為什麼要採用這種設計呢？
其實不難理解，新時期II人員涉及到人工智慧方面的研究所採納的策略基本是比生物學方面的研究策略還偏向於生物學。
而之所以採用前面的這種設計，很大程度上是受人類棋手下棋的啟發。
人類棋手下棋的時候，通常情況下，首先棋手會透過過去的經驗、棋譜先大致判斷出下哪裡不吃虧。
【新章節更新遲緩的問題，在能換源的app上終於有了解決之道，這裏下載 huanyuanapp.org 換源App, 同時查看本書在多個站點的最新章節。】
縮小搜尋範圍之後，棋手會對某一區域性位置進行詳細的推演。
至於推演時候，棋手主要思考的是自己如何落子、落子之後對手又會如何反應。
一般來說，優秀的棋手都應該具備這種的推演能力。
走一步看十幾步甚至幾十步，才能成為圍棋高手。
計算力的強大與否是衡量棋手中盤能力的重要指標。
至於推演的目的則是是為了找出對自己最有利的落點。
總結一下，優秀棋手要具有一下能力：
首先透過局勢判斷大概可行走法；
然後判斷局勢是否對自己有利；
再之後推演局勢找出最佳落點。
人工智慧雖然看起來是機器方面的學問。
但實際上是科研人員在試圖讓機器像人那樣去思維。
阿法狗AlphaGo在執行的邏輯本質上很接近人類棋手的思考方式。
總之，涉及到阿法狗AlphaGo的技術實現什麼的其實不是很複雜。
涉及到技術方面的內容很清晰。
但具體施為起來依舊很麻煩。
首先就是涉及到很多技術底層的東西。
這個時空因為在人工智慧方面的東西短腿。
很多理論性的東西還需要從無到有的建設。
換言之，林灰要想重新引爆人工智慧這個爆點。
大機率要異時空搬磚，各種搬運人工智慧方面的理論知識。
至於具體的搬運還要搞清楚技術路線。
雖然這個工作稍稍有點麻煩，但好在林灰現在多少也是有一個學術工具人的。
技術層面除了人工智慧這方面的東西。
還需要一些其它技術層面的東西。
前世，在初代阿法狗AlphaGo裡面，谷/歌除了應用了人工智慧方面的成果之外。
還應用了一些分布式系統方面的研究成果。
在電腦科學中，分布式計算，又譯為分散式運算。
分布式系統是一組電腦，透過網路相互連接傳遞訊息與通訊後並協調它們的行為而形成的系統。
雖然像阿法狗AlphaGo這類程式不依靠分布式計算也有著不錯的效能。
但分布式計算相比於傳統的效率往往更高。
涉及到分散式神馬的有點難辦。
林灰前世並沒有搞過類似的東西。
不過林灰前不久看到谷/歌方面和普林斯頓大學數學系在合作摘要式演算法的學報中似乎提到過跟分散式有關的東西。
誠然如此的話，倒不是沒機會將涉及到分散式技術的一些東西忽悠過來。
除此之外，阿法狗AlphaGo還涉及到比較麻煩的訓練。
如果只是為了不麻煩的話。
林灰沒必要非盯著阿法狗AlphaGo不放。
前世又不是只有阿法狗AlphaGo。
阿法狗AlphaGo之後有master，master之後有Alpha_Zero。
如果說阿法狗AlphaGo還曾負於人類。
Alpha_Zero則完全是秒天秒地秒空氣了。
林灰記得前世看到過的一組資料。
Alpha_Zero演算法只需要8個小時訓練後擊敗對戰李世石版本的“阿法狗AlphaGo”。
按照這個說法，意味著Alpha_Zero的訓練成本要遠遠低於阿法狗AlphaGo。
與前輩阿法狗AlphaGo相比，Alpha_Zero有很多自己的獨到之處。
儘管這個技術很強大，但Alpha_Zero和阿法狗實際上是有技術代差的。
想要搞出Alpha_Zero從邏輯層面來說還是要先搞出阿法狗AlphaGo。
這種情況下，林灰覺得技術神馬還是尊重客觀發展的規律比較好。
真要一步到位的話未必是好事。
能想到阿法狗AlphaGo這個人工智慧的爆點已經很不錯了。
話說回來林灰早該想到阿法狗的。
林灰記得之前剛註冊微博時在微博上蛋疼兮兮地發的那兩句話：
——“絕藝如君天下少，閒人似我世間無”
就跟鵝廠的圍棋AI有著很緊密的關係。
早點想到這點林灰應該很快就能想到阿法狗。
儘管已經想到了這些。
但涉及到阿法狗AlphaGo的實際復現依舊困難多多。
最大的困難似乎是硬體層面的。
阿法狗AlphaGo還有alphaZero這兩個技術想問世的話還需要深度學習框架以及硬體方面的支援。
無論是阿法狗AlphaGo還是alphazZro都涉及到前世谷/歌提出來的TensorFlow這個深度學習框架。
前世為了這個深度學習框架，谷/歌2016年還開發了張量處理器。
張量處理器（TPU）是谷/歌為機器學習定製的專用晶片。
就特麼超級離譜，國內晶片一言難盡。
國外這是人是鬼都在秀。
跟晶片看起來似乎半毛錢關係都沒有的也在搞晶片。
說起來初代的TPU規格大致引數林灰是記得一些的。
雖然不是記得特別全。
但林灰還是依稀記得初代TPU是28nm製程。
雖然以林灰的眼光看28nm製程有點糙。
但要知道此時iPhone5s上的晶片製程也不過才28nm。
這就很糟心。
也就是說即便林灰能搞TPU，大機率成本也會居高不下。
雖然林灰可以直接利用前世帶來的電腦跑模型。
但個人電腦終究會侷限一些AI程式發揮效能。
即便在個人電腦上能發揮AI的全部效能林灰也不可能抱著來自往後七年的技術堂而皇之地區面對世人。
哎，難難難。
儘管有這樣那樣的麻煩。
但提出問題比解決問題更重要。
只要思想不滑坡，辦法總比問題多。
相比於這個時代中的人們還在黑暗中摸索著前行。
林灰好歹知道如何解決問題以及解決問題面對的困難。
就這一點妥妥地優勢在我！
涉及到這種使用時代最先進技術製程。
似乎不可避免的要涉及到和歪果合作啊。
某積電似乎也看歪果仁臉色。
歪果憑啥拿這種技術資“敵”呢？
說起來搞個歪果的代言公司似乎不錯。
畢竟歪果仁蛇鼠一窩。
面對同樣的歪果公司晶片制作方似乎不會太大戒心。
歪果公司？
林灰突然想到了deepmind。
deepmind這個時空既然混得這麼慘。
把這個公司收購來似乎不錯啊。
想來一家即將申請破產保護的公司應該不是很貴吧？
林灰越想越覺得合理。