A. 精簡版開源AlphaGo來了，你也可以和TA下圍棋了
精簡版開源AlphaGo來了，你也可以和TA下圍棋了
程序原理
阿爾法圍棋（AlphaGo）是一款圍棋人工智慧程序。這個程序利用「價值網路」去計算局面，用「策略網路」去選擇下子。
深度學習
阿爾法圍棋（AlphaGo）的主要工作原理是「深度學習」。「深度學習」是指多層的人工神經網路和訓練它的方法。一層神經網路會把大量矩陣數字作為輸入，通過非線性激活方法取權重，再產生另一個數據集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織鏈接一起，形成神經網路「大腦」進行精準復雜的處理，就像人們識別物體標注圖片一樣。
兩個大腦
阿爾法圍棋（AlphaGo）是通過兩個不同神經網路「大腦」合作來改進下棋。這些大腦是多層神經網路跟那些Google圖片搜索引擎識別圖片在結構上是相似的。它們從多層啟發式二維過濾器開始，去處理圍棋棋盤的定位，就像圖片分類器網路處理圖片一樣。經過過濾，13 個完全連接的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。
這些網路通過反復訓練來檢查結果，再去校對調整參數，去讓下次執行更好。這個處理器有大量的隨機性元素，所以人們是不可能精確知道網路是如何「思考」的，但更多的訓練後能讓它進化到更好。
第一大腦：落子選擇器 （Move Picker）
阿爾法圍棋（AlphaGo）的第一個神經網路大腦是「監督學習的策略網路（Policy Network）」 ，觀察棋盤布局企圖找到最佳的下一步。事實上，它預測每一個合法下一步的最佳概率，那麼最前面猜測的就是那個概率最高的。這可以理解成「落子選擇器」。
第二大腦：棋局評估器 （Position Evaluator）
阿爾法圍棋（AlphaGo）的第二個大腦相對於落子選擇器是回答另一個問題。不是去猜測具體下一步，它預測每一個棋手贏棋的可能，在給定棋子位置情況下。這「局面評估器」就是「價值網路（Value Network）」，通過整體局面判斷來輔助落子選擇器。這個判斷僅僅是大概的，但對於閱讀速度提高很有幫助。通過分類潛在的未來局面的「好」與「壞」，AlphaGo能夠決定是否通過特殊變種去深入閱讀。如果局面評估器說這個特殊變種不行，那麼AI就跳過閱讀在這一條線上的任何更多落子。[2-6]
主要成績
研究者讓「阿爾法圍棋」和其他的圍棋人工智慧機器人進行了較量，在總計495局中只輸了一局，勝率是99.8%。它甚至嘗試了讓4子對陣CrazyStone、Zen和Pachi三個先進的人工智慧機器人，勝率分別是77%、86%和99%。
據國際頂尖期刊《自然》封面文章報道，谷歌研究者開發的名為「阿爾法圍棋」（Alpha Go）的人工智慧機器人，在沒有任何讓子的情況下，以5:0完勝歐洲圍棋冠軍、職業二段選手樊麾。在圍棋人工智慧領域，實現了一次史無前例的突破。計算機程序能在不讓子的情況下，在完整的圍棋游戲中擊敗專業選手，這是第一次。
阿爾法圍棋程序的下一個挑戰對象是世界圍棋冠軍李世石。這場人工智慧與人類的博弈於2016年3月9日在首爾舉行，獎金是由Google提供的100萬美金。
B. 通過Java控制台程序完成一個五子棋游戲，能夠實現黑白子交互下棋，程序自動判斷輸贏（需要完成判斷輸贏
importjava.util.Scanner;
publicclassFiveChessGame{
publicstaticvoiddisplay(char[][]arr){//圖形顯示函數
System.out.print("");
for(chari='0';i<='9';i++)
//列印行號0~9
System.out.print(i+"");
for(charj='a';j<='f';j++)
//列印行號a~f
System.out.print(j+"");
System.out.println();
charc='0';
for(inti=0;i<10;i++){
System.out.print(c+++"");
for(intj=0;j<16;j++){
System.out.print(arr[i][j]+"");
}
System.out.println();
}
c='a';
for(inti=10;i<16;i++){
System.out.print(c+++"");
for(intj=0;j<16;j++){
System.out.print(arr[i][j]+"");
}
System.out.println();
}
}
publicstaticintgetNum(charc){
intnum;
switch(c){
case'0':
num=0;
break;
case'1':
num=1;
break;
case'2':
num=2;
break;
case'3':
num=3;
break;
case'4':
num=4;
break;
case'5':
num=5;
break;
case'6':
num=6;
break;
case'7':
num=7;
break;
case'8':
num=8;
break;
