本帖子已过去太久远了，不再提供回复功能。您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
网络棋牌游戏界面的视觉设计的分析.pdf 71页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：200 &&
你可能关注的文档：
··········
··········
论文题目：网络棋牌游戏界面的视觉设计研究
学科专业：设计艺术学
研究生：杨丽娜
指导教师：王家民教授
网络游戏已经越来越深的影响到人们的生活，与这个趋势相对应的网络棋牌游戏界面
设计的讨论、实践、研究也更加受到人们的重视。游戏界面设计者开始关注其设计的风格
与品位。主题风格设计鲜明的游戏不仅受到了玩家的青睐，也是游戏开发商关注的主要因
素，因此游戏的风格化设计就倍受制造商的重视，其中游戏界面的风格化设计扮演着重要
的角色。目前，在游戏性能和品质越来越同质化的竞争条件下，国内市场很多棋牌游戏界
面设计形式较为雷同、内容单调、缺乏艺术特点。那么，利用视觉元素对棋牌游戏界面进
行风格化设计，就成为现代游戏界面设计的趋势所向。同时棋牌游戏界面的整体特征所呈
现出的视觉风格，强调对玩家的主观视觉感受所产生的积极作用，其视觉语言风格化设计，
都必须达到玩家使用愉悦的目的。这就需要一套系统的网络棋牌游戏界面视觉设计原则和
评价原则来有效地规范和指导设计师。
本文首先通过对网络棋牌游戏玩家的问卷调研和部分游戏公司的实地考察，对网络棋
牌游戏界面设计的相关概念、工作流程、艺术原则做了具体研究；接着从棋牌游戏界面视
觉语言的特点入手，分析了网络棋牌游戏界面中视觉语言的构成要素，并迸一步探讨了如
何利用不同的视觉表现语言进行风格化设计，这其中主要是结合棋牌游戏界面设计图例，
从色彩、图案、材质、导航等方面分析的；其次根据这些理论基础，运用艺术原则、网络
棋牌游戏界面的视觉语言和风格化特点，自己动手设计制作一套网络棋牌游戏的界面，力
图把理论研究运用到实践设计；最后，根据调研和实践设计的研究结果，提炼整理出一套
可以作为棋牌游戏美术设计师参考的设计原则，同时也总结出～套在网络棋牌游戏界面设
计中可以运用的评价原则，使游戏美术设计师可以在棋牌游戏的界面设计中，客观把握玩
家需求、掌握适合玩家与游戏平台之间的交互方式、明确设计意图、准确定位设计风格，
使设计路线很好的体现在整个游戏的设计过程中，最终达到界面的设计能满足游戏玩家的
关键词：网络棋牌游戏；界面设计；视觉语言风格化；设计原则；评价原则
西安理工大学硕士学位论文
DESlGNRESEARCHOFNETWORKCHESS
TitIe：VISUAL
Major：Designstudy
Name：Lina
signatu陀：厶‘幽邈晒
SuperVisor：PrOf-Jiamin Signatu陀：
Ne铆ork lmVebeen
1iVes，and
gettiI唱deeperdt跫perilnpaCtpeople's
networkchess imerfIace
andrcsearchhasbeen more
desi伊discuSsion，肿ctice
trend．GaIneinterf-ace
focllsonitS
cor陀spondillg
正在加载中，请稍后...&p&趁着很多人还没来，先自答一个，把自己之前写的放上来，抛砖引玉。&/p&&p&刚看到这个结果的时候还是很兴奋的，本来以为DeepMind已经停止开发AlphaGo了。另外之前很多人都说AlphaGo已经是所谓工程的极致，但没想到性能和效率上还能有这么大提升的空间。新的算法在结构与训练方式都比原来看上去简洁了。真是很漂亮的工作。&/p&&p&DeepMind的新算法AlphaGo Zero开始摆脱对人类知识的依赖：在学习开始阶段无需先学习人类选手的走法，另外输入中没有了人工提取的特征 。&/p&&p&在网络结构的上设计上，新的算法与之前的AlphaGo有两个大的区别。首先，与之前将走子策略(policy)网络和胜率值(value)网络分开训练不同，新的网络结构可以同时输出该步的走子策略(policy)和当前情形下的胜率值(value)。实际上 policy与value网络相当于共用了之前大部分的特征提取层，输出阶段的最后几层结构仍然是相互独立的。训练的损失函数也同时包含了policy和value两部分。这样的显然能够节省训练时间，更重要的是混合的policy与value网络也许能适应更多种不同情况。这里的‘适应多种情况’能够提升棋力有些难以理解，原文用的是multiple use cases。&/p&&p&另外一个大的区别在于特征提取层采用了20或40个残差模块，每个模块包含2个卷积层。与之前采用的12层左右的卷积层相比，残差模块的运用使网络深度获得了很大的提升。AlphaGo Zero不再需要人工提取的特征应该也是由于更深的网络能更有效地直接从棋盘上提取特征。根据文章提供的数据，这两点结构上的改进对棋力的提升贡献大致相等。&/p&&p&另外，数据显示学习人类选手的下法虽然能在训练之初获得较好的棋力，但在训练后期所能达到的棋力却与只能与原版的AlphaGo相近，而不学习人类下法的AlphaGo Zero最终却能表现得更好。个人猜测这或许说明人类的下棋数据将算法导向了局部最优(local minimum)，而实际更优或者最优的下法与人类的下法存在一些本质的不同，人类的下法也许实际’误导’了AlphaGo。有趣的是即使AlphaGo Zero放弃学习人类而使用了随机的初始下法，训练过程也一直朝着收敛的方向进行，而没有产生难以收敛的现象。&/p&&p&相较于之前版本，AlphaGo Zero的表现和训练效率都有了很大的提升，仅通过72小时内490万对局的训练（感谢评论中指出4块TPU似是用于inference而非training，我确实理解错了，原文这里写得挺有歧义的感觉...）就能够胜过之前训练用时几个月的原版AlphaGo。在放弃学习人类棋手的走法以及人工提取特征之后，算法能够取得更优秀的表现，这体现出深度神经网络强大的特征提取能力以及寻找更优解的能力。更重要的是，通过摆脱对人类经验和辅助的依赖，类似的深度强化学习算法或许能更容易地被广泛应用到其他人类缺乏了解 或是缺乏大量标注数据的领域。&/p&&p&另外文章还发布了AlphaGo Zero的学习过程，很有意思，训练刚开始的时候和我小时候的下法差不多，就是直接缠成一片，之后就开始学会一些所谓的’定式‘。围棋爱好者应该能看出很多有趣的东西。&/p&&p&大家可以多关注一下大牛们的回答，像底下田渊栋老师的答案。他们才是真刀真枪实践过出来的经验，不是我这种看两篇paper就敢出来复述一波能比的。&/p&
趁着很多人还没来，先自答一个，把自己之前写的放上来，抛砖引玉。刚看到这个结果的时候还是很兴奋的，本来以为DeepMind已经停止开发AlphaGo了。另外之前很多人都说AlphaGo已经是所谓工程的极致，但没想到性能和效率上还能有这么大提升的空间。新的算法在结…
没有太多时间写一个长答案，就简短说一下我感受最深的一点吧：&br&现在职业棋手判断形势的算法，有明显漏洞。&br&职业棋手判断形势的算法大致可以概括成一句话：估算双方的目数（地盘大小）差距。&br&那如果地盘的边界没有完全确定怎么办呢？如果有先手官子就判给先手方，如果是双方后手官子就算一人一半。&br&那么有一些模糊的地方，比如说一块厚势折算成几目呢？这个就只能凭感觉了。&br&&br&今天看各个平台的解说，大概是柯洁的判断最准确。柯洁在中盘阶段就点出黑棋盘面15目左右。古力一度判断小李优势，甚至到官子不多的时候还认为是细棋。金明完也差不多。麦克雷蒙的判断没有仔细听，好像比古力要准一点。芈昱廷在128手的时候认为还是细棋（这个时候柯洁已经判断黑棋明显领先了）。围棋TV的完全没有看，请各位补充。&br&&br&暂且不论到底是谁的判断更准，我们可以简单看一下白128手时候各方的判断。有柯洁说黑棋领先一个贴目，也有说细棋的，甚至有说白棋小优的。这些职业棋手对同一局面判断上的分歧居然能超过一个贴目！这恰好证明了上述算法模糊之处可能产生的巨大误差。&br&&br&那么我们思考一下误差可能产生在何处。第一，先手官子判给先手方。然而在棋盘上，“先手”是个相对概念，逆收官子屡见不鲜。甚至在有些情况下，面对“绝先”，奋力一搏选择脱先他头也不少见。第二，模糊判断。这个问题更大。职业棋手对一块棋厚薄判断的分歧，很可能导致点目结果的南辕北辙。&br&&br&AlphaGo是如何做形势判断的呢？AlphaGo策略组合的其中一部分是价值网络。这一部分的原理以我的水平解释不清楚。为了方便理解，我们考虑前一代AI，Zen的判断方式：通过大量的随机采样估算“胜率”。打个比方，一盘棋下到120手。在这个时候AlphaGo随机落子完成一盘棋，然后判断哪一方在这个随机完成的一盘棋中获胜。重复这个流程多次，比如说十万次，然后其中三万次黑胜，七万次白胜，那么估算出白方的胜率就是70%。&br&当然，AlphaGo的价值网络比Zen的方式要先进很多，让估算的胜率更加准确。&br&感谢评论区 &a data-hash=&a5d51e18bf349d93339ecb15c312a287& href=&///people/a5d51e18bf349d93339ecb15c312a287& class=&member_mention& data-tip=&p$b$a5d51e18bf349d93339ecb15c312a287& data-hovercard=&p$b$a5d51e18bf349d93339ecb15c312a287&&@刘嘉耿&/a& 的补充：&br&&blockquote&AlphaGo并非完全随机地模拟剩下的棋局，而是参照了之前的棋谱用落子选择器找出最有可能的几个点，保证速度&/blockquote&&br&从效果上来看，估算胜率的效果其实非常好。而且我认为，这样的判断方法是本质的。&br&&br&为什么？首先要明确，虽然理论上来说，某一个局面下，要么是黑方必胜，要么是白方必胜。然而，由于围棋事实上无法被穷举，只能退而求其次估算概率，或者像人类棋手一样估算双方相差的目数。然而，在很多情形下，相差多少目数是没有意义的。&br&&br&举个例子（此处应该有图），黑方确定目数70目，没有潜力。白方确定目数40目，有一块40目潜力的大空。如果黑方立即打入并活出，则40目的潜力只能转化成10目的实地，黑方获胜。如果黑方打入失败，则白棋40目大空围成，白方获胜。黑棋也可以选择保守的浅消，则白方的40目潜力&b&大约&/b&能转换为25目实地&b&。&/b&这个局面下，如果选择浅消，虽然最后差距会缩小，然而其实胜机也很少。很遗憾，这种局面下，职业棋手很难准确估算打入成活的概率，然而AlphaGo可以。于是心存幻想的人类棋手觉得落后不多，而打入无成算，选择浅消白棋大空，结果白方40目的潜力转化成25目实地，黑棋盘面仅多5目，从而落败。阿尔法狗估算出选择打入的胜率是40%，而选择浅消胜率仅为25%，于是毅然选择打入。不论最后胜负如何，选择打入显然是更好的策略。&br&&br&换句话说，只“领先两目”而胜率80%，和“领先五目”而胜率70%，其实是前者优势更大，然而人类会认为后者优势更大。这或许是人类棋手的命门所在。&br&&br&可叹的是，人类不可能通过大量随机采样来估算胜率。&br&&br&╮(╯▽╰)╭&br&&br&针对评论，补充一点吧。评论区说古力是故意模糊判断形势，实际上他是点清楚了的。也许有这个成分在里面。但是，我作为一个常年在各大平台看围棋直播的棋迷，经常能看到对于同一盘棋的同一个局面，一个解说认为黑领先，另一个解说认为白领先的情况。而且这俩解说都是顶尖职业。事实上职业棋手并不能准确判断形势，即使是在中盘阶段末期。
没有太多时间写一个长答案，就简短说一下我感受最深的一点吧： 现在职业棋手判断形势的算法，有明显漏洞。 职业棋手判断形势的算法大致可以概括成一句话：估算双方的目数（地盘大小）差距。 那如果地盘的边界没有完全确定怎么办呢？如果有先手官子就判给先…
