本文解析了AlphaGo如何结合深度学习与蒙特卡洛树搜索(MCTS)评估围棋局势，介绍了其六个关键技术点，包括策略网络与价值网络所使用的49种特征描述。
模型推荐看原文：
自己的理解：
MCTS解决的是算力分配的问题，alphago主要解决了五个问题：
一是把深度学习和蒙特卡洛法相结合，取得一个准确和速度的平衡，用于评估当前局面。
二是使用监督数据，防止强化学习网络陷入策略循环，然后通过自博弈再提升自己。
三是网络训练方法，在监督学习阶段，将人类数据按照前后步切片，这样一局可以产生大量的训练数据，并且和输赢奖励联系起来，避免奖励稀疏。
四是使用策略网络模拟对手的落子，算是一种对minimax预测对手落子的一种改进吧？
五是工程上使用分布式计算，但是不知道怎么实现的，分布式mcts？
六.特征工程
如上图所示，AlphaGo的策略网络和价值网络用于描述棋局当前局势的49个特征，棋盘上的361个点每个点都可以用这49个特征进行描述，下面将一一进行解读：
1、Stonecolour：
这个点放的黑子、白子还是空点。
2、Ones
赋值为常量1，具体作用不详。
3、Turns since
在周围的八个点中，这一步棋有多少变化。
4、Liberties
环绕这个点的八个点中，有几个空点。
5、
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