case'9':
num=9;
break;
case'a':
case'A':
num=10;
break;
case'b':
case'B':
num=11;
break;
case'c':
case'C':
num=12;
break;
case'd':
case'D':
num=13;
break;
case'e':
case'E':
num=14;
break;
case'f':
case'F':
num=15;
break;
default:
System.out.println("輸入有錯誤！");
return-1;
}
returnnum;
}
publicstaticintisWinner(charc,char[][]arr,inta,intb){
if(c=='@'){
intcount=0;
for(inti=0;i<16;i++){
if(arr[a][i]=='@'){
count++;
if(count>=5){
return1;
}
}else{
count=0;
}
}
count=0;
for(inti=0;i<16;i++){
if(arr[i][b]=='@'){
count++;
if(count>=5){
return1;
}
}else{
count=0;
}
}
count=0;
if(a>=b){
intj=0;
for(inti=a-b;i<=15-a+b;i++){
if(arr[i][j]=='@'){
count++;
j++;
if(count>=5){
return1;
}
}else{
count=0;
j++;
}
}
}else{
intj=0;
for(inti=b-a;i<=15-b+a;i++){
if(arr[j][i]=='@'){
count++;
j++;
if(count>=5){
return1;
}
}else{
count=0;
j++;
}
}
}
intj=a+b;
count=0;
if(a+b<=15){
for(inti=0;i<=a+b;i++){
if(arr[i][j]=='@'){
count++;
j--;
if(count>=5){
return1;
}
}else{
count=0;
j--;
}
}
}else{
j=15;
for(inti=a+b-15;i<=15;i++){
if(arr[i][j]=='@'){
count++;
j--;
if(count>=5){
return1;
}
}else{
count=0;
j--;
}
}
}
}else{//判斷白色勝
intcount=0;
for(inti=0;i<16;i++){
if(arr[a][i]=='O'){
count++;
if(count>=5){
return2;
}
}else{
count=0;
}
}
count=0;
for(inti=0;i<16;i++){
if(arr[i][b]=='O'){
count++;
if(count>=5){
return2;
}
}else{
count=0;
}
}
count=0;
if(a>=b){
intj=0;
for(inti=a-b;i<=15-a+b;i++){
if(arr[i][j]=='O'){
count++;
j++;
if(count>=5){
return2;
}
}else{
count=0;
j++;
}
}
}else{
intj=0;
for(inti=b-a;i<=15-b+a;i++){
if(arr[j][i]=='O'){
count++;
j++;
if(count>=5){
return2;
}
}else{
count=0;
j++;
}
}
}
intj=a+b;
count=0;
if(a+b<=15){
for(inti=0;i<=a+b;i++){
if(arr[i][j]=='O'){
count++;
j--;
if(count>=5){
return2;
}
}else{
count=0;
j--;
}
}
}else{
j=15;
for(inti=a+b-15;i<=15;i++){
if(arr[i][j]=='O'){
count++;
j--;
if(count>=5){
return2;
}
}else{
count=0;
j--;
}
}
}
}
return0;
}
publicstaticvoidmain(String[]args){
//TODOAuto-generatedmethodstub
Scannersc=newScanner(System.in);
char[][]arr=newchar[16][16];
for(inti=0;i<16;i++)
//二維數組初始化
for(intj=0;j<16;j++)
arr[i][j]='.';
display(arr);
inti=0;
while(true){
if(i%2==0){
System.out.println("請黑方落子:");
Stringin=sc.next();
charc1=in.charAt(0);
charc2=in.charAt(1);