终于有人来说音乐了。&br&我想从两个方面来谈谈这个问题，&b&一个是计算机对于音乐的理解，一个是计算机通过学习来进行音乐创作。&/b&&br&&br&首先是对于音乐的理解，&br&把神经网络应用在音乐上其实并不是一个非常新的话题，很早以前开始，在音频检索领域，人们就尝试用神经网络给各种各样的音乐元素（和弦，基频等等）建模，但是和语音识别一样，受限于计算机的运算能力，一直没有办法取得突破性的进展，在相当长的一段时间里人们一直还是在调参数和傅里叶变换中来回折腾。直到最近开始，随着计算机运算能力的不断提高，人们开始重新意识到深度学习在音乐上的应用。&br&大约两年前的时候，一位研究Deep Learning的博士生来我们组实习，利用深度学习的方法，在&b&完全基于&/b&音乐音频信号的基础上训练了我们曲库里的6000万首歌，在没有任何人为标签和协通滤波的辅助下，取得了相当惊人的效果。&br&我们知道，一般做歌曲推荐的时候，我们通常依赖于协同滤波（Collaborative Filtering），也就是我们假设听的歌曲和听的人之间有很高的重合度。或者更直接而naive的方法就是打标签，给歌曲打上一些诸如曲风，场景，情绪一类的语义化标签。但是这两者都有不可避免的问题，前者会有严重的长尾效应，没人听过的歌曲永远没人听，越是流行的歌曲被推荐的几率越高；而后者，如果标签质量够高自然没什么问题，但是这免不了要耗费巨大的人力物力来手动标注（比如Pandora），也并不是每个公司都有兴趣这么做的，你也无法始终保持标签的质量。&br&但是经过深度学习后的计算机不是这么想问题的，在高维空间里，每一首歌对于计算机来说就是一个个向量，接下来，你用最简单的聚类也好，建立二叉树模型也好。在听觉上相似的歌曲，一定会在高维空间里找到彼此。&br&在他的报告里面有一些很有意思的现象，比如：音乐性上特别有特点的两首歌（比如都有小提琴和Dubstep的组合）会被归类到一起，而所有的华语歌曲则归到了一个大类里。我曾经也做过一些尝试，比如把一位歌手同一时期的不同歌曲扔到模型里找相似，得到的结果完全不一样，所以你就可以很容易看到歌手在不同时期的变化和成长。&br&随手贴两张截图：图一是卷积网络的框架，图二是第一层网络的滤波器。有兴趣的同学可以去看一下他针对当时的研究写的blog：&a href=&///?target=http%3A//benanne.github.io//spotify-cnns.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Recommending music on Spotify with deep learning&i class=&icon-external&&&/i&&/a&。可能对于在其他研究领域也有启发作用。&br&写到这里顺便提一下，各位可以猜测一下这位实习生最后去了哪里？&b&没错，他也加入了AlphaGo的发明者所在的公司 ——Google Deepmind&/b&&br&&img src=&/6a4b1a571061efbf5dee32_b.png& data-rawwidth=&1024& data-rawheight=&597& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/6a4b1a571061efbf5dee32_r.png&&&img src=&/001bacad9440470fba7f_b.png& data-rawwidth=&1024& data-rawheight=&103& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/001bacad9440470fba7f_r.png&&&br&&br&接下来我们来谈谈人工智能在音乐创作上的研究&b&，&/b&&br&题主说音乐是一个有限元素的组合创作。 &a data-hash=&4c8b1cd2fbd6ecdddbc98& href=&///people/4c8b1cd2fbd6ecdddbc98& class=&member_mention& data-editable=&true& data-title=&@阿鲁卡多& data-tip=&p$b$4c8b1cd2fbd6ecdddbc98& data-hovercard=&p$b$4c8b1cd2fbd6ecdddbc98&&@阿鲁卡多&/a& 说音乐是无限元素的组合创作。我的理解是，如果单纯的认为音乐是音符的组合而认为他是有限的，那显然是非常肤浅的。对于音符组合的模仿作曲其实早在上个世纪60年代就开始了 (Daivd Cope著名的&a href=&///?target=http%3A//artsites.ucsc.edu/faculty/cope/experiments.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&EMI&i class=&icon-external&&&/i&&/a&实验，通过统计音符概率来模仿古典作曲家进行创作），再进一点的更多所谓的先锋实验创作，算法作曲等等也是不胜枚举。&br&但是，因为音乐在配器，编曲，强弱等等其中的变化是无穷多种的。相同的旋律线，在不同的演绎下是两首完全不同的音乐。然而。。。。。。。。&br&自从我们全面进入数字音乐时代之后，我们就应该清楚地意识到，所有的音乐本质上都是二进制里的0和1，而对于计算机来说，所有的0和1的组合，&b&本质上都是有限的。因为，人的听力范围是有限的。&/b&&br&&img src=&/a49b2a690ba73b1244a24e_b.jpg& data-rawwidth=&2063& data-rawheight=&917& class=&origin_image zh-lightbox-thumb& width=&2063& data-original=&/a49b2a690ba73b1244a24e_r.jpg&&&br&上图是在语音和音乐领域常用到的语谱图(Spectorgram）.我们把一首歌的X轴当成时间，Y轴当成短时频率，颜色的深浅表示频率分布上的能量大小。以传统44100Hz为例的采样率来看，每一秒钟在时间上是44100个点。那么一首5分钟的歌曲就有接近1300万个采样点，每个点又根据采样精度有多种可能。但是人耳真正能感知的频率上限和声音长度都是有限的（24KHz, 0.1s），所以在经过短时傅里叶变换和加窗之后，剩下的数据点其实远远小于原采样点。&b&无论音色再怎么丰富多变，情感再怎么即兴，当采样点的精度大于人耳可分辨度的时候，那么音频信号的组合，确实是有限的。只不过这个上限非常之大。&/b&&br&写到这里似乎有一点令人沮丧，其实这也是我最近在看了阿尔法狗和小李对决之后一直在思考的问题，人类的音乐创作能力是不是真的在某一天会被机器所取代？我认为至少在短时间内暂时不会。毕竟从组合的角度来讲音频信号能有的组合还是远远大于围棋的决策树的，而创作又不是一件有规则的事情，所以很难再没有范式的情况下自主学习。我在另一个问题 &a href=&/question//answer/& class=&internal&&数字音频行业目前还有哪些发展前景？&/a&也提到了：当前数字音频最大的两个问题本质上可能还是要靠深度学习来解决，信号分离和物理建模。前者是将来自不同音轨的混合信号完全分离出来，后者是完全用数字手段来模拟声学信号，一旦这两个问题解决了，可能AI可以和人类一样创作的日子也就不那么远了。&br&从这个意义上来讲，在短时间内比较靠谱的一个AI之于音乐的应用，我认为还是在编曲上。在我看来，很多工业化成熟的编曲，无论欧美，日韩，港台还是内地，是有规则在里面的。无论你是多么复杂的配器，如果将音色的信号级变化转换成midi和音轨作为神经网络的输入信号，那将大大降低机器学习的复杂度。当然，这并不算是创新，只是让流水线上的编曲工作者们干活轻松一点罢了（打个比方，没有不尊敬的意思）。顺便说句题外话，周杰伦给TFBoys写的《剩下的盛夏》为什么那么周氏风格，我认为编曲其实占了很大的一块比重，而那种模仿周董的唱腔，也可以被认为是编曲的一部分吧 :)。&br&&br&总结一下，如果我们跳出思维定式，而真正从计算机的角度来看待这个问题。其实总有一天，计算机会拥有和人类一样理解音乐和创作音乐的能力。然而，正如有一位朋友的回答里提到的那样，音乐是一种纯精神层面的东西，你的目标不是战胜对手，而是创作出有艺术价值的东西，让大家产生情感共鸣。所以我希望看到的，不是人工智能一味的模仿时下流行歌手进行创作，一天自动生成200万首神曲。而是在拥有理解和创作能力之后，能够真正的做出一些有创造性的东西。这个界限很难定义，也许在它到来之前永远不会有一个正确答案。也许这个道理也同样适用于其他创作领域比如绘画，小说，电影等。&br&&br&只是希望它到来的那一天，我们还是能够用坦然的心态面对它。“&b&给岁月以文明，而不是给文明以岁月”。&/b&
终于有人来说音乐了。 我想从两个方面来谈谈这个问题，一个是计算机对于音乐的理解，一个是计算机通过学习来进行音乐创作。 首先是对于音乐的理解， 把神经网络应用在音乐上其实并不是一个非常新的话题，很早以前开始，在音频检索领域，人们就尝试用神经网…
&p&有人指摘我，说我不懂围棋，没有资格回答这个问题。&/p&&p&我只能说，你们这群人是鼠目寸光，一叶障目不见泰山。&/p&&p&以下是柯洁接受采访的原话。&/p&&blockquote& 柯洁赛后在记者会上哽咽坦言，“阿尔法围棋”表现实在太完美，没有任何缺陷：“我担心的每一步棋它都会下，还会下出我想不到的棋。我只能猜出‘阿尔法围棋’一半的棋，另一半我猜不到，差距实在太大。” &/blockquote&&p&柯洁都看不懂Alphago的棋，你们觉得你们会下围棋，就意味着能从棋局本身分析出什么来吗？你们要是都能把这棋看明白了，你们也具备职业的水平了。&/p&&p&但你们非但看不懂棋，反而执拗的从棋局分析问题，这就叫自以为是。&/p&&p&正因为我不懂围棋，我才能跳出围棋本身，从事物发展规律上推导出比较正确的结论。事实也证明了我预测得完全没错。&/p&&p&你们这群自诩“懂围棋”的人，分析了半天，全是扯淡。&/p&&p&所以说知乎越来越水了。总有一群脑子不好使的人很不客气的跟别的答主说话，摆资格，颐指气使，自以为多聪明，实际上愚昧无知，不知天高地厚。&/p&&p&我还是那句话，有些人抑制不住想喷人的洪荒之力的话，先获得一千个赞再说，在知乎，赞是唯一的标准，你觉得赞同没用，没用的东西你都获得不了，你自己有用么？&/p&&p&呵呵。&/p&&p&————————————————————————————&/p&&p&我的观点是，&b&柯洁完全没有可能取胜，一盘都赢不下来。&/b&&/p&&br&&p&很惭愧，我今天是作为一个不懂围棋的人来阐述自己的观点，但是我讲一个象棋的故事给大家，这二者似有颇通之处。&/p&&br&&p&民国时候，越南有一个棋手，水平很高。当然我们现在看越南的中国象棋水平也很厉害，是仅次于中国的第二大象棋高手聚集地，这位越南棋手棋力就很不弱，是越南的大高手之一。&/p&&p&这越南棋手有个习惯，每年6月，必到广州下彩棋，摆上两个月的彩棋擂台，这两个月足够他赢得盆满钵满。到了8月底，气候稍稍转凉的时候，他就出发回越南，先到广东韶关，再借道广西，这么回越南了。&/p&&p&这人但凡赚了钱了，就有人惦记着，但是惦记这位越南棋手的倒不是贼，是另一位棋手。&/p&&p&这个棋手叫钟珍，是广东最顶尖的三位棋手之一，专下彩棋（就是挂彩玩钱的）谋生。那时候还是民国，象棋高手得不到国家承认，也没有稳定收入，很多象棋高手就在外面下彩棋和表演棋，以此谋生。&/p&&p&这个钟珍瞅准了这位越南棋手挣了不少钱，就打算“狙击”他，赢他口袋里的钱，但他并没在广州动手，而是在他的必经之路广东韶关，登门求见他，和他下彩棋。每年都是下着下着，那个东南亚棋手的钱，稀里糊涂的就都输给钟珍了。