ago 寫道：
引文:

圍棋棋士不分職業業餘，很多人會捧著看不懂也研究不透的AlphaGo天書，迷惘自己過去學棋的價值，無所適從

這不是很好嗎？
正如林海峰老師訓示弟子的：「這個地方的下法，請自己回去好好想一想吧。」
職業棋士，應該是藉由阿老師的幫助，思考圍棋該怎麼下；還是讓阿老師教圍棋怎麼下？

阿嘟 寫道：
但是這樣一位本可以大大提升世界圍棋水準的「老師」，竟然只發表一篇論文就說要離開棋界了。

圍棋AI時代開啟，各AI研究者絞盡腦汁開發更強的程式，職業業餘棋士也不斷努力適應新時代來臨的同時，目前全世界最強AI告訴你它不玩了，感覺很諷刺吧。我懇求，即使要走，也應該等到其他AI追上來之時，或以其他形式讓AlphaGo繼續存在（※註），Google Deepmind團隊，好嗎?

※註：例如#472回覆中小弟提到的五點個人淺見。當然留下論文是一種形式，但小眾圍棋市場的AI研究團隊和大企業Google的環境和硬體水準不能相比，勢必面臨好幾年的空窗期，這點是非常令人遺憾的。

aja 寫道：
引文:

阿嘟 寫道：
但是這樣一位本可以大大提升世界圍棋水準的「老師」，竟然只發表一篇論文就說要離開棋界了。

圍棋AI時代開啟，各AI研究者絞盡腦汁開發更強的程式，職業業餘棋士也不斷努力適應新時代來臨的同時，目前全世界最強AI告訴你它不玩了，感覺很諷刺吧。我懇求，即使要走，也應該等到其他AI追上來之時，或以其他形式讓AlphaGo繼續存在（※註），Google Deepmind團隊，好嗎?

※註：例如#472回覆中小弟提到的五點個人淺見。當然留下論文是一種形式，但小眾圍棋市場的AI研究團隊和大企業Google的環境和硬體水準不能相比，勢必面臨好幾年的空窗期，這點是非常令人遺憾的。

我覺得過1-2個月後，你審視局勢，再評論還不遲。 

黃士傑：AlphaGo Zero 只用了三天，就走過人類幾千年圍棋研究的歷程
2017/11/10 李柏鋒



人工智慧年會提供

DeepMind 資深研究員黃士傑博士（Aja Huang）今日回台在首屆人工智慧年會上發表以「AlphaGo：深度學習與強化學習的勝利」為題的演講，受到台灣產官學界的矚目，九點不到人潮就擠爆了中研院的演講廳。黃士傑除了分享自己在人工智慧與圍棋上的研究，也分享了最近發表的 AlphaGo Zero 如何不需要人類的知識就能自己學會圍棋，並且變得比打敗人類棋手的前一代版本更為強大。

從台灣博士生變成被 Google 併購的 DeepMind 員工

黃士傑是台師大資訊工程研究所第一屆的學生，從碩士念到博士，在博五的時候結婚，而黃士傑在博士班時所開發的圍棋軟體叫做 Erica，就是妻子的名字，當時以單機的版本打敗人工智慧圍棋領域最強、使用了六台機器的 Zen，也因此被 DeepMind 發覺他的能力，David Sliver 便力邀黃士傑加入，黃士傑也成了第 40 號員工。

在面試的時候，David Sliver 問黃士傑，開發出 Erica 的感覺是什麼？黃士傑回答：「很有成就感，可以自己做出一台 AI 來。」後來進了 DeepMind ，發現這其實是公司裡面共同的感覺，而 DeepMind 的夢想就是做出「通用的強人工智慧」。2014 年，DeepMind 被 Google 併購，進到了 Google 最大的好處就是擁有強大的運算資源。

