hello大家好我是vicky，今天呢咱们来说说AI玩游戏的事儿（准确来说，是游戏中的人类是如何被AI碾压的）……
不久前alphago赢了围棋，openai又赢了dota，太拽了简直！虽然我本人除了狼人杀以外，几本大脑一片空白（别问为啥，那还不是前半生都奉献给了学习？我爱学习，学习是我本命！）……
咳咳，跑偏了，今天不是讨论小姐姐我是怎么玩游戏的，而是分析一下我们是怎么被AI套路的！
以下将以围棋为主题展开！不知道围棋的小伙伴别着急，你就记着——咱们俩依次放棋子，一直到最后无处可下了，谁占的地盘大，谁赢——非常简单粗暴！
现在咱们顺着这个话题，说说为啥人相对AI会被碾压！
随着程序的开展，咱们电脑内存会有一个叫搜索树的东西，每一个分支代表一种走法序列，一直到分支展开的末端， 就能看出胜负（这里的详细解说，请戳视频）。
围棋的搜索空间灰常灰常灰常……灰常大！！！！！
保守估计，国际象棋每一步平均有 20 种不同的走法（搜索树的根部会有20个分支）， 第二步的每一个分支上， 又有 20 个分支， 依次类推， 走三十步就是 20^30 个分支（就是30个20相乘，嘤嘤嘤计算器要炸了）……
兰鹅，围棋的棋盘可是比国际象棋更大……假如要把所有对弈结果穷尽， 大约是 10^170个分支，这么抽象要咋理解呢？（别摁了，计算器早就爆表了……）总之，宇宙中的所有原子， 加起来也不过是 10^80 个。每一个原子都用来代表围棋下法的一个分支都不够用……
所以说，你还能指望人类能够啃完（并且完全消化）这所有的棋盘吗？
咳咳，所以这事儿得用绝招儿……
巧了，alphago就有这么个绝招！
它拥有2个连接在一起的大型神经网络——价值网络和策略网络 。“价值网络”负责计算局面，“策略网络”负责选择出棋。听起来就blingbling的自带光环啊！
有了这两个神助攻， AlphaGo每一步都会得到几个最有价值的选点，还附带相应的获胜概率！而且随着棋局的不断展开，准确度也会不断升高！
再加上，AlphaGo拥有过目不忘的本领！它吃下去的棋盘数量可用海量来形容。对比咱们人类围棋大大柯洁的训练量，最乐观的粗估，也就五万局。而且alphago边疯狂学习边疯狂归纳……
所以在输赢这件事上，alphago赢几乎是毫无悬念的！
不过小姐姐说到这里还是要插一句，输赢终有时，但还有很多事情是不能简单用输赢来概括的。
摆在人面前的，那不是一盘纯粹的棋，它涵盖了历史、礼仪、美学，还有数不清道不明的人生哲理……超越了游戏范畴，几乎承载了绵延千百年来的种种精华。
生而为人，我们既能享受输赢，也能享受到那么多输赢之外的精彩，而且是只有我们人类这种高级动物才能体会到的。而这些对于精于计算的AI来说，它既不能体会，也不能产生共鸣，只有暗无天日的冷冰冰的计算，想想，也是有点小伤感啊！
好啦，祝各位小长假玩得开心！
如果大家对某个游戏感兴趣，从21点儿到老虎机之类的，欢迎留言告诉小姐姐喔！
原文发布时间为：
本文作者：
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“大数据文摘”微信公众号