&/p&&p&于是，接下来的剧情居然是，这位棋手被钟珍在韶关，连续堵了四年，这四年都是在广州赢了一堆钱，到了韶关都送给钟珍了。&/p&&p&估计你们也会好奇，这越南棋手是不是脑子进水了？第一年都知道下不过了，为什么还一定要再输三年呢？&/p&&p&这就显出钟珍的手段高明来了。&/p&&p&他明明有实力干脆利落把那位越南棋手打得心服口服，但他并不选择这样做，他知道这么一来，对面自知水平悬殊，就再也不跟他下了，他也就没钱挣了。&/p&&p&所以，钟珍就玩起了手段来，他虽然还是赢，但他总让对面觉得“卧槽我怎么就差这一点就赢了”，要么就是让对面觉得自己本来能赢，结果稀里糊涂就输了，并不是钟珍水平高，是自己没走好才输的。这么一来，淹死会水的，打死犟嘴的，这越南棋手越输越不服，越不服越下，越下越输，一连送了钟珍4年的钱。&/p&&p&是啊，这位棋手看着是差这一点，实际上钟珍的水平比他高一马都不止，这才能轻松写意的玩弄他于鼓掌之间，想怎么赢你怎么赢你。&/p&&br&&p&&b&故事说完了，我们来说说围棋。&/b&&/p&&p&这就是我讲这个故事的目的，我要告诉大家，人们很容易建立这样一个逻辑。&/p&&p&&b&——输得少＝水平相差不大。&/b&&/p&&p&这是很容易骗过人们的眼睛的。&/p&&p&这次柯洁输了1/4子，绝大多数人看到这个比分，就纷纷表示“柯洁好可惜啊，好厉害，差一点就赢了Alphago了！”&/p&&br&&p&柯洁厉害不厉害？绝对厉害。&/p&&p&差一点就能赢？真不一定。&/p&&br&&p&&b&因为Alphago以赢你为目的，不以赢你尽可能多为目的，如果他以赢尽可能多目为目的的话，柯洁很可能输得很惨。就好像钟珍对那位越南棋手一样，一个是忽悠，一个是追求最大胜利概率，但实际上，他们都没选择以最悬殊的差距赢下比赛。&/b&&/p&&p&于是，这就容易被误认为“差一点就赢了”。&/p&&p&为什么我这么笃定？因为我看的不是棋局，我看的是事物发展规律。&/p&&br&&p&Alphago用了&b&短短几年时间，就完全超越了人类上千年积攒的围棋水平，甚至推翻了人类的各种开局定势。&/b&四个月前，他已经完成了屠杀人类所有高手的壮举，此时的Alphago，又经过了三个多月的自我学习，其水平又经过了千万盘的自我学习，又有了一番突飞猛进。&/p&&p&它这一年长的棋力，顶人类几百年的研究成果，柯洁怎么跟Alphago比水平增长速度？&/p&&br&&p&前两天，柯洁接受采访，说Alphago的自战棋谱自己看不懂——你连人家脉都摸不着，何谈下赢人家？&/p&&br&&p&很可能，接下来的几盘棋，柯洁还是输这1/4目，半目，一目，总是差这么点，但是柯洁跟Alphago再下一百盘，Alphago能让他变100种花样输这半目棋。&/p&&br&&p&&b&我们不得不承认，Alphago的棋力，已经是远远高于柯洁的了，甚至已经高到你们想象不到了。所谓的“差一点”，只是你看上去差一点而已，真实的差距，恐怕是你想象不到的巨大鸿沟一般的差距。&/b&&/p&&br&&p&永远让你差半子，却永远让你赢不到这半子，这可能才是事情真相，而我们诸位，则亲眼见证了历史。&/p&&br&&p&以上。&/p&
有人指摘我，说我不懂围棋，没有资格回答这个问题。我只能说，你们这群人是鼠目寸光，一叶障目不见泰山。以下是柯洁接受采访的原话。 柯洁赛后在记者会上哽咽坦言，“阿尔法围棋”表现实在太完美，没有任何缺陷：“我担心的每一步棋它都会下，还会下出我想…
谢邀；以下我讲德州扑克&br&本人2011年申银万国证券举办的申银万国杯上海赛区个人第2，全国团队第3&br&2012年WPT-CHINA 999边赛第4（共200个选手）&br&2013年WPT-CHINA 主赛事第74名（共1008个选手）&br&&br&我2012年初曾经专门飞澳门去参加华人&br&世界冠军David Chiu的训练营，上课的时候他问我们，“你为什么要玩德州扑克”，我的答案他后来跟我讲是他认为最符合他观点的，我的答案是：“发现自己人性的弱点”。&br&&br&德州扑克，初学者玩的是概率，高手玩的是心理。初学者玩的是牌，高手玩的是人。所谓手中无剑，心中有剑；在德州扑克中，手中无花，心中有花。你明知道你落后了，你是把空气牌；可是你对对手心理，性格了如指掌；你拿着27不同花连开三枪，硬生生打跑了他的AA。&br&&br&基金也是，以股票市场为例；初级经理分析GDP，发电量，货运指数，新增贷款，行业趋势，财务报表；和德州扑克一样，是在不充分信息下尝试做最多正EV（Expected value)的决策；而高手呢，高手可以抛开一切，明知道房地产有泡沫，银行有坏账，高科技是骗局；明知道经济已经not sustainable，但他就是敢赌下去，因为他就有自信抛的出去，做最后第二棒；拿着有毒资产也照样做零和游戏的大赢家。&br&&br&其实不单是基金经理，现代社会竞争这么激烈，基本上我推荐所有人玩德州扑克。到时候你会发现自己的弱点是那么显眼；太胆小还是太冲动，太没计划没逻辑还是太不敢冒险，别人是不是一眼就看穿了你，清清楚楚。
谢邀；以下我讲德州扑克 本人2011年申银万国证券举办的申银万国杯上海赛区个人第2，全国团队第3 2012年WPT-CHINA 999边赛第4（共200个选手） 2013年WPT-CHINA 主赛事第74名（共1008个选手） 我2012年初曾经专门飞澳门去参加华人 世界冠军David Chiu的训练营…
谢邀。&br&&br&&b&五子棋很不简单。不信？做个题试试！&/b&&br&&br&虽然计算机已经几乎破解了五子棋的取胜秘籍，甚至给出了取胜的具体方案（参见 &a href=&/question//answer/& class=&internal&&人类对棋牌类游戏的拆解到了什么地步? - 舒自均的回答&/a&），然而，对人来说，五子棋还是非常有玩头的。&br&&br&且不说&b&【三手交换】&/b&（黑棋下完第 3 手后白棋可以要求双方互换），【&b&五手两打】&/b&（黑棋第 5 手必须提供两个不对称的落点，然后白棋去掉一个），甚至是【&b&一手交换】&/b&（著名的民间规则，黑棋下完第 1 手后白棋可以要求交换，这使得黑棋第 1 手必须下在角落以保持平衡） 等规则使得游戏变得【平衡】且有一定地复杂度和趣味性，&b&就单单是禁手规则，就令游戏变得复杂而趣味横生了。&/b&&br&&br&对黑棋来说，“三三”、“四四” 和 “长连” 是不允许下的，是禁手（详见 &a href=&/question//answer/& class=&internal&&五子棋禁手（三三、四四、长连）组合起来的细节如何判定？ - 曾加的回答&/a&），对于白棋来说，一件很有意思的事情就是&b&抓黑棋的禁手从而取胜。&/b&&br&&br&举个例子，这可能是实战中很容易下出来的棋：&br&&img src=&/2ed1e21ce53b66671ffb16c_b.png& data-rawwidth=&231& data-rawheight=&198& class=&content_image& width=&231&&&br&&br&如图所示，由于A点已经是黑棋的“三三禁手”，黑棋在破解它之前无法下在 A 点，&br&所以，实际上白棋已经可以取胜了：&br&&br&&img src=&/bf617c3eece4daa0685aa2_b.png& data-rawwidth=&245& data-rawheight=&179& class=&content_image& width=&245&&&br&很有意思吧？&br&&br&嗯，如果你觉得这个还算简单，那我来出一道题目，挑战一下你的算路吧！&br&&br&这局棋出自实战，是 “在线连珠教室锦标赛” 中 ASV777 和 吕文哲 的对局。&br&&br&先热身一下：&br&&br&&b&（1） 如下图所示，你知道白棋第 82 手想干嘛吗？&/b&&br&&img src=&/315fe5ba2db04d9d9af428_b.png& data-rawwidth=&470& data-rawheight=&433& class=&origin_image zh-lightbox-thumb& width=&470& data-original=&/315fe5ba2db04d9d9af428_r.png&&&br&看起来好像白棋没有任何赢的机会。但是，如果黑棋不防守，而是随便走的话——&br&&br&&img src=&/c5efe8ac664a388dc750bda309d8a455_b.png& data-rawwidth=&464& data-rawheight=&431& class=&origin_image zh-lightbox-thumb& width=&464& data-original=&/c5efe8ac664a388dc750bda309d8a455_r.png&&&br&白棋 1、3、5 连续 “冲四”、“跳四”，黑棋只好分别下在 2、4、6 位。&br&此时，白棋 7 下在了 E1，黑棋意外地发现，X点（F2）已经是黑棋的“三三禁手”，白胜。&br&&br&当然，黑棋也不是吃素的，它发现了白棋的玄机，于是下了第 83 手：&br&&img src=&/aca55aa32cfdd459d966f7_b.png& data-rawwidth=&477& data-rawheight=&435& class=&origin_image zh-lightbox-thumb& width=&477& data-original=&/aca55aa32cfdd459d966f7_r.png&&&br&这一手，使得 F2 点不会成为潜在的禁手，看起来是一个好防守，同时又有一点进攻的味道。&br&&br&然而，它却是本局黑棋的败着！（正确的防守应该在 F5）&br&&br&好了，下面是正式的题目：&br&&br&&b&（2）白棋第 84 手应该下在哪个位置（A-F），才能取胜呢？&/b&&br&&br&（注：此题我已经同步发布在 &b&33iq &/b&网站上：&a href=&///?target=http%3A///question/85236.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【五子棋难题2】（有禁手，白先）&i class=&icon-external&&&/i&&/a&）&br&&img src=&/d6ef86c338770cebd11da_b.png& data-rawwidth=&470& data-rawheight=&435& class=&origin_image zh-lightbox-thumb& width=&470& data-original=&/d6ef86c338770cebd11da_r.png&&（注：a点是白棋的权利，黑棋只好在 G7 防守，此时白棋依然可以下出胜着，但a点不是最关键的一着，所以不认为此点为正解。）&br&&br&如果你觉得直接思考有难度的话……&br&&br&下面是提示！&br&&br&下面是提示！&br&&br&下面是提示！&br&&br&&br&&br&【提示：利用黑棋的“四四禁手”】&br&&br&这个提示让人有点意外，因为表面上看，哪有什么“四四禁手”啊！&br&如果看到提示后，你依然百思不得其解，那么……&br&&br&下面是答案！&br&&br&下面是答案！&br&&br&下面是答案！&br&&br&&br&&br&&br&当白 84 出现在 1 路上时，黑棋先是大吃一惊，细细思考后，拍案叫绝！随即认输。&br&&img src=&/9bb40d6b5bcf0_b.png& data-rawwidth=&464& data-rawheight=&434& class=&origin_image zh-lightbox-thumb& width=&464& data-original=&/9bb40d6b5bcf0_r.png&&&br&&p&这手下在边线的，看似和胜利毫无关系的一手，却是让人无法防守的妙招！