又回到圍棋，AlphaGo 的誕生

不過成為 DeepMind 的研究員之後，黃士傑並沒有馬上開發 AlphaGo，而是到了 2014、2015 的時候才開始重啟圍棋的人工智慧計畫，但也並不是接續博士班時開發的 Erica，因為當時已經發現極限了，所以必須藉助深度學習的技術重新打造，並且持續延攬世界上最厲害的人才加入，包括加拿大 DNNresearch 的 Chris Maddison 和 Ilya Sutskever，同樣也被 Google 併購，因此就有機會一起合作。

人才、運算資源都齊備，AlphaGo 計畫也正式開始了。黃士傑分享，第一個突破是運用了神經網路的技術，原本還不確定是否會有效，沒想到實驗結果出來之後，對弈原始的版本竟然是 100% 的勝率，也讓團隊為之振奮。接著而來的第二個突破，則是價值網路的技術，其實當時的模擬，AlphaGo 如果上場比賽，勝率應該有七八成，可以算是世界第一了，但是 DeepMind 的目標遠高於此，所以持續擴充團隊，才有辦法做更多的研究，解決更多的問題。

黃士傑也分享，其實在開發 AlphaGo 的過程中，每天就是訓練神經網路、測試、看勝率、觀察看看是不是有效，有很多點子和問題需要不斷的測試，像是深度學習的深度到底要幾層？用什麼架構？訓練的資料有沒有問題？當然，最終檢驗的還是 AlphaGo 的棋力有沒有變強。

在觀察的過程中，也發現 AlphaGo 有 Overfitting 的問題，解決之後 AlphaGo 就變強了，再跟上一個版本對弈，勝率是 95%，這也是為什麼演講題目訂為 AlphaGo 的成功是深度學習與強化學習的勝利。

開始與人類對弈，並發表第一篇 Nature 論文

確認了 AlphaGo 的能力之後，DeepMind 決定與真人對弈，第一個對象是法國的二段棋士樊麾，在 2015 年 10 月，AlphaGo 五戰全勝，第五戰 Nature 期刊的編輯還到場觀戰，確認 AlphaGo 即將發表的論文是否真的這麼厲害。樊麾也成為第一位正式被 AI 打敗的職業棋士，但落敗後，樊麾認為 AI 的發展對圍棋是正面的，所以後來也給 AlphaGo 團隊很多幫助。

不過 DeepMind 這家公司與其說是「營利事業」，還不如說是「研究機構」。好不容易開發出一個可以打敗職業棋手的人工智慧，卻要發表論文將細節全部公開？而且贏了樊麾之後，正式對九段棋士李世乭宣戰，公開豈不是更處於劣勢？當時黃士傑其實也不解為何公司如此決定，總覺得應該要花時間在準備比賽而不是寫論文。

引文:

DeepMind 的主張是 AlphaGo 是一個科學研究，希望能將成果公開在論文上，推動科學領域繼續往前進步。

也就因為要發表論文，Nature 要求刊登前不能公開打敗樊麾的訊息，所以大眾是在好幾個月之後才知道。

黃士傑也再度提到，DeepMind 加入 Google 之後，Google 所提供的運算資源硬體設備幫助相當大，尤其後來 TPU 取代了 GPU 更是極大的幫助，不然有很多事情根本做不了。 AlphaGo 也算是在 Google 裡面第一個大量使用 TPU 的程式。關於細節，黃士傑表示在紀錄片《AlphaGo》裡面都有詳細描述。



從敗給李世乭找到弱點，再次強化學習能力

韓國之戰的結果大家都知道了。打敗李世乭之後，AlphaGo 是否就該喊停了呢？其實對弈過程中，第四戰 AlphaGo 就出現了明顯的問題，竟然出現了連業餘選手都不會犯的錯，當時負責落子的黃士傑甚至覺得自己來下說不定還比 AlphaGo 好，李世乭也訝異地看螢幕確認是不是黃士傑放錯位置。

既然 AlphaGo 還有問題，自然就要繼續研究下去，全面性的把問題解決掉，這個過程花了八個月，也找來生力軍 Karen Simonyan 加入團隊。其實解決的方法就是在深度學習和強化學習的技術上，把學習能力再加強。

