喜好文章请关注：“我是天边飘过一朵云”
关于AlphaGo的事情事理，任何完备信息博弈都无非是一种搜索。搜索的繁芜度取决于搜索空间的宽度（每步数的多寡）和深度（博弈的步数）。对付围棋，宽度约为250，深度约为150。AlphaGo用代价网络消减搜索宽度，从而极大地缩小了搜索范围。
所谓代价网络，是用一个“代价”数来评估当前的棋局。如果我们把棋局上的所有棋子的位置总和称为一个“状态”，每个状态可能许可多少个不同的后续状态。所有可能状态的前后次序就构成了所谓的搜索树。一个暴力的搜索算法会遍历这个搜索树的每一个子树。但是，实在有些状态是较随意马虎判断输赢的，也便是评估其“代价”。我们把这些状态用代价来表示，就可以据此省略了对它所有后续状态的搜索，即利用代价网络减少搜索深度。
所谓策略，是指在给定棋局，评估每一种应对可能的胜率，从而根据当前盘面状态来选择走棋策略。在数学上，便是估计一个在各个合法位置高下子得胜可能性的概率分布。由于有些下法的得胜概率很低，可以被忽略，以是用策略评估就可以消减搜索树的宽度。
也便是说，所谓的“代价”便是能看懂棋局，机器一下就能判断某给定棋局是不是能赢，这是个宏不雅观的评估。所谓的“策略”，是指在每一步博弈时，各种选择的取舍，是一种微不雅观的评估。AlphaGo利用仿照棋手、强化自我的方法，在宏不雅观（代价评估）和微不雅观（策略评估）两个方面提高了探索的效率。
本文原创自头条号“我是天边飘过一朵云”，未经授权严禁转载。