&br&&/p&&br&&p&让我们做一回“事后诸葛亮”，拆解一下胜利的秘籍吧！&/p&&br&&p&此时，如果黑棋不防守，则白棋下在 a 点（G5），黑棋只好 G7，则白棋下点 E 点（C5）形成 “双四” 取胜。所以，黑棋必须进行防守，可选择的点有： D（B5）、E（C5）、F（F5）、a（G5） 和 G7。&/p&&br&&p&黑棋如果防守在 E 点（C5），&b&白棋 E1 是第二个妙手！连续两步一路妙手，令人叫绝！&/b&黑棋只好在 F2 防守。接下来，白棋 C7 冲四，黑棋只好 C6。此时白棋E9！这是最后一步妙手。由于 A5 一子的存在，A点（B6）成为白棋的取胜点，然而黑棋意外地发现，&b&B6 竟然是“四四禁手”！&/b&黑棋无法防守，白胜。&/p&&br&&p&那么，黑棋防守在其他地方可以吗？比如 D 点？&/p&&p&没用的，此时白棋下在 a 点（G5），黑棋只好 G7 防守，白棋 F 点（F5），黑棋只好在 E 点防守！此时白棋再按照上面的取胜方案即可。&/p&&br&&p&如果黑棋在其他位置（F点、a点、G7）防守，白棋只要下在 D 点，逼迫黑棋下在 E 点，便大功告成！&/p&&br&&p&在黑棋最顽强的抵抗下，最终的正解过程：&/p&&img src=&/cb3c034be371ce3f33733eb_b.png& data-rawwidth=&476& data-rawheight=&434& class=&origin_image zh-lightbox-thumb& width=&476& data-original=&/cb3c034be371ce3f33733eb_r.png&&&ol&&li&白棋 A5，大妙！ 黑棋 B5，强防；&br&&/li&&li&白棋 G5，黑棋 G7；&br&&/li&&li&白棋 F5，黑棋 C5；&br&&/li&&li&白棋 E1，妙手！黑棋只好防在 F2；&br&&/li&&li&白棋 C7，黑棋 C6；&br&&/li&&li&白棋 E9，黑棋无法防守在 B6（四四禁手），白胜！&br&&/li&&/ol&&br&&b&看完这个解答过程，你是否会对五子棋中“禁手”的复杂和精妙若有所思呢？&/b&&br&&br&如果这道题的难度把你吓到了，那么，我再出一道稍微简单点的题目吧！&br&同样是利用抓禁手取胜：&br&&img src=&/61f925c06bf1546ec1fc_b.png& data-rawwidth=&274& data-rawheight=&271& class=&content_image& width=&274&&（来源：&a href=&///?target=http%3A///question/84643.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【五子棋难题】这是一道不太容易的题目（有禁手），能做出的人具有相当水...&i class=&icon-external&&&/i&&/a&）&br&&br&答案在链接中可以看到~&br&&br&&br&&b&禁手规则已然如此妙趣横生，然而这也只是五子棋的冰山一角罢了。&/b&&br&&br&比如，单单 26 个开局，就深得很呢~&br&&br&拓展阅读：&a href=&///?target=http%3A///Article/pcedu/QQ/77.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&五子棋的基本定式图示及优势分析&i class=&icon-external&&&/i&&/a&&br&&br&********************&br&&br&【如需转载，请联系作者】
谢邀。 五子棋很不简单。不信？做个题试试！ 虽然计算机已经几乎破解了五子棋的取胜秘籍，甚至给出了取胜的具体方案（参见 ），然而，对人来说，五子棋还是非常有玩头的。 且不说【三手交换】（黑棋下完…
&p&柯洁的英雄泪&/p&&img src=&/v2-8bb53a02dd88dc6abd563e1a_b.jpg& data-rawwidth=&1187& data-rawheight=&960& class=&origin_image zh-lightbox-thumb& width=&1187& data-original=&/v2-8bb53a02dd88dc6abd563e1a_r.jpg&&&br&&p&实事求是说，这盘棋是整个人机大战过程中，发挥最差的一盘棋。可以说，柯洁的心态已经崩了。如果说第二盘棋，柯洁在40手之前和电脑完全不落下风，平分秋色的话。那么这盘棋的第40手，就是彻底的败招。&/p&&br&&img src=&/v2-c8ce81ae2a50f38b33a9_b.jpg& data-rawwidth=&720& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/v2-c8ce81ae2a50f38b33a9_r.jpg&&&br&&p&这步棋的问题表明了一个残酷的事实：柯洁急了。&/p&&p&围棋十诀第一条：不得贪胜，而这步棋恰恰违背了围棋十诀第一条。&/p&&br&&img src=&/v2-96016c0fdc32d8fa74f032_b.jpg& data-rawwidth=&720& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/v2-96016c0fdc32d8fa74f032_r.jpg&&&br&&p&阿法狗花了十秒钟，走了这步点，白棋局部已经完全崩溃。&/p&&br&&img src=&/v2-6b96ef7f80ee_b.jpg& data-rawwidth=&720& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/v2-6b96ef7f80ee_r.jpg&&&p&无论是这个变化&/p&&br&&img src=&/v2-64a3a5e1_b.jpg& data-rawwidth=&720& data-rawheight=&1280& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&/v2-64a3a5e1_r.jpg&&&p&还是这个变化，都是白棋所无法接受的。所谓满盘皆输，大祉如此。&/p&&p&相信以柯洁的实力，三秒钟就可以看穿这里的变化。然而急躁的心态让他一步棋就跌入深渊，这之后，尽管柯洁再努力搅乱局面，然而他自己心里也非常清楚——这一切都是徒劳。&/p&&p&然而，我们却不忍再责怪柯洁，稳定就是阿法狗最强大的地方。在对围棋的理解层面，纵然柯洁能够像第二局那样苦成一百余手形势仍然不明。但是，无论是第二局128手的开劫还是本局40手的飞点，都是人类作为血肉之躯无法避免的波动。&/p&&p&现在，或许只剩下一个悬念，需要被阿法狗让多少，才能弥补这种情绪上的波动？&/p&
柯洁的英雄泪 实事求是说，这盘棋是整个人机大战过程中，发挥最差的一盘棋。可以说，柯洁的心态已经崩了。如果说第二盘棋，柯洁在40手之前和电脑完全不落下风，平分秋色的话。那么这盘棋的第40手，就是彻底的败招。 这步棋的问题表明了一个残酷的事实：柯洁…
回答这个问题很好玩啊！我就说一副三人的情况吧（两副四人没打过）&br&&br&其实这类游戏都是靠的经验和记忆，作为新手，必然是要&strong&先&/strong&做好&strong&输&/strong&个山穷水复的&strong&准备&/strong&。&br&&br&建议先在网络免费场去赚经验，等有一定实力之后，再到专业的场子去切磋。注：专业就代表了游戏没有道具没有作弊的公平环境。非人民币玩家。&strong&不要在技术还不纯熟的时候就去赌钱&/strong&，肉鸡行为。&br&&br&诀窍。&br&&br&&ul&&li&多人游戏。——打牌时千万不要只关注自己。一定要&strong&关注别人&/strong&的牌和打法。&/li&&/ul&比如你手上有2个2，那么必然有2个2在另两个人手里，如果对方其中一个是地主，那么他手上有另两个2的几率较大，1个2其次，不太可能一个2都没有，这时你与另一个人配合打地主就要你这边占主导了，你搭档的牌可能不容易上手。&br&比如你手上有顺子从3到8,10到A之类的，差个9，那你关注别人手上9的分布，从而判断有没有4个的炸弹。&br&斗地主的&strong&基本技能&/strong&就是&strong&算牌&/strong&吧。什么牌在什么人手上这是最起码的&strong&推理&/strong&。如果连这个推理都懒得推，你对别人的战力一片茫然，那只有被打的份了。&br&&ul&&li&记一些&strong&常规。——&/strong&玩游戏起码要知道游戏规则。&/li&&/ul&&p&比如地主的手上至少有3张大牌（王或2），小王的存在意义就是勾引大王，A一般作用是“顶”别人大牌，2一般可以争取出牌机会，不能顺着对手出，对手出单你就要压制他然后出双，不要小牌说明对手牌很危险，利用别人报单和报双的情况来赢得反制等。&/p&&br&&u&你在&strong&懂得常理的基础之上&/strong&，才有本事谈不按常理出牌。那是后期技巧。&/u&&br&斗地主最戏剧性的局面是，我方手上一手小牌，对手一手大牌，我方用一堆小牌套下了对手的大牌，对手最后剩一张，两张，接不上我方的连子，白白饿死。所谓&strong&以小胜大&/strong&，草船借箭，空城计等，这种局面都是纯技巧啊。&br&自己牌小，就要尽量争取出牌哪怕一张，因为你不出永远也出不了，你压个大的还有微弱的机会为搭档赢一个放小的机会，或者把对手的大牌顶下来。至少这样你不会被别人打春天。&br&自己牌大，就要更谨慎，保证每一步都不要大意，不然&strong&一手好牌饿死在手上比死在一把烂牌上更伤心&/strong&。&br&总之斗地主就是两种阵营，一种是无依无靠独断独觉全凭自己的算计，一种是依靠搭档配合见缝插针补弱见长。&strong&一种更注重技术，一种更注重读心&/strong&。有大牌的牌就要尽量把赌注压大，“&strong&大牌”的意思就是“机会”&/strong&，没有大牌的牌就不要乱放炸弹，把一局的损失尽量控制到最小，然后在有好牌的局势下赢回来。如果牌实在小就把关注点从自己手上移开，去琢磨上家和下家是怎么打的。&br&&ul&&li&&strong&利用规则&/strong&。——利用这些所有人都必须遵守的规矩，把自己摆正有利位置。&/li&&/ul&比如，王只有一对，2只有4个，再牛逼的牌也只有有限的机会使用。充分利用这一点，然后找机会上手自己的牌。要学会&strong&控场，打乱别人的节奏&/strong&。&br&小牌和大牌一定要配合，小牌要会“&strong&溜&/strong&”，大牌要会“&strong&压&/strong&”，不大不小的将领要会“&strong&斗&/strong&”。想好每一张牌的&strong&职责&/strong&。&br&拿到牌要会算，每一组牌组能够应对哪些局面，不能应对哪些局面，有没有机会救。&br&如果你想&strong&自己选搭档&/strong&，比如一个人水平高于另一个，你在和水平相对低的人配合时表现得比较白痴，让水平较低的人产生自己要做地主的想法，这样你和水平较高的人就&strong&强制变成了一家&/strong&，你可以随意依赖强者的战斗力了。&br&打心理战。三个人的游戏就是说，我之外，一个是朋友，一个是敌人，&strong&利用游戏规则，把强者变为朋友，弱者变为敌人&/strong&。如果强者是地主，就和另一个人搞好团结，练好默契，千万不要窝里斗，观察搭档的弱势，然后自己来弥补他的弱势。如果自己是地主，一定要在出牌前就考虑好自己的大牌是在什么时候适用，想好各种应对情况，然后千万要有&strong&自信&/strong&。从&strong&气势&/strong&上就要打压别人。