第一步，先把原本 13 層的網路增加到 40 層，也改成 ResNet，第二步則是把 Policy Network 和 Value Network 結合成 Dual Network，讓 AlphaGo 的直覺和判斷一起訓練。第三步，把 Training Pipelines 也加強。除了人工智慧的學習能力，黃士傑也把模仿棋、循環劫等圍棋的問題也解決了，再跟打敗李世乭的版本對弈，可以讓三子（不貼目）還達到超過 50% 的勝率。

Master 在台南從低調下棋到舉世關注

在確定解決了所能找到的所有問題之後，AlphaGo 團隊決定低調上線找棋士對弈，其實也就是後來的 Master 版本，而當然不斷的贏棋之後，再也無法低調了，最後的結果是對戰中、日、韓、台的頂尖棋手，全勝。

引文:

AlphaGo 自此再也沒有輸給人類棋士了。

當時，黃士傑回到台灣，在台南自己的房間裡面，開了一個新的帳號，邀請棋士對弈，知名棋士還拒絕，不過後來當然就變成是黃士傑拒絕別人了，而且每一盤棋也越來越多人觀戰。在對戰過程中，黃士傑一直觀察 AlphaGo 勝率圖表的變化，除了柯潔以外，已經沒有人有機會贏 AlphaGo 了。

經過小蝠的調整和改進，AlphaGo 到中國與柯潔對弈。黃士傑也提到了比起在韓國很想要全贏，在中國對弈的氣氛是比較輕鬆的，因為勝負不再是重點（覺得不可能會輸了），而是已經是在探索人類與人工智慧之間如何互相合作，所以比賽的名稱也叫做「共創棋妙未來」。黃士傑表示，人工智慧已經不會輸給人類，但是這時候人工智慧的功能，是在擴展人類棋手的思路，和人類合作一起探索圍棋還未被發掘的領域。

引文:

AI 是人類的工具，不是人類的威脅。

AlphaGo Zero 只用三天，走過人類幾千年圍棋研究的歷程

AlphaGo 團隊當時已經兵分兩路，黃士傑忙著用 Master 與柯潔對戰，另一組人則開發 AlphaGo Zero，而黃士傑先負責把 AlphaGo 的圍棋知識全部拿掉，並且再三確認這件事情，因為 AlphaGo Zero 是一個完全不需要人類先備知識就能自我學習的人工智慧，所以只能有規則知識，不能有圍棋知識。

其實原本 AlphaGo 團隊也不確定能不能成功，不過後來 AlphaGo Zero 的確也擊敗了 Master，再度證明深度學習與強化學習真的很強大。AlphaGo Zero 一開始是徹底亂下，也常常學習之後就卡住了，經過一些調整之後才能再繼續，不過有了 Google 強大的運算資源，以 2000 顆 TPU 的運算，短短經過三天，AlphaGo Zero 就成功了。而且不只學習能力，AlphaGo Zero 下棋的時候耗電量比起對弈樊麾時的運算，降低很多。現在很多 Zero 所下的棋，黃士傑也看不懂了。

延伸閱讀：

Nature 刊登 Deepmind 論文，最強 AlphaGo Zero 已無需人類知識，AlphaGo 慘敗

結論：

總結這一路走來的收穫，除了發表兩篇 Nature 論文，參與兩次人機大戰與 60 局的網路對弈，更有機會讓人工智慧與圍棋兩個黃士傑最喜歡的領域都受到全世界的重視，還上了時代雜誌，也拍了一部紀錄片，黃士傑覺得非常滿足。而以下則是黃士傑在演講簡報上整理的五點結論：

1. AlphaGo 的成功，是深度學習與強化學習的勝利
2. AlphaGo 從起始到結尾，證明了團結力量才會大
3. AlphaGo 的發展，TPU 與硬體資源扮演非常重要的角色
4. AlphaGo Zero 顯示了強化學習的巨大潛力
5. 人工智慧在可見的未來，將成為人類重要的工具，與人類合作