inta=getNum(c1);
intb=getNum(c2);
if(arr[a][b]!='.'){
System.out.println("該位置已經有棋子,請重新輸入！");
}else{
arr[a][b]='@';
display(arr);
intresult=isWinner('@',arr,a,b);
if(result==1){
System.out.println("黑方獲勝!");
return;
}
i++;
}
}else{
System.out.println("請白方落子:");
Stringin=sc.next();
charc1=in.charAt(0);
charc2=in.charAt(1);
inta=getNum(c1);
intb=getNum(c2);
if(arr[a][b]!='.'){
System.out.println("該位置已經有棋子,請重新輸入！");
}else{
arr[a][b]='O';
display(arr);
intresult=isWinner('O',arr,a,b);
if(result==2){
System.out.println("白方獲勝!");
return;
}
i++;
}
}
}
}
}
C. 深度學習，包括哪些
作為人工智慧最稀缺的人才之一，深度學習工程師面臨近百萬的缺口，成為了各大企業競相爭奪的香餑餑，月薪大都在30K-80K之間。越來越多的程序員、院校學生開始學習深度學習演算法。
可以說，如果你想要提升技能，在專業領域更上一步，《AI深度學習》可以成為你當下的選擇！
D. 深度學習是什麼
婡深臫度學頭習筿是學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數據的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。深度學習是一個復雜的機器學習演算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關技術。深度學習在搜索技術，數據挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及其他相關領域都取得了很多成果。深度學習使機器模仿視聽和思考等人類的活動，解決了很多復雜的模式識別難題，使得人工智慧相關技術取得了很大進步。背景介紹機器學習（Machine Learning）是一門專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能的學科。1959年美國的塞繆爾（Samuel)設計了一個下棋程序，這個程序具有學習能力，它可以在不斷地對弈中改善自己的棋藝。4年後，這個程序戰勝了設計者本人。又過了3年，這個程序戰勝了美國一個保持8年之久的常勝不敗的冠軍。這個程序向人們展示了機器學習的能力，提出了許多令人深思的社會問題與哲學問題。E. 求描述一套精闢的圍棋下棋過程。
禮儀和弈德
關於圍棋
圍棋的下法
淺說圍棋
棋子的活力
行棋規則與勝負計算
圍棋中如何吃子
吃子技巧--雙吃
吃子技巧--門吃 抱吃
吃子技巧--征子
打劫
反提
眼與活棋
不能下子的地方
死棋
http://kqz.xj.cninfo.net/dhd/weiqi/jc2/
回答者：doalak - 舉人 四級 11-3 18:48
--------------------------------------------------------------------------------
初學者如何學習圍棋
現在好多人教學生喜歡讓學生從一些基本開局教起，往往是先花月蒲月，慢慢過渡到瑞星梳星。這樣經過一段時間，那些初學者會對這些開局都有了一定的了解。這個方法基本也快成定式了。這么學棋是可以在短時間內提升自身的棋力(或者說是提升棋譜能力)。但長遠看來是非常不可取的。眾所周知五子棋最基本的是計算能力，這也是為什麼諸如黑石一類的軟體可以在網路如此橫行的原因。定式等等也是在前人不斷的計算下總結出來的。所以直接學習定式，往往就會忽視了對計算力的鍛煉,而且由於對定式的一定了解而產生一些計算上的盲點。對定式也會只會走不明白其意義。初期可能會定式的會有一定優勢。可到了後期，計算能力越強的人優勢越明顯。一個計算能力深厚的人看定式。看一眼就大概可以明白這么下的優劣，進而進一步發展這些定式。而一個計算能力弱的人面對這些定式只能依*背才能記住。更不用談什麼改進了。當然這些還只是到了後期才能體現出來。不過一個以計算力為基礎的棋種。鍛煉計算力才是最最重要的。初學者在學習的時候最好先找一些非常簡單的計算題來做。這里推薦坂田先生的三手勝。利用這些簡單的習題來培養自己對殺棋的敏感。等做到一定程度擁有了基本的計算力可以繼續做一些更復雜的習題。比如一些VCF習題(網上很容易找到)。從一開始的做10步內的VCF到最後做幾十手的，這段時間是最辛苦的。雖然VCF看起來往往幾十步，似乎很復雜。但VCF完全是*沖4取的。所以可說是中等的計算題。做這些VCF習題可以提升計算的深度，不斷拓展單一線路下的目算能力。等VCF做到一定程度。就可以做最復雜的VCT習題了。這些習題可以把人在計算上的廣度不斷擴大。因為VCT習題防點不一，往往是需要計算很多東西的。等VCT也做的差不多了，你的計算能力也達到一定的程度了。這個時候再去找個譜庫來看看，會發現以前不明白的東西現在看起來一目瞭然，學習起來更是EASY。這個時候的你已經不能算是初學者了，後面如何繼續鍛煉就看個人習慣了：)
