C++学习（四八五）AlphaGo的硬件和算法

1、硬件

维基百科上有各种版本的AlphaGo硬件配置 ：

战胜李世石的版本为：（AlphaGo Distributed）使用了1202个CPU和176个GPU，同时可以有40个搜素线程。

2、算法

AlphaGo的技术总体架构如果一句话总结的话就是：深度CNN神经网络架构结合蒙特卡洛搜索树（Monte Carlo Tree Search）。

深度学习神经网络训练出两个落子策略和一个局面评估模型，这三个策略的神经网络架构基本相同，这是参数不同而已。

两个落子策略：SL（supervised-learning policy network），RL（Reinforcement learning policy network）。

落子策略SL是通过学习人类对弈棋局，来模拟给定当前棋局局面，人如何落子的思路，这是纯粹的学习人类下棋经验，它的学习目标是：给定某个棋局形式，人会怎么落子?那么AlphaGo通过人类对弈棋局来学习这些落子策略，也就是说SL策略学习到的是像人一样来下下一步棋。

(数字表示人类棋手会下在该地方的可能性)

落子策略RL是通过AlphaGo自己和自己下棋来学习的ÿ