而在問題時，有觀眾問到 AlphaGo Zero 的出現，是否意味著人類知識就沒有用了呢？黃士傑則表示，這是一個值得研究的問題，AlphaGo Zero 只回答了人工智慧可以不需要人類知識，但是需不需要人類知識，是現在還沒辦法回答的，其實有人類知識的確會縮短人工智慧學習的時間，但沒有人類知識，有沒有可能發展出截然不同的知識出來呢？

AlphaGo Zero 目前也沒有開源的計畫，但是黃士傑認為，在 Nature 發表的論文都寫得很詳細了，也有人看著論文做出 AlphaGo Zero 並且開源了，所以 DeepMind 是不是要開源，倒是沒有太大差異。

引文:

作者HeterCompute (異質運算)
看板GO
標題[情報] 黃博士今日演講內容
時間Fri Nov 10 13:23:12 2017

簡單提一下今天黃博士演講重點
演講標題是深度學習與強化學習的勝利
認為zero是最佳的deepmind電腦圍棋這部分最佳的收尾

黃博士對於一開始擊敗樊輝就發nature有些不解，我們要挑戰李世石結果把所有技術都透漏給所有人，但deepmind的想法是我們需要分享技術讓世界一起進步。

google對alphago團隊最大幫助是TPU。

認為Master已經完美解決李世石第四盤的bug，解決方式與神經網路架構(dual res)和訓練都有關，並且以他多年的電腦圍棋經驗與測試過後，認為不會再出現此類bug。


Master是20block res-net，並改進了training pipeline和MCTS，也解決了模仿棋和循環劫(沒說怎麼做)，能讓lee版本3子並超過50%勝率。

master年初60連勝每一步4-8秒，在台灣，吃泡麵配黑松沙士下的，是黃博士積極鼓吹要出來測試，Hassabis說要低調並使用韓國國籍，一開始不得透漏身分。

Hassabis說要挑強的下，但是第一天職業沒人願意跟0勝0負的下，都被拒絕，等到第一天10連勝之後第二天開始拒絕別人邀請。

master下的時候可以看勝率隨步數的圖，基本上50手之前斜率很高並且確立極大優勢，唯一例外是柯潔烏鎮第二盤。

4月的時候已經有zero，但由於要發nature所以不能拿來下。

當初開發zero沒預料到會超過master。

master年初開發完畢之後，zero由其他人負責開發，黃博士繼續想方法增強master。

zero不是放在那邊增強學習就會變強，中間需要做很多優化，否則有bug不會進步，其中一個重大bug發生在第三天(紀錄人表示：所以看來絕藝有得忙了。

AntiAlphaGo，不是像大家想的那樣有新的技術，就是左右互搏，也不是gan(生成式對抗網路)。

master是否被人類棋譜拖累？答案是不確定，因為master訓練時間較短，deepmimd也沒有針對同等條件去比較。

以上，有其他疏漏請其他人補充，並歡迎轉載，但請說明作者是Hetercompute

-----
Sent from JPTT on my Samsung SM-A710Y.

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.109.127.9
※ 文章網址: https://www.ptt.cc/bbs/GO/M.1510291395.A.4F4.html

推 jackcselab: 這篇訪問算是證實了DZG作者的猜想，master是用比較小的網路才輸給zero，master跟zero在相同網路下并沒有明顯的優劣
→ jackcselab: 上面講錯，應該說master跟zero在相同條件下誰優誰劣還未知 另外我有個疑問，記得當初有提到，master只計算到20步 ，這個20步跟resnet的20-block有關係嗎? 11/10 15:16

推 CGary: 很難說是證實了 其實Aja在被問的時候不是這樣說的 他只是說不能因為AGZ的強大 就說人類的知識本質沒有用處 只能說透過Zero可以真的"從零學會", 但他們不能評估這兩者用同樣的計算量 Master 不會輸 因為在回答過程中aja 不止一次說他們非常驚訝Zero的訓練結果（本來以為是根本不可能贏過Master,沒想到很快就碾壓了） 11/10 16:50

