋，根本就是一个天文数字。

所以，阿尔法go的深度学习，主要还体现在一点上：发现算法一会严重超时的时候，它会做出一个省时的判断，下一个不算太差的子。而这种猴版省时算法只要第一类穷尽算法的数百分之一时间就够了。

李世石吃完饭，用了点茶水，略作休息，就和黄教授的团队钻研起磨合之法。

不过，他终究是没办法和顾莫杰那样的人工智能本领域大能，比试对人工智能的理解程度和配合程度的。

多年形成的习惯，更不是几个晚上可以扭转。

临阵磨枪一番，最后也不过是让李世石在第二天的比赛中省出大约1个小时的思考时间、节省了不少脑力。

就像一个考高数的考生，被允许带计算器。但是计算器并不会解高数题，只能帮答题者省点时间，减少些低级错误。

……

全世界的目光，继续凝望在江南会这一片池馆雅阁之间。

数十亿人次的曝光量，形成了比世界杯决赛还强的高光时刻。

谷歌出手了！终于不是人机打真人，而是人机打人机！

双方都是最终完全体的终极对决！

12月23日，第三战！

顾莫杰执黑，回到了古力流的“对李先行大胜率”模式。开局一阵天马行空的猛烈布局，把李世石的发挥空间骤然限缩了二三十手，也让顾莫杰微微松了口气。

随后便是激烈的搏杀。

顾莫杰可以发挥作用的时候越来越少，大部分都是交给初行在下。唯有某些初行给出“高危”耗时的步骤时，顾莫杰才乾纲独断作出处置——而且这种处置基本上每出现一次，就会平均让顾莫杰的盘面预估分降低半目左右。

但他没有办法。

唯有当局面看上去很像此前几个月古力给他特训的那几千局开局中的定式，或者很像古李对战的历史记录时，顾莫杰才会彻底亲自发挥。

“谷歌的工程师可以教会李世石怎么初步应用人工智能助手、怎么和人工智能配合分配时间。但是谷歌的人肯定不怎么懂围棋圈子。美国人没有第一手的古力和李世石