人工智能应用- 人机对战：05. 深度神经网络

深度神经网络是AlphaGo 取得胜利的另一个关键因素。MTC 是一种走棋策略，但它本身并不具备记忆和学习能力。为此，AlphaGo 引入了深度学习方法，设计了两个卷积神经网络：策略网络和价值网络。策略网络用于评估每个 落 子 点 的 优 劣， 价 值 网 络 则 用 于 判 断 当 前 局 势 的 胜 负。这两个网络与 MCTS 相辅相成：MCTS 依赖神经网络来选择更有效的路径，而神经网络通过不断学习

MCTS 的模拟结果，逐渐掌握了围棋策略和对局势的评估方法。

具体而言：在MCTS 的“路径选择”阶段，策略网络提供节点的“先验概率”，即在尚未进行模拟走棋时对各节点的初始评估。在MCTS 的“叶节点扩展”阶段，价值网络用于评估新扩展节点的“缺省价值”，即在未完成模拟前对该节点胜率的初步判断。

AlphaGo 中的策略网络（左）和价值网络（右）。策略网络用来预测每个点的落子概率，价值网络预测落子后棋局的胜率

MCTS 和深度神经网络的关系可以这样理解：MCTS 相当于棋手的“思考”过程，而神经网络则充当棋手的“大脑”，积累了丰富的应对经验和棋局评估能力。