8.AlphaGo.md

AlphaGo

Go is hard

• Search space is huge
• hard to evaluate (who is winning)
  • difficult to design evaluation functions

AlphaGo

• Monte-Carlo rollouts
  • rollout
    • 反复模拟和采样对局过程
  • 大框架, 算法
    • 非常容易并行
    • 可任何时候停止(时间和收益上的平衡)
    • 引入了随机性采样而减小估值错误带来的负面影响
    • 可在随机探索的过程中, 结合强化学习 (Reinforcement Learning), “自学”式的调整估值函数
• Reinforcement Learning
  • 学习方法，用来提升AI的实力
• DNN 是工具, 用来拟合局面评估函数和策略函数, 让"量化评估围棋局面"成为了可能
  • Value network
    • Reducing depth
    • 12 layer convolutional neural network
  • Policy network
    • Reducing breadth
    • 12 layer convolutional neural network
•