→ aegis43210: zero的演算法也是一直優化才比master強 那個人不看好騰訊能完整複製zero的棋力了 11/10 23:42

推 oldTim: AlphaGO與其說是科學上的突破，不如說是工程上的奇蹟 11/11 00:07

推 staristic: 看硬體怎麼進步吧，硬體追得上的話說不定20年後變大學機器學習的學期大專題 11/11 00:08

推 seaEPC: 很佩服deepmind分享知識的作法 11/11 07:57

推 sunev: 所以master就已經只用一個神經網路了嗎? 11/11 14:34

→ HeterCompute: 對，只用Res-Net 11/11 17:32

推 tlchen: 我很早就提,我們不能只看三天很短,但三天中,它進入高品質的棋局,比人類幾千年來的高品質,其實應該是不知多多少倍 11/11 18:54

→ Uizmp: 這也難說,人類不在對弈的時候, 有些人腦中依然在運算這些只是沒有下出來, 或者下出來沒有留下棋譜只能說人類的資訊整合能力與計算能力遠輸於AG 11/11 19:03

推 birdy590: 三天看來很短 但那已經累積上百萬盤的樣本了 沒有google這種資本 一般開發者根本不可能這樣設計 11/11 19:17

推 wadashi1: Zero用的設備就像進入精神時光屋一樣,1700年用40天達成 11/11 19:22
推 birdy590: 人類歷史上所有棋局加起來也不過零頭吧 質也一定輸 11/11 19:24
推 ddavid: 主要是人類並不是一個整體，有大量的運算資源被浪費在各自 11/12 02:56
→ ddavid: 算各自的東西，再來就是下完一局棋以評估所花時間太久 11/12 02:57
推 lwei781: 人類是各自學 流派又不交流 11/12 13:07
推 aegis43210: alphago lee是13block，Master是20block 11/12 19:44
→ aegis43210: zero則有20block和40block兩種版本

黃士傑臨別感言:AlpahGo研究之旅畫上美好句點
2017年12月13日09:39 新浪綜合



黃士傑

　　據新智元公眾號報導。

　　[新智元導讀]剛剛，DeepMind黃士傑博士發表消息，表示AlphaGo項目正式結束。如果一定要有一個人為AlphaGo的研究劃上句點，黃士傑當之無愧。從AlphaGo第一次出現在公眾視野時，黃世傑便是AlphaGo的最佳代言人。他抬手、落子，行機器之智能，走出一代大師風範。他冷靜、他沉著，他是AlphaGo的“人肉臂”。而他的離開和謝幕，代表了一個時代的終結，也是更加激動人心的開始。




　　12月寒冬的最冷一天，這條深夜的臨別感言引爆了朋友圈，熱鬧喧囂的討論更映襯出一個時代終結的孤寂悲涼，黃士傑，一位精通圍棋的AI工程師，他一手造就的AlphaGo，已經登峰造極，而他離去的身影，也或許窺見了人類的未來。大時代的一批傳奇人物謝幕，他是寂寞的，自己培養的AI取代了他，如果一定要有一個人為AlphaGo的研究劃上句點，黃士傑當之無愧。從AlphaGo第一次出現在公眾視野時，黃士傑便是AlphaGo的最佳代言人。他抬手、落子，行機器之智能，走出一代大師風範。他冷靜、他沉著，他是AlphaGo的“人肉臂”。時代的前進腳步從不停歇，人工智能的盛世爆發正在來臨，“人肉臂”黃士傑轉崗，對AlphaGo深情的告別，都是在AI圍棋的里程碑上落下絢爛的一筆。

　　針對未來發展方面，黃士傑表示，DeepMind 有興趣的領域除了圍棋之外，還有'醫療'跟'機器人'，希望能夠讓世界變得更美好，至於他自己個人的下一步，當然就是選一個有興趣的領域去投入。現場有媒體再次詢問下一個目標是不是挑戰《星海爭霸》、《英雄聯盟》這個模擬策略遊戲領域，黃士傑並沒有把話說死，表示：“內部還在討論”。

　　11月27日，黃士傑在Facebook轉發了一則關於DeepMind將與一些頂尖的研究機構共同投入診斷乳腺癌的AI研究消息。DeepMind將利用最新的機器學習技術，希望能夠快速、準確地檢測出癌症的跡象，幫助醫生儘早發現癌症，以便更早的有效治療，此舉或許能捕風捉影體會到黃士傑之後的動態走向。

