第142章 幼狗的尾巴(第2/3 頁)

多數時候還是佈局要稍高的。”

黃寶洋笑著解釋道：

“但是，因為佈局其實可選點非常之多，而且前三選非常接近。作為人類棋手，很多時候並不會完全按照ai選擇行動。

“反倒是中盤，因為戰鬥的逐漸展開，棋手必須儘量敏銳地抓住當下最為重要的點，所以有時會有些棋出現中盤一選率反而比佈局高的情況。”

“可……中盤前三選率93%，一選率67%？”李菁哲依舊驚疑不定：“這真的是人能做到的？”

他雖然不會下圍棋，但家中畢竟有個棋迷令他耳濡目染，他還是知道圍棋與象棋、國象並不一樣，中局戰局複雜的同時還可選點極多。

結果，在這麼個情況下，人類居然下出了93%的前三選率，和67%的一選率？！

要知道，隨著近年ai水平的發展，現在的圍棋ai如果要下當年的初代omega

go，必然是毫不留情的屠殺！

而如果一個人，哪怕在中盤也能下出如此之高的現代ai吻合率。那單憑當年的初版omega

go，搞不好真的很難單靠計算能力在中盤階段追回佈局時的劣勢！

“怎麼樣？我們的這些職業棋手，還算努力吧？”

正當李菁哲還沒從驚訝中緩過神來時，黃寶洋不無得意地說道。

“啊，當然啦，這盤應該算是小雷發揮得相當好的一局棋，不過這也絕非偶然。

“就像臺上那位頂尖棋手剛說的，上一屆農心杯擂臺賽的最後一局，南韓的柳世賢發揮也是極為出色，和今天的情況幾乎如出一轍。

“就是在那盤棋過後，圍棋論壇上開始有人懷疑：是不是人類頂尖棋手已經能和初版omega

go一較高下了。”

“可……人這是怎麼做到的呀！”李菁哲對此依舊有些難以相信。

作為有志於一線電腦科學研究的天之驕子，李菁哲自然知道以omega

go為代表的現代圍棋ai，都是採用深度學習，透過合理減少棋類冗餘計算，以保證有效計算上擁有人類絕對無法企及的強大計算能力。

可現在，人類居然能夠與現代深度學習ai一較高下？！

要知道，現代ai出現前最強的國象計算機軟體“雪魚”，其完全體幾乎從未被人類擊敗過！

但“雪魚”在omega

go衍生而出的omega

zero軟體學習了4小時國際象棋的情況下，就被對方以28勝72和、未嘗一敗的成績狂虐。

其中omega

zero先行戰績是25勝25和，這個勝率在普遍認為最終解是和棋的國象裡，簡直就是驚世駭俗！

所以，基本可以認為，棋類遊戲上，人類在深度學習ai面前，就是被降維碾壓的份。

可結果在圍棋棋手被深度學習ai無情碾過的七年後，他們居然反過來開始觸碰到那最早碾壓過他們的深度學習ai了？！

完全理解到這個事實後，李菁哲一時有些恍惚。

當初omega軟體之所以拿圍棋作為其深度學習ai的出山之作，很大程度上就是為了抓人眼球——有什麼比攻略“世界最難的棋類遊戲”、“人類智慧的最後尊嚴”更引人矚目的呢？

不過，當omega

go軟體輕而易舉地打碎了幾千年來無數圍棋棋手的驕傲之後，卻並未在此多加駐留。

畢竟人是商業團隊，圍棋這種小眾棋類遊戲能掙幾個錢啊？

自此之後，頂尖商業ai基本都不太會關注這個流行範圍僅限東亞三國的小眾專案，最前沿的ai研究者也懶得留意被他們攪成一鍋粥後的圍棋圈內的狀況。

也只有國內及南韓、東瀛的一些ai公司，在根據圍棋圈需要，進行ai發展迭代，但這種發展基本僅限於更迭最佳化，從未再有核心質變。

可誰曾想，在圍棋從ai前沿研究中徹底淡出之後，反而出現了讓人瞠目結舌的新情況！

面對李菁哲的提問，黃寶洋揚了揚眉毛：

“菁哲啊，這我個老古董可就真不知道了！

“但……或許這就是我們仍然一如既往地熱愛圍棋的原因吧？”

正當黃寶洋說完這句話時，臺上突然有了新的響動。

對弈至第286手，黑方林睿昕投子認負！

【情節相關】

唔，第