&br&&ul&&li&&strong&察颜阅色&/strong&。——这最终还是人的游戏。所以观察人也很重要。&/li&&/ul&比如地主激动得叫了地主拿到三张底牌后表情凝重，也许他拿到了三张废牌，也许多了一手小单，掐住这个&strong&漏洞&/strong&，然后不要给他过废牌的机会。&br&叫地主一般是因为地主牌里有“&strong&底气牌&/strong&”，观察他是否打得奔放，判断他的“底气”是什么。&br&一般一个人赢得很顺后容易掉以轻心，你得掌握自己的节奏，&strong&让别人赢小输大&/strong&。&br&一般局势下不要暴露你全部的实力，要有所&strong&保留&/strong&，在&strong&关键的时候&/strong&进行镇压。（比如炸弹多时）&br&局势有大有小，要把关注点放在对的位置。&br&尽量不要依赖农民伙伴，而是配合。&strong&依赖绝不等于配合&/strong&。如果自己手上牌不好，就要早早放出&strong&暗示&/strong&信息，告诉对方。如果自己能够控场，就要放出信息让别人不要干扰。&br&有时候你可以用牌来“&strong&逗&/strong&”。所谓的&strong&试探牌&/strong&。观察别人的底线牌是什么，然后给搭档提供对手信息。当你和别人搭档你不打主力时，你的工作就是尽量&strong&勾引&/strong&地主的牌然后为搭档&strong&泄露地主战力&/strong&，让搭档更方便控局啦。&br&&ul&&li&&strong&明确立场。&/strong&——自己的实力，自己的地位都要有概念。&/li&&/ul&作为农民，要擅用小牌勾引地主的大牌。如果是地主，农民用大牌顶，就要&strong&判断&/strong&他是障眼法还是想上手自己的顺子。这需要你摸清对方的&strong&出牌习惯&/strong&，一般往几率大的路线考虑。&br&做农民时，上家和下家的&strong&地理位置&/strong&很重要，打法都不一样，常规来说，地主下家要“放”，地主上家要“顶”。&br&和搭档的实力配合，如果搭档水平不如你，你就要尽量去打地主不要寄依赖于搭档，如果搭档水平高于你，你就要尽量配合搭档出牌，在没有绝对的情况下，不要挡了搭档的路。&br&所谓&strong&没有永远的朋友，只有永恒的利益&/strong&。就算你和搭档一组了，也不要对搭档掉以轻心，依然要观察他的打法，好在下一局他变成对手时对付他。&br&如你是个弱渣，就要合理利用地理位置，尽量&strong&让对手打对手&/strong&，自己渔翁得利。不要硬碰硬。&br&在你不会打，或者遇到大触时（实力明显弱于对方时）保留你自己的思路，然后重心放到别人的打法上，意思就是说你要脱离你自己的立场，然后&strong&换位思考&/strong&对方出牌的顺序，出牌的&strong&目的以及用心&/strong&。你知道他的打法后你再进行反制。一般大触面对不太聪明的对手会使用&strong&同样的套路&/strong&来展示他的无聊情绪，当你摸清他的套路，以技巧性胜利后，他会开始启用其他手法，这时是绝佳的观察“大触之手”出牌法的机会——&strong&套路之外&/strong&如何控制对手。&br&&ul&&li&&strong&擅于分析&/strong&。——这是做任何事情的公理。&/li&&/ul&要多跟不同年龄不同层次的人切磋，会发现一些比较新颖的出牌法，&strong&但最好和比自己厉害一点点的人打&/strong&，这样他的出牌思路你比较容易懂，也比较容易进步。多模仿别人的思路，各种不同人的思路，然后顺藤摸瓜找到这种思路的弱点，用别人不具备的“我在其他人中习得的另外思路”对付这个人。&br&所谓你不是你自己一个人在战斗，你的背后有一千个已经和你切磋过的对手，用对手来打对手，比你自己对付对手厉害。在最后，你再结合所有人的优势产生出一套你自己的打法，你已经千变万化难以捉摸了。&br&有空可以看看别人的实战，以一个&strong&旁观者清&/strong&的角度观察别人的打法，然后自己在心里默默构思这套牌拿在自己手上要怎么打。&br&&strong&忌讳单纯模仿&/strong&出牌组合和顺序，这样模仿你只会被别人牵着鼻子走，你要学的是思路而不是定势，所谓的“为什么这样出”。一局过后下来反思，哪一步走错导致最后输了，如果当时选择另一种打法最后有没有机会赢。&br&&ul&&li&&strong&打牌要有气势——&/strong&这是做任何事情的精髓，即：&strong&“灵”“魂”“气”&/strong&&/li&&/ul&斗地主就在于一个“斗”字嘛，这需要你有一种&strong&斗志&/strong&，就是不服输的精神。这不是要你输了再来输了再来的意思，而是别人赢是赢在什么地方。是因为他手气真的很好吗？是因为他知道你手上的牌吗？是因为他知道K和A可以怎么用吗？是因为他组合顺序排得好吗？是因为他比你考虑得全面吗？是因为一些小聪明吗？&br&还有斗地主一个最最容易忽略的心态就是：&strong&&u&不要把眼光只放在当下的局势&/u&&/strong&。&br&&strong&把握时机&/strong&！&br&因为你肯定有拿烂牌的时候，也肯定会有拿到好牌的时候。有时候一局下来就小小输赢不足为惧，关键是要在局面扩大的时候想办法捞回来。在小注下别怕输，在大注下要有决心赢。一个小技巧：在小注的时候让别人打得很顺，你顺着别人的节奏来。一旦你的机会来了，牌大了，炸弹来了，拿出你的士气打乱别人的节奏，&strong&让别人&/strong&产生一种&strong&处于逆境&/strong&的感觉。这样你一局就可以干倒他。所以最重要的还是见机行事，布阵设套，&strong&&u&猎手之心，国王之气。&/u&&/strong&&br&与人斗智，其乐无穷。&br&游戏人生，仅供娱乐。&br&休闲为主，计较即输。&br&有心要玩，摒弃儿戏。&br&掌握人心，经验为重。&br&此刻是渣，不要气妥。&br&牛逼之人，逼在何处。&br&察颜阅色，感觉敏锐。&br&思维活跃，学会拐弯。&br&一路走死，另辟蹊径。&br&有谋有划，冷静藏拙。&br&勤快分析，日月累积。&br&多犯错误，拜师错误。&br&赢了弱小，不算光荣。&br&输给强大，是种荣耀。&br&各路手法，融会贯通。&br&三教九流，以一敌百。&br&空城报虚，干扰对手。&br&底气之牌，不可妄动。&br&蹑手蹑脚，只因迷惘。&br&步步为营，胆大心细。&br&包容弱小，擅于交流。&br&隔日三秋，吴下阿蒙。&br&脑中千人，妙手回春。&br&记牌有术，算牌有方。&br&识人有眼，作动有诈。&br&真真假假，虚实结合。&br&利用规则，占据有利。&br&弱势之时，谦虚学习。&br&多多训练，胜大输小。&br&学以致用，实战为要。&br&大师之大，千锤百炼。&br&学而不殆，终有可成。&br&小小牌局，大大人生。
回答这个问题很好玩啊！我就说一副三人的情况吧（两副四人没打过） 其实这类游戏都是靠的经验和记忆，作为新手，必然是要先做好输个山穷水复的准备。 建议先在网络免费场去赚经验，等有一定实力之后，再到专业的场子去切磋。注：专业就代表了游戏没有道具没…
&p&起初，他们劝化工的转CS，我没有出声，因为我不是材料工程师；&/p&&p&接着，他们劝生工的转CS，我没有出声，因为我不是生物博士后；&/p&&p&然后，他们劝机械的转CS，我没有出声，因为我不是结构工程师；&/p&&p&后来，他们劝EE的转CS，我没有出声，因为我不是硬件工程师；&/p&&p&现在，乌镇峰会完败AlphaGo，他们来了，劝我这个高中没毕业的天才棋手转CS，已经没有人替我说话了。&/p&
起初，他们劝化工的转CS，我没有出声，因为我不是材料工程师；接着，他们劝生工的转CS，我没有出声，因为我不是生物博士后；然后，他们劝机械的转CS，我没有出声，因为我不是结构工程师；后来，他们劝EE的转CS，我没有出声，因为我不是硬件工程师；现在，乌…
&b&大家来感受一下，在三维棋盘上下棋是什么感觉，&/b&&b&我&/b&&b&反正是醉了……&/b&&br&&br&鉴于三维围棋的规则可能会有争议，这里用&b&三维五子棋&/b&来做个示范：&br&&br&1. &br&&img src=&/88ddb9cab8b015ad5fd327fdd6d68eae_b.jpg& data-rawwidth=&280& data-rawheight=&267& class=&content_image& width=&280&&2.&br&&img src=&/323dcf574dc210b39ab4aad_b.jpg& data-rawwidth=&285& data-rawheight=&253& class=&content_image& width=&285&&&br&3. &br&&img src=&/cf05d56d0b8e740ee585cd8ec712323c_b.jpg& data-rawwidth=&285& data-rawheight=&253& class=&content_image& width=&285&&4.&br&&img src=&/fa6cde5706e31cbbc21193_b.jpg& data-rawwidth=&285& data-rawheight=&253& class=&content_image& width=&285&&5.&br&&img src=&/caf8a5a5b70defecda9d0_b.jpg& data-rawwidth=&285& data-rawheight=&253& class=&content_image& width=&285&&6.&br&&img src=&/c72efbf1fc9c55e6b855f8_b.jpg& data-rawwidth=&285& data-rawheight=&253& class=&content_image& width=&285&&7. &br&&img src=&/3e7c77a64e08c0ac18164c_b.jpg& data-rawwidth=&272& data-rawheight=&254& class=&content_image& width=&272&&8.&br&&img src=&/d8e4b4e6438eaafb21efa2c_b.jpg& data-rawwidth=&272& data-rawheight=&254& class=&content_image& width=&272&&9.&br&&img src=&/bb8549d8dfc8e137ddbb55acab6c5ca4_b.jpg& data-rawwidth=&272& data-rawheight=&254& class=&content_image& width=&272&&10.&br&&img src=&/2f10bd28d37d81d491be3f9f18dd5ca1_b.jpg& data-rawwidth=&272& data-rawheight=&254& class=&content_image& width=&272&&11.&br&&img src=&/23e68cf13e91df41087ff7_b.jpg& data-rawwidth=&272& data-rawheight=&254& class=&content_image& width=&272&&12.&br&&img src=&/09ed5c44e1c70a67d5623_b.jpg& data-rawwidth=&272& data-rawheight=&254& class=&content_image& width=&272&&13.（太复杂了……必须开座标轴了…………）&br&&img src=&/92536b95ccacb9413648_b.jpg& data-rawwidth=&370& data-rawheight=&406& class=&content_image& width=&370&&14.