蒙特卡洛树搜索，是围棋ai的基本解决框架。

围棋ai每一步都选择若干种落子，然后在电脑中模拟到终局，进行数子，最终选择胜率最高的那一步棋。

因为计算量太大，ai只能给出一个近似最优解，并非全枚举，在alphago之前ai因此也只能达到业余五级的水准。

这依旧是一个计算的范畴，而职业棋士很多时候并不是单靠计算做出判断，像之前所说的全局观念，就是蒙特卡洛树搜索无法解决的问题。

要让ai发挥出人脑的效果，到底靠的什么?

当天晚上，谢榆从美国的某个计算机大牛那里，获知了他想要的答案。

alphago团队在蒙特卡洛树搜索上加装了策略网络和价值网络两个模块。

这两个模块让alphago不是单纯地计算，而是深度学习、模仿人类!

策略网络，顾名思义是决策下一步走子。

alphago会检索kcs围棋服务器上所有真人在线对弈，进而判断：如果是人类棋手处于它当前的位置，他最有可能走哪一步?它只对那些解进行计算!然后，它就自我对弈上千万局，看看这一步是否真的是最优解!

遵循策略网络，蒙特卡洛树搜索的树宽将大量减少，但深度依旧存在。

上千万局博弈，每一局都走到最后，依旧是可怕的计算量。

计算深度的减少用上了价值网络。

它以alphago产生的大量自我博弈作为样本，检索这种棋形在历史上的胜率，把好坏、优劣变成了一个概率问题!那么每一回，alphago计算到一定深度就可以停下来，直接估算当前胜率!

经验的本质是概率，从本质上来说，以概率判断局面的alphago，就是以&ldo;经验判断现状&rdo;的人类大脑运行模式!alphago的走子，也完全遵循了人类棋手的思维历程‐‐大量背谱，吸取经验，自我思考，判断局势……然后估算其后若干步的棋局导向!

只是这个棋手，等于千百年来千千万万个棋手的经验总和，并且，完全不会出错罢了。

第二天，乌镇再传出消息：魏柯第二局，依旧惨败!

魏柯意识到细棋是没有机会的，一开始就主动展开攻势，趁着布局阶段想要对alphago进行压制。

他意识到alphago非常有经验，尝试用怪着、偏着对付他，导致子效低下，输得比昨天更惨!王梦雨甚至在解说时失声痛哭，即使他根本不是魏柯，也无法承受这种绝望的差距，可想而知魏柯所肩负的压力。

然而公众是难以理解的。

消息一出，全网哗然。

因为此前对魏柯寄望太高，现在舆论开始转了风向，对人类失败的恐慌很容易就演变成了对魏柯的愤怒：&ldo;魏柯他根本不能代表全人类&rdo;、&ldo;他之前是靠作弊获胜的，谷歌怎么会选中这种人&rdo;、&ldo;他脑子不太好使的吧&rdo;、&ldo;一年没下棋，已经不是从前那个他了&rdo;……唱衰之声频频出现。

甚至又有黑子借机挑事，想要将他彻底踩在脚下。

与此相对的，是alphago遭受到了所有人的追捧。

开发人员为其植入了虚拟人格，专门注册了一个网站，使得人类可以在alphago不比赛的时候与他进行交流沟通。

因为电脑天生具有多线程任务的能力，它迅速地成为了网友的手机宠物。