https://mp.weixin.qq.com/s?__biz=MzA4OTYwNzk0NA==&mid=2649711706&idx=4&sn=90eaa63f5d6aaa2211d38c3721053f52&chksm=88039e3dbf74172b5ed34f1c99b59a68d3d1eccd22ec77c35051ffff58bc0bf269ffc3403da6&scene=126&sessionid=0
我七年前就说不用adversarial policies就可以设计实验找出计算机围棋的问题，但需要规范实验环境
像下棋这样有固定规则和有限空间（围棋19x19)AI 最终一定赢。
是的，计算是电脑的强项，需要的是找出计算方法。
这需要验证。我早就提出用计算机围棋做智能技术实验工具，并告诉过一些人。以此可以寻找人工智能更精确的上限
AI 不会在同样的情况下输二次。 这要一直下， AI 一定胜利。
那个业余围棋手胜了十四盘。当然完全一样的局面，计算机第二次会知道上次走错了，但未必知道该怎么走赢
那位大概就是设计如何测试程序的， 知道AI 的软肋。
他公布的方法不复杂，直觉性很强
如果， alphago 马上把输的结果归纳进测试程序进行再训练， AI 就补上了那个缺陷。
如果这样不能解决问题， 那么 alphago 设计有缺陷。这样的反馈学习成本非常高。
据说是知道了上次的错误，光凭此经验仍可能不知道正确的走法，除非训练过程作大的改变
ScottGu
2023-03-23 20:04:09我七年前就说不用adversarial policies就可以设计实验找出计算机围棋的问题，但需要规范实验环境