成了老师。”
看着台下的评委都露出一股思索的表情，落寒继续补充道
“这个系统一开始甚至并不知道什么是围棋，只是从单一神经网络开始，通过神经网络强大的搜索算法，进行了自我对弈。
随着自我博弈的增加，神经网络逐渐调整，提升预测下一步的能力，最终赢得比赛。”
落寒慢慢讲诉着自己的设计理念，评委则是越听越吃惊，心里都泛起惊涛骇浪，就算是不是研究智能系统这一方向的老师，都开始感兴趣起来。
“理论上来说，它不光可以成为围棋机器人，他甚至可以通过自我博弈学习任何一种棋类。”
落寒发现刚才那位评委又开始兴奋起来，他赶忙说道
“不过，我也不知道什么地方出来问题，导致这个系统在提升到职业五段的水平后，就停止不前了，目前我还没找到解决办法。”
张卫国一听又重新平静下来，继续问着关键问题
“那你落子时如何选择的？选择方案是什么？”
“根据我了解的相关论文文献，到现在为止所有研究所设计的相关系统，落子时的选择都是基于两方面的考虑。”
“一是通过训练形成一个‘策略网络’，主要是将棋盘上的局势作为输入信息，并对所有可行的落子位置生成一个概率分布。
然后，训练出一个‘价值网络’对自我对弈进行预测，以1到1的标准，预测所有可行落子位置的结果。
这两个网络自身都十分强大，而目前国际上所有的相关文献描述的都是，将这两种网络整合进基于概率的蒙特卡罗树搜索中，实现了它真正的优势。”
张卫国推了推眼镜，额头微点，这个落寒肚子里倒是有不少货啊，他说的正是他们的设计思路。
“而我的系统在设计如何落子时是将上述两个神经是网络合二为一，摒弃了棋谱，通过它自己产生大量自我对弈棋局，为下一代版本了训练数据，此过程循环往复。
让它从低级的对战慢慢成长，从而让它能得到更高效的训练和评估”
落寒停顿了一下，观察了一下评委，发现他们差不多消化了他所说的信息，继续道
“在获取棋局信息后，围棋系统会神经网络中根据策略网络功能，探索哪个位置同时具备高潜在价值和高可能性，进而决定最佳落子位置。
在分配的搜索时间结束时，模拟过程中被系统最频繁考察的位置将成为阿尔法围棋的最终选择。
在经过先期的全盘探索和过程中对最佳落子的不断揣摩后，围棋系统的搜索算法就能在其计算能力之上加入近似人类的直觉判断。”
前世包括阿尔法系统的旧版本，都是结合了数百万人类围棋专家的棋谱，以及强化学习的监督学习进行了自我训练。
而现在落寒所讲述的方法，还没有任何期刊杂志发表过，毫不过分的说落寒现在的方法是全球首创也不为过。
当然这是在获得深度睡眠学习系统后，在梦里附身前世阿尔法的机器人的主创人员学到的办法，只是时间有些短，现在还有一些问题没有解决。
台上，落寒对着一堆博雅的教授副教授继续侃侃而谈，回答者他们各种各样的问题。
落寒根本不像是在进行答辩，反而像是在给他们开报告会，只是地点有些不对罢了。
问题回答的差不多了两方又开始分析系统没达到预期效果的原因，集思广益，所有的评委都参与进来，众人开始讨论。
“我觉的进化到专业五段就停止，问题还是在你构建的单一神经网络上，会不会是你的网络太简略，已经到达了极限无法支撑其继续自我博弈。”
“我不这么觉得，既然可以自我学习，就代表神经网络应该没问题。
可能是你的电脑硬