　　黃士傑，他就是AlphaGo本身

　　黃士傑出生於台灣，1997考入台灣國立交通大學就讀大學本科，專業為計算機與信息科學。2001年到2003年，在國立台灣師範大學就讀計算機科學和信息工程碩士。2004年到2011年在國立台灣師範大學完成了博士學業，博士論文就是“應用於電腦圍棋之蒙地卡羅樹搜索法的新啟發式演算法”。

　　黃士傑專精於人工智慧領域，碩博士論文都在台師大資工所教授林順喜指導下完成，據其導師林順喜回憶，黃士傑是個很努力的學生，對圍棋也非常有興趣，是台師大圍棋社創社社長，就讀時就有圍棋業餘6段的資格。

　　林順喜透露，黃士傑的博士本來5年就可念完，但為了延續研發成果，多念了2年，博士班7年級時，他所開發的圍棋程式“Erica”擊敗了當時國際公認的最強程式“ Zen”，並在日本舉辦的國際電腦奧林匹亞中拿下19路電腦圍棋金牌。

　　黃士傑博士畢業後在加拿大艾伯塔大學做了一年研究員，隨後於2012年加入DeepMind，擔任高級研究員。2014年1月26日，谷歌以5億美元收購了這家日後將會大放異彩的公司。自此，黃士傑在谷歌DeepMind任研究科學家。同年2月，AlphaGo項目正式啟動，團隊只有3個人：哈薩比斯、席爾瓦、黃士傑。

　　項目啟動伊始，團隊就決定將沿著深度學習和強化學習的方向探索。無疑，這條道路將無比艱難。然而，他們還是上路了。

　　2014年6月，AlphaGo通過卷積神經網絡學習了很多人類棋譜，能在3毫秒內做出堪比人類的下棋直覺。黃士傑將它命名為“策略網絡”，並在GPU上進行持續的訓練優化。

　　一年之後，AlphaGo閱讀棋局的能力提升了很多，可以檢索多種局面變化，並且找到最佳的應對方式，可以算出後續40-60步棋。

　　自此，有越來越多的深度學習專家加入了這個一開始只有三人的團隊。8月，AlphaGo將掌握稱霸圍棋世界最關鍵的能力：形勢判斷。AlphaGo通過自我對弈，訓練出價值網絡，進而可以判斷每一手棋背後代表的勝率。這就形成了形勢判斷的能力。據黃士傑回憶，他當時已經感覺到AlphaGo的強大。10月，樊麾大戰AlphaGo，當時代替AlphaGo落子的正是黃士傑。樊麾輸了。但這一消息當時並未被公佈。

　　2016年1月27日，Nature雜誌介紹了DeepMind團隊的AlphaGo，以及樊麾輸了的消息。黃士傑與席爾瓦是這篇論文的第一作者。

　　又過了2個月，AlphaGo擊敗了李世乭。這次，依舊是黃士傑代替AlphaGo落子。這也是黃士傑第一次出現在觀眾的眼前。

　　這年年底，一個叫Master的棋手大開殺戒，連續斬殺各路圍棋高手。取得59場連勝之後，Master公佈了自己的真實身份：“我是AlphaGo的黃博士”。黃士傑，又是黃士傑。

　　2017年5月23日，柯潔對面坐的，仍然是黃士傑。在對戰結束後，柯潔說，“黃博士來擺棋，可能更讓我有和AI對戰的感覺。我也特別佩服黃博士，大家看直播也能看到我很愛動，總喜歡活動身體，而黃博士總是一動不動，不上廁所、不喝水、也不吃東西……所以跟黃博士下棋時，我覺得黃博士就是AlphaGo。”

