“這個系統一開始甚至并不知道什么是圍棋，只是從單一神經網絡開始，通過神經網絡強大的搜索算法，進行了自我對弈。
隨著自我博弈的增加，神經網絡逐漸調整，提升預測下一步的能力，最終贏得比賽。”
落寒慢慢講訴著自己的設計理念，評委則是越聽越吃驚，心里都泛起驚濤駭浪，就算是不是研究智能系統這一方向的老師，都開始感興趣起來。
“理論上來說，它不光可以成為圍棋機器人，他甚至可以通過自我博弈學習任何一種棋類。”
落寒發現剛才那位評委又開始興奮起來，他趕忙說道：
“不過，我也不知道什么地方出來問題，導致這個系統在提升到職業五段的水平后，就停止不前了，目前我還沒找到解決辦法。”
張衛國一聽又重新平靜下來，繼續問著關鍵問題：
“那你落子時如何選擇的？選擇方案是什么？”
“根據我了解的相關論文文獻，到現在為止所有研究所設計的相關系統，落子時的選擇都是基于兩方面的考慮。”
“一是通過訓練形成一個‘策略網絡’，主要是將棋盤上的局勢作為輸入信息，并對所有可行的落子位置生成一個概率分布。
然后，訓練出一個‘價值網絡’對自我對弈進行預測，以-1（對手的絕對勝利）到1的標準，預測所有可行落子位置的結果。
這兩個網絡自身都十分強大，而目前國際上所有的相關文獻描述的都是，將這兩種網絡整合進基于概率的蒙特卡羅樹搜索中，實現了它真正的優勢。”
張衛國推了推眼鏡，額頭微點，這個落寒肚子里倒是有不少貨啊，他說的正是他們的設計思路。
“而我的系統在設計如何落子時是將上述兩個神經是網絡合二為一，摒棄了棋譜，通過它自己產生大量自我對弈棋局，為下一代版本提供了訓練數據，此過程循環往復。
讓它從低級的對戰慢慢成長，從而讓它能得到更高效的訓練和評估”
落寒停頓了一下，觀察了一下評委，發現他們差不多消化了他所說的信息，繼續道：
“在獲取棋局信息后，圍棋系統會神經網絡中根據策略網絡功能，探索哪個位置同時具備高潛在價值和高可能性，進而決定最佳落子位置。
在分配的搜索時間結束時，模擬過程中被系統最頻繁考察的位置將成為阿爾法圍棋的最終選擇。
在經過先期的全盤探索和過程中對最佳落子的不斷揣摩后，圍棋系統的搜索算法就能在其計算能力之上加入近似人類的直覺判斷。”
前世包括阿爾法系統的舊版本，都是結合了數百萬人類圍棋專家的棋譜，以及強化學習的監督學習進行了自我訓練。
而現在落寒所講述的方法，還沒有任何期刊雜志發表過，毫不過分的說落寒現在的方法是全球首創也不為過。
當然這是在獲得深度睡眠學習系統后，在夢里附身前世阿爾法的機器人的主創人員學到的辦法，只是時間有些短，現在還有一些問題沒有解決。
......
臺上，落寒對著一堆博雅的教授副教授繼續侃侃而談，回答者他們各種各樣的問題。
落寒根本不像是在進行答辯，反而像是在給他們開報告會，只是地點有些不對罷了。
問題回答的差不多了兩方又開始分析系統沒達到預期效果的原因，集思廣益，所有的評委都參與進來，眾人開始討論。
“我覺的進化到專業五段就停止，問題還是在你構建的單一神經網絡上，會不會是你的網絡太簡略，已經到達了極限無法支撐其繼續自我博弈。”
“我不這么覺得，既然可以自我學習，就代表神經網絡應該沒問題。
可能是你的電腦硬件的方面的問題，儲存空間有限，畢竟你是自己在單打獨奏，設備跟不上是有很大可能的。”
一個皮膚黝黑，理著光頭三十歲左右的老師開口道，這還是他今天第一次開口詢問。
落寒從上午看到這位老師，就有點疑惑他真的是研究計算機的么？
隔著衣服都能感覺到他身上的肌肉塊棱角分明，出去說他是健身教練一點都不為過。