柯杰点头：“概念的置换，得到当前局面的最优解，而不是整盘棋的最终解。”
这两者是天差地别的。
但是，只要从开始，计算机下的每一部，都是当前的最优解，累积起来，也就成了整盘棋的最优解。
?傲世指数+8888
看看，这随便弄几下，就把柯杰给震出惊了。
可惜的是，学生们大部分对元霄都不感冒。
这就是收集傲世指数困难的地方。
看来只有等成品问世，对他们才能收割一波。
任务有坑啊。
柯杰兴趣很浓：“那么问题在于，如何筛选出这样的点。”
“所以，我们需要对算法进行加成。”元霄解释。
围棋棋盘上的一个点，可以用数值表示它的状态。
比如有白棋是1，有黑棋是-1，没有棋就是0。
这是最基础的。
如此一来，就可以对整个棋盘361个点，建立数学数值。
然后，程序就可以对这群数值进行反复的运算。
元霄画出一个概念图：“第一个我们需要的是，可以称为策略神经网络。”
策略神经网络的作用，是判断当前局势下，下一步棋下在哪里最合适。
元霄认为，这里的选点，可以参考人类棋手的棋谱。
模仿人类棋手的思考模式，快速将一些低概率的点淘汰掉。
柯杰叹了口气：“看来，到时候我还要提供目前为止所有人类的对局棋谱了。”
理论上而言，棋谱数量越多，策略神经网络的成熟度也越高。
本小章还未完，请点击下一页继续阅读后面精彩内容！“这一点，我们让计算机自主学习。”元霄指出其中的关键。
反复推演学习的结果，将会使策略神经网络更加强大，选点更为准确。
“而要做到这一步，还需要另外一个神经网络的结合。”元霄写下一个公式。
价值神经网络。
其作用是能够计算出，每个选点的胜率。
每一步都进行这样的估值判断，直到棋局的结束，得到最精准的胜率数值。
而同样，这东西也可以自己学习。
总结起来其实很简单。
就是模拟人类下棋的思维。
首先判断在哪些地方可以下，每个地方的胜率是多少。
然后对这些选点进行集中计算，推演出最后的结果。
每一步都这么执行。
那么得到的每一手，自然就是最佳的下法。
如果说一开始柯杰觉得元霄说的是天方夜谭。
到了现在，他感觉这东西并不是完全不可能实现的了。
他咽下口水：“如此一来的话，那不是一开始的时候，计算机就已经锁定了结果。”
必胜的结果。
?傲世指数+8888
“这只是大概的概念，实际我们还需要一步步来，”元霄放下笔，“柯院长，到时候和围棋软件的对弈，还需要你来。”
柯杰表示责无旁贷。
苏辰逸、卓越、方旭尧几个都听懂了。
夏晚晴黎沐岚之流，当然是不知所云。
尤其是夏晚晴，她表示很鄙视。
花脑袋去开发这玩意有啥用。
老师也真是的，有时间和我一起不香么。
计算机的世界，果然蕴含宅的属性。
喜欢我有一个全时空英灵系统请大家收藏：我有一个全时空英灵系统本站更新速度全网最快。