小白学《神经网络与深度学习》笔记之五：深度学习的胜利：AlphaGo

1.1 AlphaGo的主要原理

AlphaGo是由三个不同部分组成：

（1）估值网络：估计棋局的状态（运行时没有任何搜素动作），计算谁领先了，领先了多少步--计算每一方赢的概率

（2）走棋策略网络：给定当前局面，预测/采样下一步的走棋，运行时也没有进行任何搜索。

（3）树搜索（MCTS, 蒙特卡洛树搜索）：把两个网络结合在一起，模拟下一步会发生什么，并通过策略网络选择最佳的落子位置。

1.1.1 策略网络

1.1.2 MCTS拯救了围棋算法

1.1.3 强化学习：“周伯通，左右互搏”

1.1.4 估值网络

1.1.5 将所有组合到一起：树搜索

1.1.6 AlphaGo有多好

1.1.7 总结

   可简单总结为：首先通过估值网络评估棋局情况，其次再通过一个快速的策略网络选择下一步的位置，一直下到最后。

参考：http://www.leiphone.com/news/201603/VARZ2sn7aC2DPBkw.html

http://blog.csdn.net/starzhou/article/details/51295083