阿法狗用的什麼演算法

1樓：匿名使用者

阿爾法圍棋（alphago）的主要工作原理是「深度學習」。「深度學習」是指多

層的人工神經網路和訓練它的方法。一層神經網路會把大量矩陣數字作為輸入，通過非線性啟用方法取權重，再產生另乙個資料集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織鏈結一起，形成神經網路「大腦」進行精準複雜的處理，就像人們識別物體標註**一樣。

主要包括4個部分：

1. 走棋網路（policy ***work），給定當前局面，**/取樣下一步的走棋。

2. 快速走子（fast rollout），目標和1一樣，但在適當犧牲走棋質量的條件下，速度要比1快1000倍。

3. 估值網路（value ***work），給定當前局面，估計是白勝還是黑胜。

4. 蒙特卡羅樹搜尋（monte carlo tree search，mcts)，把以上這三個部分連起來，形成乙個完整的系統。

阿爾法圍棋（alphago）是通過兩個不同神經網路「大腦」合作來改進下棋。這些大腦是多層神經網路跟那些google**搜尋引擎識別**在結構上是相似的。它們從多層啟發式二維過濾器開始，去處理圍棋棋盤的定位，就像**分類器網路處理**一樣。

經過過濾，13 個完全連線的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。