&br&&img src=&/ed213e2e510ab2578831_b.jpg& data-rawwidth=&370& data-rawheight=&406& class=&content_image& width=&370&&………………我已经要下吐了，让其中一方快点赢吧：&br&15.&br&&img src=&/37ab8a2e7a_b.jpg& data-rawwidth=&370& data-rawheight=&406& class=&content_image& width=&370&&16.&br&&img src=&/ad519fab6e4cb45b55309d0deb69be7c_b.jpg& data-rawwidth=&370& data-rawheight=&406& class=&content_image& width=&370&&17.&br&&img src=&/6fa47ea5d6f824ac57bf3c_b.jpg& data-rawwidth=&370& data-rawheight=&406& class=&content_image& width=&370&&18.&br&&img src=&/76b371e72b2de8e7a35c40_b.jpg& data-rawwidth=&370& data-rawheight=&406& class=&content_image& width=&370&&&b&至此，黄子胜，橙子「一失足成千古恨」…………&/b&&br&&br&这里可以看到几个难点，就只列举刚刚下棋时碰到的问题：&br&&ol&&li&难以摆放棋子，我后来被迫开了座标轴才勉强下下去；&br&&/li&&li&外层的棋子会围住里边的棋子，根本看不到里边的样子；&br&&/li&&li&规则复杂，甚至会出现几何上的问题；&br&&/li&&li&……&br&&/li&&/ol&&br&&br&&b&=============Mathematica 源代码============&/b&&br&&br&&div class=&highlight&&&pre&&code class=&language-common-lisp&&&span class=&nv&&f[x_,&/span& &span class=&nv&&y_,&/span& &span class=&nv&&z_]&/span& &span class=&ss&&:=&/span& &span class=&mi&&0&/span&&span class=&c1&&;&/span&
&span class=&nv&&data&/span& &span class=&nb&&=&/span& &span class=&nv&&Array[f,&/span& &span class=&nv&&{8,&/span& &span class=&mi&&8&/span&&span class=&o&&,&/span& &span class=&nv&&8}]&/span&&span class=&c1&&;&/span&
&span class=&nv&&Dynamic[Image3D[data,&/span& &span class=&nv&&Axes&/span& &span class=&nv&&-&&/span& &span class=&nv&&True]]&/span&
&/code&&/pre&&/div&
大家来感受一下，在三维棋盘上下棋是什么感觉，我反正是醉了…… 鉴于三维围棋的规则可能会有争议，这里用三维五子棋来做个示范： 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13.（太复杂了……必须开座标轴了…………） 14. ………………我已经要下吐了，让…
&p&我就是 AlphaGo！2017 年 1 月 4 日晚 9 时，Master 的神秘面纱终于被揭开了。在对局周睿羊九段的第 59 局比赛之后，名为 Master 的账号在腾讯野狐围棋平台上主动透露了自己的身份：「我是 AlphaGo 的黄博士（黄士杰）。」随后，在对阵古力九段的最后一局结束后，这场由中日韩三国多名旗手对阵人工智能历时 7 天的跨年大战宣告结束。&/p&&img src=&/v2-799d7c6fc94ec3d1aaf55ceeb3d71a19_b.jpg& class=&content_image&&&p&很快，Demis Hassabis 在自己的 Twitter 上发表了一份声明：&/p&&img src=&/v2-0ac0b3870ada0bb25a1e3fd_b.jpg& class=&content_image&&&p&樊麾在微博上分享了这份声明并给出了中文版本：&/p&&img src=&/v2-4eee6aaf80df21fb4f2de_b.png& class=&content_image&&&p&网名 Master 的神秘棋手于 12 月 29 日出现在弈城网上围棋平台（最初名为 Magist）。三天时间对局数量达到 30 盘，全部胜利，对手包括朴廷桓、陈耀烨、芈昱廷、唐韦星等当今世界顶级棋手，其中对朴廷桓 4 比 0，对陈耀烨为 2 比 0。&/p&&p&随着 Master 的连胜，网络围棋平台瞬间受到了大量关注，不少人开始猜测 Master 的真实身份。有人询问了 AlphaGo 开发者黄士杰博士，得到了不置可否的回答。&/p&&img src=&/v2-2cc93b2e5d_b.jpg& class=&content_image&&&p&随后，Master 在 2016 年 12 月 31 日宣布将休息一天。著名棋手柯洁在微博上表示：「我从三月份开始到现在研究了大半年的棋软，无数次的理论、实践，就是想知道计算机究竟强在哪里。昨晚辗转反侧，不想竟一夜无眠。人类数千年的实战演练进化，计算机却告诉我们人类全都是错的。我觉得，甚至没有一个人沾到围棋真理的边。但是我想说，从现在开始，我们棋手将会结合计算机，迈进全新的领域达到全新的境界。新的风暴即将来袭，我将尽我所有的智慧终极一战！」&/p&&p&在 1 月 1 日晚 11 时，Master 转战腾讯野狐围棋，与各路高手展开了新的对局。因为名声鹊起，从李钦诚到古力、柯洁、党毅飞、江维杰、辜梓豪、朴永训、柁嘉熹、姜东润、井山裕太等人纷纷申请与之对战，但随后纷纷负于这一仍未公开姓名的神秘对手。&/p&&p&到了 1 月 4 日下午，在网络围棋中与 Master 对战过的著名棋手包括柯洁、朴廷桓（韩国冠军）、井山裕太（日本冠军）、周俊勋（台湾省第一人）等人。1 月 4 日下午 3 点，中国「棋圣」聂卫平在与 Master 的对战中失利，这是 Master 的第 54 场胜利。&/p&&br&&img src=&/v2-1d1e68bea6a4cf65bdbd2da_b.png& class=&content_image&&&p&1 月 3 日 Master 战胜柯洁后，聂卫平表示：「Master 改变了我们传统的厚薄理念，颠覆了多年的定式，围棋远不像我们想象的那么简单，还有巨大的空间等着我们人类去挖掘，AlphaGo 也好，Master 也罢，都是『围棋上帝』派来给人类引路的。而在第二天负于 Master 后，聂卫平表示：Master 技术全面，从不犯错，是其最大优势，人类要打败它的话，必须在前半盘领先，然后中盘和官子也不出错，这样固然很难，但客观上也促进了人类在围棋技术上的提高。这盘棋我布局不错，但中盘时打了一个大勺子，断送好局，有些可惜。&/p&&p&1 月 4 日晚，在连续对阵申真谞九段、周睿羊九段、古力九段后，AlphaGo 的连胜纪录扩大到了 60 场，按照事先的计划，谷歌围棋程序的非正式比赛测试暂时告一段落。&/p&&p&Master 在快棋赛中多次中盘获胜（没到收官阶段对手就认输了，这说明 Master 的优势很大），展示了人类棋手无法企及的快棋水平。网络快棋是目前职业选手练习的主要方式之一，因为每一步思考时间很短，和带奖金的正式比赛相比，快棋赛中对决双方更加容易出错，所以这次「升级版」AlphaGo 的实际围棋水平如何还需要正式规则比赛的进一步检验。&/p&&p&值得一提的是，去年 12 月 13 日，多名谷歌高层曾经突访中国，他们在中国棋院与聂卫平、柯洁等人进行了交流，并达成了合作协议。随后在日本棋院 Journalist Club 的颁奖仪式上，Hassabis 曾表示：「2017 年对 AlphaGo 和围棋界都将是充满兴奋的一年。」人们没有意识到，在新的一年还未到来时，人工智能对于这项流传千年的古老技艺的冲击已经开始。&/p&&br&&img src=&/v2-a25aedffa51_b.jpg& class=&content_image&&&p&&b&AlphaGo系统&/b&&/p&&p&AlphaGo 从高调宣战开始到 3 月底战胜李世乭，短短 2 个多月内已经博取了无数的眼球。如今再次出现了一个 Master，它是人？是 AI？还是二者的结合？业内猜疑不断。&/p&&p&外行看热闹，内行看门道。在下棋这件事上我们可能看的是热闹（小编着实不懂棋的套路），但下围棋的人工智能系统我们曾了解过。&/p&&p&在一月份的 Nature 封面报道中，曾详细地介绍了 AlphaGo 系统当时所采用的技术：&/p&&p&首先 DeepMind 使用了如今火热的深度学习技术，同时还加上了另一种模拟技术来对潜在的步法进行建模。深度学习需要对一个大型的神经网络进行训练，使其对数据中的模式做出反应。&/p&&p&AlphaGo 的关键在于使用的深度神经网络，而且 DeepMind 在 AlphaGo 中使用了两种不同的神经网络：第一种叫做策略网络（policy network），用来预测下一步；第二种叫做价值网络（value network），用来预测棋盘上不同的分布会带来什么不同的结果。&/p&&p&AlphaGo 使用这两种网络的方法是把非常复杂的搜索树减少到可操作的规模。所以，它并不是在每一步都要考虑几百种步数，而只考虑政策网络提供的几十种最有前景的步法，价值网络的作用是减少搜索的深度，所以，它的搜索深度并不是特别深，它并不是一下子搜索出直达比赛末尾的 300 多步，而是搜索更少的步数，比如 20 多步，并评估这些位置，而不是一路评估到底，看谁最终能赢。搜索并不是靠蛮力，而是与某种与想象力很相似的东西。&/p&&br&&img src=&/v2-da285be408d76fc674f471f_b.jpg& class=&content_image&&&p&DeepMind 官方发布的 2016 年度总结中写道，「最激动人心的莫过于 AlphaGo 博弈过程中所呈现出来的创造力，有时，它的棋招甚至挑战了古老的围棋智慧。围棋，这一古往今来最富深谋远虑的游戏之一，AlphaGO 可以识别并分享其中洞见。」&/p&&p&就像首位和 AlphaGo 对战的专业选手樊麾在接受机器之心采访时表示：「AlphaGo 可能开辟出另外一种围棋的美，是我们想象不到的。」&/p&&p&如果观看了 AlphaGo 和李世乭的对弈，你或许不会对坐在李世乭对面的这位感到陌生。他就是 AlphaGo 的核心作者之一 Aja Huang（黄士杰），而这次代「Master」执子的也是黄士杰博士。值得注意的是，黄士杰还是 DeepMind 中唯一一位围棋高手（业余围棋 6 段），从他的硕博论文《计算机围棋打劫的策略》和《应用于计算机围棋之蒙地卡罗树搜寻法的新启发式算法》便可以看出他对围棋的热爱。&/p&&p&2011 年毕业于台湾师范大学计算机信息工程专业博士班的黄世杰在 2012 年便加入了 DeepMind 团队，也是该团队的早期核心成员之一。&/p&&p&在校期间，黄士杰的导师是曾研发 Crazy Stone 的 Rémi Coulom，而 Crazy Stone 正式在 AlphaGo 横空出世前最有名的围棋软件之一。&/p&&p&黄士杰的导师此前在接受媒体报道时曾透露，黄士杰读硕士时就锁定围棋为他的研究课题，为了写程序，黄士杰有时在实验室一呆就是 16 小时，并将他开发的围棋程序以其老婆的英文名「Erica」命名。&/p&&p&下面是黄士杰的论文引用情况。凭借发表于 Nature 的论文《Mastering the game of Go with deep neural networks and tree search》和另一篇论文《Move Evaluation in Go Using Deep Convolutional Neural Networks》的高引用量，黄士杰仅凭 4 篇论文就在短短两年时间内获得大约 388 到 851 之间的引用。&/p&&br&&img src=&/v2-d1eaa313d8ad5e61a08072_b.png& class=&content_image&&
