跟它下！没机会的！”
罗爽的表情比谁都Yin戾。如果世上存在AlphaGo，围棋这项竞技将没有任何意义。他作为职业棋手，将很快被历史淘汰。
陈院长问程延清：“你怎么看？”
“他的棋风很像我。”程延清大言不惭道，“我还挺喜欢他的风格的。”
众人忍不住一齐嘘他，这个人不论何时都那么自大。
一直沉默的谢榆却说：“没错。不过AlphaGo和你风格相一致，完全是出于另外的原因。”
“什么原因？”
“我还不知道。”
谢榆面色凝重地盯着显示屏。他以为计算机的强大之处在庞大的计算能力，但是AlphaGo完全颠覆了他的观念。AlphaGo不是强算出来的，AlphaGo真的懂棋。比如说有一局序盘，它选择了日本棋手稳扎稳打的布局风格；有一局在对方纠缠不清的情况下选择脱先，弃小角而争腹地……这些在从前都是无法可想的。AlphaGo怎么可能学会人类的棋感与全局观呢？
看来，魏柯的人类卫冕之战，并不好打。
果不其然，第二天，乌镇传来消息，第一局以魏柯惨败告终。魏柯以非常保守的下法，与AlphaGo进行接触式作战，结果被AlphaGo在中后盘吊打。要知道，中后盘原本是魏柯的主场。他的搅功和官子功夫曾让他无数次转危为安，而这两者靠的都是计算力。比照一秒可以进行上亿次计算的AlphaGo，魏柯自然没有任何胜算。
消息传到中国棋院的时候，所有人都像是霜打了个茄子似的。唇亡齿寒，兔死狐悲，这下连罗爽也高兴不起来。只有谢榆一人默默坐在研究室里，快速翻看着几个G的资料，时不时浏览群里的聊天记录。他委托中国棋院发动了一切可以调动的资源和人脉，四处搜集AlphaGo的信息，然后与计算机领域的大牛们讨论分析。可以说，今天的结果，他完全已经预料到了。
按照传统，计算机的长处应该在计算。而围棋，恰恰是不可能被暴力计算的领域。围棋的很多概念都无法被量化，厚薄、争先、取势……这种东西，电脑怎么去理解？！谢榆的本职是个码农，虽然不务正业，但凭他对计算机和围棋两个领域的了解，他曾经尝试过围棋AI的编码，所以他非常清楚这些概念是无法被量化的。此前出现的AI也一直印证着他的猜想，直到AlphaGo。
他敢肯定，AlphaGo的计算方式产生了相当大的变化！AlphaGo不是以计算机的惯性在运行，它完全是人脑的思维方式！
“他们在蒙特卡洛树搜索上加装了什么？”谢榆一目十行地扫过屏幕上的代码。
蒙特卡洛树搜索，是围棋AI的基本解决框架。围棋AI每一步都选择若干种落子，然后在电脑中模拟到终局，进行数子，最终选择胜率最高的那一步棋。因为计算量太大，AI只能给出一个近似最优解，并非全枚举，在AlphaGo之前AI因此也只能达到业余五级的水准。
这依旧是一个计算的范畴，而职业棋士很多时候并不是单靠计算做出判断，像之前所说的全局观念，就是蒙特卡洛树搜索无法解决的问题。要让AI发挥出人脑的效果，到底靠的什么？
当天晚上，谢榆从美国的某个计算机大牛那里，获知了他想要的答案。
AlphaGo团队在蒙特卡洛树搜索上加装了策略网络和价值网络两个模块。
这两个模块让AlphaGo不是单纯地计算，而是深度学习、模仿人类！
策略网络，顾名思义是决策下一步走子。AlphaGo会检索KCS围棋服务器上所有真人在线对弈，进而判断：如果是人类棋手处于它当前的位置，他最有可能走哪一步？它只对那些解进行计算！然后，它就自我对弈上千万局，看看这一步是否真的是最优解！
遵循策略网络，蒙特卡洛树搜索的树宽将大量减少，但深度依旧存在。上千万局博弈，每一局都走到最后，依旧是可怕的计算量。
计算深度的减少用上了价值网络。它以AlphaGo产生的大量自我博弈作为样本，检索这种棋形在历史上的胜率，把好坏、优劣变成了一个概率问题！那么每一回，AlphaGo计算到一定深度就可以停下来，直接估算当前胜率！
经验的本质是概率，从本质上来说，以概率判断局面的AlphaGo，就是以“经验判断现状”的人类大脑运行模式！AlphaGo的走子，也完全遵循了人类棋手的思维历程——大量背谱，吸取经验，自我思考，判断局势……然后估算其后若干步的棋局导向！
只是这个棋手，等于千百年来千千万万个棋手的经验总和，并且，完全不会出错罢了。
第二天，乌镇再传出消息：魏柯第二局，依旧惨败！
魏柯意识到细棋是没有机会的，一开始就主动展开攻势，趁着布局阶段想要对AlphaGo进行压制。他意识到AlphaGo非常有经验，尝试用怪