　　AlphaGo一路廝殺，黃士傑始終在側，甚至可以說，他就是AlphaGo本身。

　　AlphaGo 小傳

　　姓名：AlphaGo（Fan，Lee，Master，Zero）
　　別名：阿老師，阿爾法狗
　　生日：2014年
　　出生地：英國倫敦

　　1、擊敗樊麾

　　2015年10月，AlphaGo擊敗樊麾，成為第一個無需讓子即可在19路棋盤上擊敗圍棋職業棋手的電腦圍棋程序，寫下了歷史，相關成果在2016年1月發表於Nature

　　2、擊敗李世石

　　2016年3月，AlphaGo在一場五番棋比賽中4：1擊敗尖端職業棋手李世石，成為第一個不借助讓子而擊敗圍棋職業九段棋手的電腦圍棋程序，再創歷史。五局賽后韓國棋院授予AlphaGo有史以來第一位名譽職業九段

　　3、排名短暫超越柯潔

　　2016年7月18日，AlphaGo在Go Ratings網站的排名升至世界第一。但幾天之後被柯潔反超。

　　4、Alpha Go化名“Master” 60連勝

　　2016年的倒數第三天，一個用戶名為“Master”的圍棋用戶，連續在圍棋平台大開殺戒，“斬殺”包括柯潔、朴廷桓、井山裕太、陳耀燁、申真諝、常昊、古力等各路圍棋高手，最終以以60連勝告終。柯潔連輸三場，期間還因為急性腸胃炎住院……

　　在第59場時候，“Master”自報家門：“我是AlphaGo的黃博士”。

　　5、AlphaGo大敗柯潔，柯潔落淚哽咽

　　2017年5月27日，烏鎮圍棋峰會，柯潔總比分0：3 敗於AlphaGo。比賽中，柯潔在局面不利時長時間離開，回來後又淚灑現場。賽后柯潔一度哽咽稱：它太完美我很痛苦，看不到任何勝利的希望。

　　6、AlphaGo Zero橫空出世自學21天虐Master

　　2017年10月，DeepMind最新版AlphaGo論文介紹了迄今最強最新的版本AlphaGo Zero：使用純強化學習，將價值網絡和策略網絡整合為一個架構，3天訓練後就以100比0擊敗了上一版本的AlphaGo。

　　7、AlphaGo教學工具正式上線，柯潔：重新學習圍棋

　　2017年12月11日，AlphaGo的啟蒙老師、歐洲圍棋冠軍樊麾在微博上透露：“AlphaGo教學工具共有兩萬多個變化，三十七萬多步棋組成，通過AlphaGo的視角，分析並建議圍棋開局的諸多下法。隨後，當今世界圍棋第一人柯潔隨後轉發此條微博，並評論到：“重新學習圍棋。”

　　AlphaGo已經退休，但技術永存。

　　謹以此文，致敬AlphaGo，以及研發AlphaGo的人。

derrida 寫道：
引文:

流浪狗之歌 寫道：
AlphaGo紀錄片網站 https://www.alphagomovie.com/



前導影片看到對戰李世石的DeepMind團隊後臺場面，真是驚人。

紀錄片《AlphaGo》預告片出爐，「李世乭神之一手讓我感受到有一齣好戲在手」-from TheNewsLens關鍵評論
https://hk.thenewslens.com/article/79180

今天看了台灣首映，幾點感想：

1. 大部分內容都早已知道，但有些幕後鏡頭是首次曝光。例如第二局李世石下了第36手後，到陽台抽菸。事後回顧指出 AlphaGo 下一手是他印象最深、最受感動的一手。還有最後一局終局前，David Silver在後台一片緊張中開了玩笑，讓大家嚇了一跳，以及李世石投子瞬間，整體歡呼的鏡頭。

2. 我之前不知道，今天才知道的只有一點。當李世石接受比賽後，DeepMind 找樊麾來抓 AlphaGo 的 bug，結果在比賽前三天確認 AlphaGo 的短板就是大塊死活搞不清（這點後來根據去年論文訓練的程式都有發現同樣的問題）。但因比賽即將開始，只好硬著頭皮上陣，結果李世石成功在第四局突破。

3. 中文字幕翻譯有些不準確，不過無傷大雅。

4. 票房不佳，不知是宣傳不夠還是有其他原因。還有一場，不知是否會比較好。