我就是 AlphaGo！2017 年 1 月 4 日晚 9 时，Master 的神秘面纱终于被揭开了。在对局周睿羊九段的第 59 局比赛之后，名为 Master 的账号在腾讯野狐围棋平台上主动透露了自己的身份：「我是 AlphaGo 的黄博士（黄士杰）。」随后，在对阵古力九段的最后一局结…
&img src=&/v2-1b266c7db59c95ca13fde449_b.jpg& data-rawwidth=&1242& data-rawheight=&1248& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&/v2-1b266c7db59c95ca13fde449_r.jpg&&&p&昨晚手机被阿尔法狗的自战棋局刷屏了，大家一看棋谱的内容后，既兴奋，又觉得有点不可思议，世界冠军时越就说：“这是来自未来的棋谱”！&b&阿尔法狗的团队宣布将要公开阿尔法狗自对弈的50盘棋谱，这个消息对我们围棋界来说真是天大的好事！&/b&有点像当年王重阳走后留下了一部九阴真经，而且还是网络公开版的。接下来，各路武林豪杰肯定会好好地去研究这本武林秘籍！&/p&&img src=&/v2-e319124ebe7fe2d206c349_b.jpg& data-rawwidth=&1280& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/v2-e319124ebe7fe2d206c349_r.jpg&&&p&我看网上有人说：“机器的招法是基于深度计算而得来的，人类去学习，这不是东施效颦吗？” 我觉得这个说法说对了一半，的确，有很多招法是机器经过大数据计算而得来的结果，没有像它那样强大的计算能力，我们将无法做到和效仿；但为什么我们要去效仿呢？&b&机器还有很多好的招法在我看来，其实是不需要依赖深度计算的，而是凭感觉就能得来的，只不过我们的感觉被自己过去的经验所禁锢和束缚了。&/b&&/p&&img src=&/v2-5a4ad3addabfce2b77ee09d07ad04f89_b.jpg& data-rawwidth=&1242& data-rawheight=&1248& class=&origin_image zh-lightbox-thumb& width=&1242& data-original=&/v2-5a4ad3addabfce2b77ee09d07ad04f89_r.jpg&&&p&&b&其实这次阿尔法狗已经告诉我们，围棋的开局下哪里都可以，其好坏优劣是相对而不是绝对的，关键是看之后的运用。&/b&阿尔法狗已经够强了，但从它在布局上的招法来看，它也在不断创新尝试。就像开局点三三，局部下完后，谁好？阿尔法狗也不知道，但它在点完三三之后对子效利弊的理解和运用上比我们高出一筹，所以它无论是点的一方还是被点的一方，都能赢。&/p&&p&&b&开局点三三这个局部一下完，就像一个刚出生的婴儿，他与生俱来的性格是没有绝对好坏的，决定他未来成长的是取决于家长如何去引导他发挥性格中好的一面。&/b&&/p&&img src=&/v2-8b8df2ebe72ddbb5ac9e_b.jpg& data-rawwidth=&400& data-rawheight=&257& class=&content_image& width=&400&&&p&从这里就可以看出，围棋是活的。&b&所以我们拿到阿尔法狗50盘对局这本武林秘籍后，可以学习，但不要盲目模仿，一旦盲目模仿，你又会陷入到一个新的思想禁锢之中。&/b&就连阿尔法狗都在不断创新尝试，而有着心灵能动性的我们，怎么能思想禁锢不前呢？&/p&&p&再强的招法，它只是招式，就像武侠小说中说的一样，最后你是要忘掉招式的。所以我们学习这本武林秘籍，学习什么？我觉得，&b&在认真学习阿尔法狗的招法后，你忘掉的的东西就是你真正学到的东西！我们要学的不是具体的招法，而是招法背后所包含的逻辑和意境。&/b&如果一味沉迷于招法本身，那你很可能将被阿尔法狗禁锢了自己的思想。我希望看到的是，一年后，阿尔法狗对局中的招法已经被人类棋手再次创新，而不是模仿。&/p&&img src=&/v2-1cfe8c55c0e058bd71f8ac_b.jpg& data-rawwidth=&600& data-rawheight=&450& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/v2-1cfe8c55c0e058bd71f8ac_r.jpg&&&p&&b&今天开始，我准备好好学习一下这本“九阴真经”，不过得尽量去活学，不然没准就成欧阳锋了。&/b&&/p&&p&知友们，你们觉得这本“九阴真经”学了有用吗？有用的话，应该怎么去学？欢迎在评论区说说吧。&/p&&br&&p&欢迎关注我的微信公众号：耀宇围棋&/p&
昨晚手机被阿尔法狗的自战棋局刷屏了，大家一看棋谱的内容后，既兴奋，又觉得有点不可思议，世界冠军时越就说：“这是来自未来的棋谱”！阿尔法狗的团队宣布将要公开阿尔法狗自对弈的50盘棋谱，这个消息对我们围棋界来说真是天大的好事！有点像当年王重阳走…
&p&AlphaGo的主程序员，也就是DeepMind目前的首席科学家David Silver，在自己的个人主页上有一套关于增强学习（Reinforcement Learning）的教材：&a href=&///?target=http%3A//www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Teaching&i class=&icon-external&&&/i&&/a&。一共只有十个lecture，十个pdf文件，但是字字珠玑，配合增强学习领域的经典教材《Reinforcement Learning: An Introduction》一起阅读效果非常棒。我读了这个十个pdf，也读完了《Reinforcement Learning: An Introduction》，自己拿TensorFlow和OpenAI训练了AI打乒乓球，这才斗胆过来回答这个问题。&/p&&p&David Silver这套教材里的Lecture 8: Integrate Learning and Planning里面把AlphaGo背后的原理介绍了一下，放了一张图，基本能够让不懂增强学习的读者也能“一张图看懂AlphaGo的原理”：&/p&&br&&img src=&/v2-1bfeec783c55c668e87aac9_b.png& data-rawwidth=&899& data-rawheight=&697& class=&origin_image zh-lightbox-thumb& width=&899& data-original=&/v2-1bfeec783c55c668e87aac9_r.png&&&p&这个图的意思是这样的：AlphaGo对于棋盘上的任何一个局势（Current position s），都进行了所谓的monte-carlo tree search。也就是从这个局势开始，模拟打比赛（simulation）打打打直到打赢或者打输，根据最后的结果（outcomes）更新当前局势下的Value function，通过value function就可以让AlphaGo回答这个问题：在当前局势下，AlphaGo怎么行动，可以保证未来胜利的期望最高？&/p&&p&其中value function这个东西是一个神经网络，之前那些模拟打比赛的成绩都丢到这个神经网络里训练，然后value function这个神经网络就逐渐提高了回答上面那个问题的准确性。如大家所知的，由于围棋很复杂，所以要提高这个神经网络的能力，需要模拟出大量的比赛去训练这个神经网络。于是DeepMind动用了很多Google的计算资源，还做了TPU。&/p&&br&&p&所以神经网络训练好以后，打比赛的时候AlphaGo就是怀揣着一个神经网络，柯洁走一步，AlphaGo就问这个神经网络：大师啊，你看我现在这个局势咋走？神经网络就告他怎么走，他就走，走着走着就把柯洁赢了。&/p&&br&&p&不管是AlphaGo还是Davide Silver，其实都不能回答这个问题：你这个神经网络为什么训练了半天以后就可以针对每一个局势给出胜利的步骤？另一个问题也不能回答：别的答主提到神经网络是什么点啊连接啊连来连去的还有好多层，请问如果我把你这个神经网络去掉一两层，或者打断一些层之间的连接，你能不能改下五子棋？&/p&&br&&p&由于AlphaGo的这样训练的机制，使得&b&它下围棋越牛逼，它变通的能力就越差&/b&。比方说我下围棋下不过柯洁，我可以和他说，哥，咱不搞围棋，咱下这么一个游戏：地雷你知道吧？在围棋的基础上，我们加一条规则，只要把9个己方的棋子摆到棋盘上任何地方构成九宫格，这九个棋子就会爆炸，这9个棋子和10x10范围内所有对方的棋子都得拿掉。柯洁听了肯定一下就理解，所有会下围棋的人都一下会能理解这个新规则，可能还会觉得挺有趣味，这样很多绝境里摆个地雷就直接翻盘了啊，人类选手之间不需要学习时间，立刻就可以有来有往地打起来。然而AlphaGo不行，你和David Silver说，哥这个地雷规则你看到了吧，你让我和AlphaGo按这个规则打两把呗。David Silver只能把AlphaGo拿回去，按照上面那个图里的方法，按照这个新的地雷规则模拟打比赛打打打直到打赢或者打输，继续烧无数Google的计算资源，然后更新一个新的value function的神经网络，过了几个月，再回来和你打。如果有读者能在什么会议上碰到David Silver，可以亲自用地雷规则问问他，让他评估让AlphaGo在地雷规则上达到人类棋手的棋力需要多久时间，我个人估计是需要3个月以上。&/p&&br&&p&这个过程能避免吗？有的读者可能会问了：我知道我知道，你们那个神经网络的什么连接啊层啊就是一堆数字构成的参数吧，能不能直接把AlphaGo按照传统规则训练出来的神经网络改改参数，使得他就能打地雷规则了啊？非常不幸的是，全世界都没有什么人能做到这一点，因为神经网络里面的单个参数没有什么意义。而且，按照传统规则训练出来的神经网络，和按照地雷规则训练出来的神经网络，对比起来的话，可能几千个参数都多多少少有点数值上的差别，根本看不出来具体哪些参数的改变让AlphaGo从传统规则切换到地雷规则。&/p&&br&&p&因此，业内选手也把神经网络叫做丹炉。炼丹嘛，把材料放进去，丹出来就行了，干嘛要知道丹炉里是有孙猴子还是有一个化学家呢。&/p&&br&&p&因为神经网络的不可理解性，所以我觉得AlphaGo是不能理解围棋的。&/p&&br&&p&而柯洁呢，按照他对围棋规则的理解，应该1分钟都不用，就可能继续在地雷规则上当世界冠军了吧。&/p&
AlphaGo的主程序员，也就是DeepMind目前的首席科学家David Silver，在自己的个人主页上有一套关于增强学习（Reinforcement Learning）的教材：。一共只有十个lecture，十个pdf文件，但是字字珠玑，配合增强学习领域的经典教材《Reinforcement Learn…