其實學習五子棋很簡單。關鍵看學習者有沒有毅力。因為在初期鍛煉計算力的時候由於對定式的不了解，往往會在對弈中很吃虧，造成信心喪失。有時候目算做題又算不出來而演變成擺棋。這些都是大忌。都需要有毅力才能渡過。等渡過了這段時間，擁有了計算力的你才會發現，原來五子棋的世界是這么美麗。
回答者：ziv雪的眼淚 - 魔法學徒 一級 11-3 19:10
--------------------------------------------------------------------------------
第四課 不能「下子」的地方
初看這個題目有些奇怪。但圍棋的規則規定有些地方是不能下子的，圍棋術語也叫「禁著點」。那麼，什麼地方不讓「下子」呢？由於各種規則的不同，這個問題較為復雜，而且還關繫到劫材問題，有許多值得探討的地方，作為初學者只要明白什麼地方不應該下子便可以了。凡是要下的棋子，周圍沒有氣，又不能吃掉對方子的地方，都叫「禁著點」。從某種意義上說，下在此處不產生任何意義，卻反而吃虧的地方，都叫「禁著點」。
圖一
圖一：八個黑子圍住中間的一個交叉點（A點），在這個交叉點上下黑子就可以，而下白子則不可以，A點就是「禁著點」。
圖二
圖二也是一樣，在A點上下白子可以，而下黑子則不行，因為要下的子周圍沒有使之而生存的「氣」。
圖三
圖三：A點白子不能下，下黑子可以吃掉白三子。
圖四
圖四：此情況有些特別，黑方是不能下在A位的，這等於自殺或「自拔」，而白方下在A位，就可非常痛快地吃掉黑棋兩個子。所以說，「禁著點」是針對某一方來說的，等以後講到「雙活」的部分還要敘述，因為到那時，有的「交叉點」，誰也不能下，誰下誰吃虧。所謂「不能下」或「禁著點」的意義是相對的，作為對局的一方若在「禁著點」內下子，沒有任何意義，或是吃虧或是受損。
發表評論 - Trackback (0) - Pingback (0) - 全文鏈接
05-04
http://www.westca.com/blogs/blog_u1162/cat/5678/index.html上有
參考資料：http://www.westca.com/blogs/blog_u1162/cat/5678/index.html
參考資料：http://www.westca.com/blogs/blog_u1162/cat/5678/index.html上有
F. 簡述深度學習的基本方法。
深度學習，需要怎麼做到？最佳答案1、深度學習，首先要學會給自己定定目標（大、小、長、短），這樣學習會有一個方向；然後要學會梳理自身學習情況，以課本為基礎，結合自己做的筆記、試卷、掌握的薄弱環節、存在的問題等，合理的分配時間，有針對性、具體的去一點一點的去攻克、落實。2、可以學習掌握速讀記憶的能力，提高學習復習效率。速讀記憶是一種高效的學習、復習方法，其訓練原理就在於激活「腦、眼」潛能，培養形成眼腦直映式的閱讀、學習方式。速讀記憶的練習見《精英特全腦速讀記憶訓練》，用軟體練習，每天一個多小時，一個月的時間，可以把閱讀速度提高5、6倍，記憶力、注意力、思維、理解力等也會得到相應的提高，最終提高學習、復習效率，取得好成績。如果你的閱讀、學習效率低的話，可以好好的去練習一下。3、要學會整合知識點。把需要學習的信息、掌握的知識分類，做成思維導圖或知識點卡片，會讓你的大腦、思維條理清醒，方便記憶、溫習、掌握。同時，要學會把新知識和已學知識聯系起來，不斷糅合、完善你的知識體系。這樣能夠促進理解，加深記憶。4、做題的時候要學會反思、歸類、整理出對應的解題思路。遇到錯的題（粗心做錯也好、不會做也罷），最好能把這些錯題收集起來，每個科目都建立一個獨立的錯題集（錯題集要歸類），當我們進行考前復習的時候，它們是重點復習對象，保證不再同樣的問題上再出錯、再丟分。G. 深度學習是什麼
深度學習，是機器學習中一種基於對數據進行表徵學習的方法。深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。同機器學習方法一樣，深度機器學習方法也有監督學習與無監督學習之分．不同的學習框架下建立的學習模型很是不同。例如卷積神經網路就是一種深度的監督學習下的機器學習模型，而深度置信網就是一種無監督學習下的機器學習模型。深度學習的好處是用非監督式或半監督式的特徵學習和分層特徵提取高效演算法來替代手工獲取特徵。
H. 深度學習具體要學哪些東西
以優就業深度課程為例，深度學習的主要課程內容包括以下幾個階段，：AI概述及前沿應用成果介紹，人工神經網路及卷積神經網路原理及TensorFlow實戰，循環神經網路原理及項目實戰，生成式對抗網路原理及項目實戰，深度學習的分布式處理及項目實戰，深度強化學習及項目實戰，企業級項目實戰-車牌識別項目實戰，深度學習最新前沿技術簡介八個階段，這些就是深度學習所要學習的內容。