第二章.阿尔法狗与多元关联

    世间的一切事物相互之间都存在着联系，不管你承认不承认，这种联系是客观存在的，人类的思维以这种联系作为路径，不管你思考不思考，思维的路径都在那里。

    几年过去了。

    “老爸，您说，会下围棋的阿尔法狗算拟脑智能吗？”快高考的林久浩一直在寻找着林自强说的拟脑智能的例子。

    “不是”老林淡淡的回答。

    “ifthen？”林久浩。

    “要复杂一些”林自强。

    “怎么做到的？”林久浩。

    “穷尽步骤，积累参数比对择优，这个办法比较土，因为需要消耗很大的算力”林自强。

    “什么是穷尽步骤积累参数比对择优呀？”林久浩。

    “当你走了一步棋，计算机就计算所有可能的下一步棋，然后再依据所有下一步棋，再计算它的下一步棋，然后继续穷尽步骤，在这个过程中积累一组设定的参数，通过比对参数择优输出结果，记住择优”林自强强调择优二字，因为人工智能选择不可避免的需要大量‘比对择优’。

    “步骤穷尽的话，叠加计算量会很大的，很消耗计算机的算力，就没有别的好办法了吗？啊~老爸”现在的林久浩已经学会一些编程技巧了。

    “我们知道，一盘棋局每一方最大步数不会大于180步，但是计算机也不用推演过多步数，可能就推演五步、十步、十几步，不过这样也会消耗不少算力的”林自强。

    “就这些吗，还有没有其他的方法”林久浩。

    “有，把历史著名的棋局全部输入计算机，做成样本，然后在比对择优的时候，有样本的下法权重高”林自强。

    “样本就是数据内容吗？”林久浩。

    “不全是，不等同，样本是处理后的数据内容，需要做关键字类的索引，然后做定量定向定性定质等等处理”林自强。

    “老爸，什么是定~定~定~定~定~定~定~的”林久浩继续问。

    “定量就是把内容做成固定大小的范本模型，定向就是规定使用用途，例如围棋名局用于阿尔法狗等围棋类人工智能，定性就是规定正负善恶，例如你持白棋，白棋赢局就是正的，而黑棋赢局就是负的，定质就是制定权重，比较复杂的，还要形成特征码用于索引等”林自强。

    “阿尔法狗怎么会一直赢棋呀？”林久浩。

    “狗会选择胜的一方下法，如果胜的棋局很多，就积起来，用算法让它们择优，择优比对出最优的结果”林自强回答。

    “择优算法是什么？”林久浩。

    “就像用同一个筛子模型筛豆子，把筛出来的豆子积起来，然后调整筛子孔的大小再筛，直到得出最大或者最小的。。。豆子”林自强。

    “您的意思是，狗把历史棋局样本积累起来，选赢局，赢局选赢目多的，选择出最好的？”林久浩问道。

    “对，基础的算法理论模型差不多吧，只是不能按赢目多少选择，而是以权重参数选择”林自强。

    “什么是权重？”林久浩。

    “样本在开始定质的时候就定义权重，例如一盘大胜的棋局，但是这个棋局是因为后期对手走出了一步臭棋导致的。这种棋局，样本库可以放弃采用，但是不能撒谎，所以如果采用的话，可以给它定一个性质，虽然是赢局，但是权重很低，在计算的时候是被筛选出去的”林自强。

    “筛选就是调整阈值，无限IFTHEN。。。。。递归？”林久浩。

    “你现在Python学的不错，编程思路也不错，理解很快呀。不过，对于狗来说，围棋还有中盘胜”林自强...
    本章未完，请点击下一页继续阅读！