说一个俄国数学教授的故事。 我和一个同学争论一个PDE问题，他在旁边听。然后他突然对我说：“你们中国人都太peaceful了，我在你这个年纪，早就揍他了。你说了这么多遍，你是对的，但是他还是不愿意相信……” &br&&br&&a data-hash=&d7db35f5ad& href=&///people/d7db35f5ad& class=&member_mention& data-editable=&true& data-title=&@林葭& data-hovercard=&p$b$d7db35f5ad&&@林葭&/a& 说的是一个看似娱乐，其实靠谱的例子。 反映了国民性的一部分：偏激（能死磕）+爱冒险+有想象力。这种特性是非常适合做科研的。
说一个俄国数学教授的故事。 我和一个同学争论一个PDE问题，他在旁边听。然后他突然对我说：“你们中国人都太peaceful了，我在你这个年纪，早就揍他了。你说了这么多遍，你是对的，但是他还是不愿意相信……”
说的是一个看似娱乐，其实靠谱的例子。 …
&p&知友好，我是周睿羊。&/p&&p&看到这个问题可以说很有感触。平时比赛非常多，难得这次有时间做 &a href=&/lives/specials/740992& class=&internal&&知乎 Live&/a&，借此机会跟大家分享一点我的故事。&/p&&img src=&/v2-bc7f994d09d8fd89bcbbecac_b.jpg& data-rawwidth=&640& data-rawheight=&427& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-bc7f994d09d8fd89bcbbecac_r.jpg&&&p&（好吧，中间的是我）&/p&&p&关于这次与AlphaGo的相谈棋经历可以参考这里：&a href=&///?target=http%3A///a/019.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&专访周睿羊：想象不出要怎样才能战胜AlphaGo_&i class=&icon-external&&&/i&&/a&&/p&&p&&br&&/p&&p&【残酷的小目标】&/p&&p&我是一个家庭教育的受益者，我从小就以是在家接受父母教育为主。&/p&&p&说到才能，大家看到讲解的时候常常会发现职业棋手群体点目做得失判断非常快。&/p&&p&昨天准备live的时候 &a class=&member_mention& href=&///people/5b67d9a1eb450f8db94b384b173f0917& data-hash=&5b67d9a1eb450f8db94b384b173f0917& data-hovercard=&p$b$5b67d9a1eb450f8db94b384b173f0917&&@云天外&/a& 问我是不是从小数学天分不错，我不得不说小时候确实有一个数学家的梦- (。?`ω??)，记得五六岁的时候跟着母亲一路学完小学数学，是一个很顺利的过程。直到我在七岁生日那天开始走进围棋。&/p&&p&围棋对我来说，像是打开了新世界的大门。&/p&&p&我学棋的年龄稍晚，七岁入门之后（在深圳），九岁到北京正式学棋。记得从一开始我对围棋兴趣就非常浓厚，儿时偏内向的我一下就找到了自己的天地。&/p&&p&大家都看到棋手在棋盘前端坐，非常专注，但是「专注」这个特质不得不说是由围棋引导出来的。每一个端坐在棋盘前的棋手，围棋之外都有着非常独特的个性。棋盘如战场，一盘盘的胜负让大家共同经历激烈对抗，沉下心来突破自己，找到属于自己的「新世界」。&/p&&p&围棋就是有这种让人静下来的魔力。&/p&&p&小的时候也没有什么太多顾忌，马上就暗暗把短期目标放在了被称为“围棋高考”的全国定段赛上。&/p&&p&小的时候显露出一定的才能之后，我很快就暗暗把短期目标放在了被称为“围棋高考”的全国定段赛上。&/p&&p&跑马拉松的人会不断地给自己定一个小目标，比如：先跑到那个拐角或者先到达那个路灯。然后试着集中精神，不断达成小目标，用小成就感来激励自己。通过各种激励（当然家长的监督也很重要啦(?▽‘ )），我保证了每天非常努力地下棋和复盘。&/p&&p&回顾起来可以说通过定段赛成为职业棋手是一条非常残酷的道路，深圳学棋人口很多，各种棋校学棋的青少年常年保持10万左右。但是看了一下名单，发现我02年定段之后直到2015年，才出现第二位职业棋手。&/p&&p&当时道场里很多同学跟我一样，保持着非常高的热情，也很努力，所以每年的定段赛竞争都特别激烈（一共参加三次）。平时水平很高的棋手因为心理压力过大发挥失常的例子也有很多。给我印象特别深的是，有次看到平时有机会赢职业棋手的同学在关键一轮紧张得手直抖，最后发挥失常。&/p&&p&好在自己比赛当时心态一直比较放松，正常发挥太重要了。&/p&&p&&br&&/p&&p&【职业是新的出发】&/p&&p&成为职业棋手之后，我也没有感觉到太多的兴奋，只是觉得一切又重新开始了。&/p&&p&在职业棋手的道路上，强大的对手还有很多。&/p&&p&作为职业棋手，常常感觉输棋的痛苦会远远大于赢棋的快乐。如果说这是一种动力的来源，那这也是竞技体育残酷的一面吧。&/p&&img src=&/v2-9e80cdb5c9f6ad218bd5b72df5625042_b.jpg& data-rawwidth=&338& data-rawheight=&450& class=&content_image& width=&338&&&p&这是我14岁（2005年）时坐在围甲主将台上的照片。当时胜率不错，成功帮助海淀队保级，可以说跟最强的对手们交锋并取得了不错的成绩，带给我持续的激励。&/p&&p&之后在2008年，我首次进入了国内等级分前十（第六名），庆幸这十年来自己一直能基本保持在这个水准，希望一直能让自己得到提升。&/p&&p&最近翻看了很多过去的对局，发现当年既有很多“不成熟”的下法，也还是有不少可圈可点的地方 (。?ω?。) 。&/p&&p&&br&&br&&/p&&p&坦白讲，当时对顶尖棋手还有差距，这是当时（05年1月）天元战八强对孔杰九段的一局，23位是反复的打劫，最后无奈没有合适的劫财，只好24飞罩，被黑棋右上一提，亏损明显。&/p&&p&最后虽然只输了四分之三子，但是通盘找不到明显的机会。&/p&&p&&br&&/p&&img src=&/v2-f2ebebeaf880fd72bf2c2c69de7821d5_b.png& data-rawwidth=&1253& data-rawheight=&1243& class=&origin_image zh-lightbox-thumb& width=&1253& data-original=&/v2-f2ebebeaf880fd72bf2c2c69de7821d5_r.png&&&p&&br&&/p&&p&&br&&/p&&p&【关于棋风和对手】&/p&&p&按照我自己的看法，我的棋风是稳健均衡型。棋风之间不一定存在相克的关系，但是每个人总会有自己的苦手。&/p&&p&&br&&/p&&p&就不提我一度对古哥，古力九段的十三连败了。&/p&&p&&br&&/p&&p& Σ(????? )&/p&&p&&br&&/p&&p&【舆论与压力】&/p&&p&中国围棋等级分每4个月公布一次。在2010年底，我非常侥幸第一次登上国内棋手等级分榜首，直到2011年底被赫哥，谢赫九段代替。&/p&&p&登上等级分榜首让大家对我有了更高的要求。相比国内的战绩，当时我在国际比赛中的发挥并不尽如人意。记得保持等级分第一的近一年时间里，羊城晚报还专门发了一篇文章批评中国棋院的等级分排名制度，认为错误的等级分制度导致了这样的排名。&/p&&p&当时诸如此类的报道不少。可以说各种声音给那时的我带来了一些压力，不过慢慢地我学会了接受大家的意见。&/p&&p&围棋中不断磨练的“大局观”让我下意识站在一个旁观者的角度看待各种意见出发的目的，这对我保持竞技状态有很重要的作用。&/p&&p&&br&&/p&&p&【落子无悔】&/p&&p&一开始学棋的时候老师一定会讲：落子无悔。这个可能是围棋里最重要的一部分。&/p&&p&围棋一开始就要教你学会面对失败，面对粗心大意等等可预期不可预期的因素带来的结果。说到这个我最近有两盘棋，失误之大让人无地自容，一定要摆出来：&/p&&p&&br&&/p&&p&1. 这是前几天对柯洁的一盘，生死关头，柯洁一路打吃，我选择了粘上，被机敏的走成了缓气劫，损失巨大。&/p&&img src=&/v2-ded8eea570c84493b7ccbc9_b.png& data-rawwidth=&1253& data-rawheight=&1245& class=&origin_image zh-lightbox-thumb& width=&1253& data-original=&/v2-ded8eea570c84493b7ccbc9_r.png&&&p&2.还是前几天，围甲第十三轮我执白对牛雨田，这个只能发图让大家嘲笑一下：&/p&&p&&br&&/p&&img src=&/v2-caab8dfbafd87f7dcad2bc_b.png& data-rawwidth=&1255& data-rawheight=&1244& class=&origin_image zh-lightbox-thumb& width=&1255& data-original=&/v2-caab8dfbafd87f7dcad2bc_r.png&&&p&这一扑被黑棋一爬顿时傻了。&/p&&p&&br&&/p&&img src=&/v2-60ba270bb702effa2aabfed8_b.png& data-rawwidth=&762& data-rawheight=&1006& class=&origin_image zh-lightbox-thumb& width=&762& data-original=&/v2-60ba270bb702effa2aabfed8_r.png&&&p&&br&&/p&&p&【自我成长】&/p&&p&当提到自我成长时，我总会回想起儿时举家搬到北京学棋的日子。&/p&&p&那个时候几乎每个地方最好的苗子都会这样，在家长的陪同下，租住在道场附近又小又破的公寓房里。在那里很多人房间窄得只能在床上摆棋，每天训练完回家只能倒头就睡。但是那样的环境训练出来的我们，却对围棋有了一种非常强烈的执着。同期定段成功的柁老，柁嘉熹九段和古灵益等等也依然活跃在棋坛第一线。&/p&&p&&br&&/p&&p&能把环境里的不利因素尽量转化成一种动力，让自己不断地探索围棋，不断地与围棋一同成长，可能是我们骨子里的一种倔劲儿吧。&/p&&p&&br&&/p&&p&如今，我在职业围棋第一线的生涯已经十六年。&/p&&p&今年年初，因为我开始尝试「狗招」，也就是来源于AlphaGo启发的新招法，被称为「人间AlphaGo」。有的人会问是不是AlphaGo促进了棋手们在棋上更快的成长。&/p&&p&&br&&/p&&p&这个答案当然是肯定的。&/p&&p&这次我想把这些成长，棋内其外的，都一起分享给大家。&/p&&p&&br&&/p&&p&【分享围棋智慧·我是认真的】&/p&&p&感谢知乎邀请。这次我准备好给大家来一场认真的分享，你准备好烧脑了么？&/p&&p&&a href=&/lives/specials/740992& class=&internal&&我们的围棋系列 Live - 后AlphaGo时代如何下棋如何思考十二课&/a&&/p&&p&感谢知乎邀请，平时很忙碌，一直想要认真与棋迷进行一次很好的交流，这次我们真的很认真。&/p&&p&围棋十二课，棋内其外，说不定可以让你打开属于自己的「新世界」。&/p&
知友好，我是周睿羊。看到这个问题可以说很有感触。平时比赛非常多，难得这次有时间做 ，借此机会跟大家分享一点我的故事。（好吧，中间的是我）关于这次与AlphaGo的相谈棋经历可以参考这里： 【残酷的…
已有帐号？
无法登录？
社交帐号登录