話是這么說，但依然有一些非常厲害的玩家成功在與最弱 AI 的對戰中告負。在 AI 獲得了 500 場勝利后，吉田拓真再次改進了 AI，使它變得更弱了，但這依舊阻擋不了玩家輸掉的步伐。在到達 1000 場勝利后，吉田拓真感嘆玩家們可真厲害啊，居然能輸一千場，并開放了「真·最弱」難度。
現在「真·最弱」的 AI 的戰績是勝利 1000 次，失敗超 21 萬次，平局 46 次，目前不斷有人在挑戰中。感興趣的玩家可以試著和這個 AI 比劃兩場。（最好在電腦上打開）
來源：Nlab
嘍，大家好，我是作弊哥。今天我將用最嚴謹的科學理論，勸你不要買第二套房。
雖然我已經有了一套房子，但身邊的朋友無論是借錢還是貸款都正在籌備或者已經買了第二套房子。我當然也免不了羨慕，也免不了焦慮，畢竟房價這瘋漲的節奏，讓人覺得買房似乎也是一項很好的投資。
但今天當我把市區里各個樓盤轉了一圈之后，我發現分期付款的話我竟然需要還30年，每個月要還4500元！
30年后，我60歲！
用最好的青春，最好的時間，過著哪也不能去的窮日子，只能巴望著發完工資去還貸款？我也深深地認為背上房貸之后將沒有任何自由可言，畢竟對我來說外面的精彩世界才是值得追尋的，讓我困在一個100平米的小盒子里玩游戲、睡覺，簡直是浪費了我這注定平凡但歡快的一生。
被房子困住的我的生活一定是極其無聊的，在我將死的那一刻不是眼含淚水，也不是平靜如水，我的眼神中一定是無聊到奇點的空洞！
當然，最最最最大的因素是我還完貸款的那一年，已經是2050年了，已經過去2045年5年之久了！而科學界有個公認的事實，那就是：2045年一定會出現科技奇異點。這不是猜測或者一家之言，更不是我的個人腦洞，而是非常嚴謹的科學。看完本篇文章之后，請分享給那些想要買房的人，更多人看到，房價一定會一落千丈！（哈哈，想到這里就好開心）
奇異點，又叫奇點。
舉個例子：
我們都知道，書上說我們現在的宇宙是來源于138億年前的一個點。突然有一天它“bang”的爆炸了，然后就形成了現在的宇宙。
那個點，就叫“奇點”。
再比如說：黑洞。
黑洞的中心是質量無限大，體積無限小的一個點，這個點也是“奇點”。
百科上是這樣解釋“奇點”的：存在又不存在的點。
你可能還是一頭霧水，而奇點就是這樣，是不可解釋也無法理解的一個東西。
在數學中，有個概念是“無限大”。
“無限大”這個東西在數學里是存在的，但你不知道它有多大，這就是奇點的不可理解。
在生物學上，每一個新物種的誕生都叫做奇點。比如，人類怎么就突然出現了？這就是不可解釋。（熟知我文章的朋友一定知道我這句話的含義）
在我們的印象中，任何事情的發展應該都是基于以前的發展基礎。
比如我們現在的電腦變得越來越小，運行速度越來越快，這就不屬于奇異點。因為任何人都能猜到：明年的電腦肯定比今年的更好。
奇異點就是這個東西沒有出現以前，我們無論如何都想象不到的東西。
比如：地球的誕生是一個奇異點。它從哪兒來的，怎么來的我們不知道，現在的一些假說其實也是瞎猜的。
比如：42億年前生命的誕生是一個奇異點。怎么就從一些石頭、水，再加加溫什么的就出現了生命了呢？
比如：5.5億年前的寒武紀大爆發是一個奇異點。那些沒腦子的細胞怎么就突然變成了各種各樣有腦子的生物了？
比如：3.3億年前時水里的動物怎么就突然爬上岸成為了爬行類動物呢？這也是個奇異點。
比如：2億年前的哺乳類誕生、8000萬年以前靈長類誕生、380萬年前因為不可知的原因突然站起來的南方古猿（人類的祖先）都是奇異點。
比如：180萬年前，和野獸一樣的直立人怎么就突然拿起了石頭進入了石器時代呢？
比如：1萬年前，一群拿著石頭狩獵的人類怎么突然就開始種地（農業的產生）了呢？
以上的事情就像是某個地方靈光一閃而突然出現的事情。對于當時代的人來說，一個個完全不可解釋、不可理解的東西，就那么突然出現了。
（以上的疑問在我以后的文章中會有非常嚴謹并且有據可查的解說哦，喜歡我的腦洞的話就關注我吧。）
250年前的工業革命、130年前產生的電話、70年前電腦問世、智能手機的誕生等等都算是奇異點。
看了以上那么多“比如”，你有沒有發現一個現象？
那就是：奇異點發生的時間間隔越來越小。
我們科技的發展速度是呈指數型增長的。
按照現在科技發展速度的趨勢推算，人類將會在2045年迎來下一個巨大的奇異點，并且這個奇異點是堪比人類起源這樣程度的巨大奇異點！
這個奇異點將是完全超乎所有人類的想象的，是脫離了人類智慧的，在我們現有的認知中不存在的東西。
而你將有幸親歷這個奇異點的發生，因為它就在25年后的2045年！
為什么科學家們都認為在2045年一定會發生科技奇點呢？
因為“摩爾定律”，這個定律在以往50年里被證實是非常有效且精準的。
摩爾定律是英特爾創始人提出的：計算機的運行速度，每隔18個月就會翻倍。
你或許對這樣的速度沒有概念，但我告訴你，現代智能手機的運行速度比20年前國家級超級電腦的運行速度還快，這就是計算機恐怖的發展速度！
30年前的人們第一次嘗試用程序來讓電腦學習黑白棋，幾年后便沒有人能夠在黑白棋上戰勝電腦，幾年前的阿爾法狗已經在圍棋領域所向披靡。面對計算機的進化，人類用盡畢生精力學來的技巧瞬間變得毫無用處。
到2045年時，計算機的智慧將突破領域限制，變得比人類更加智慧。注意，這里說的不是計算能力，不是某一方面超越人類，而是智慧超過人類。并且按照摩爾定律推算，到2045年時，一臺電腦的計算速度將超越全部人類智慧的總和。
計算機的發展還帶動了其他科研領域的爆發式發展。
比如DNA，我們以前認為解讀DNA的全部信息需要100年以上，而因為計算機的發展，我們僅僅用了13年就解讀了DNA的大部分信息。
DNA的謎團被解開后我們可以做什么？
最最基礎的是，我們將消滅疾病呀！
根據現有的科研成果，有科研團隊聲稱，他們將在10年內完全揭開大腦之謎。
大腦的謎團被解開后我們可以做什么？
最最最基礎的是，我們一定會在電腦上模擬一個大腦，電腦將會成為真正的“人工智能”。
計算機、大腦、DNA，他們結合后會產生什么呢？打開你的腦洞，在留言區告訴我們。
有人會說，以后計算機突破極限運行速度肯定是越來越難，用時越來越長的，所以2045年科技奇點可能不會發生，或是推遲個幾百年也不一定啊。
其實2045年一定會發生科技奇點還有一個理論支撐，就是：典范轉移理論。
比如現在的5G技術，大家都知道華為研究5G是走在前列的，而移動通信并不是華為創造的。從大哥大開始的1G技術，到5G元年，你會發現，每隔10年移動通信技術就提升1G，科技自身的發展速度并不是哪個企業和個人能夠左右的。
當國外止步4G的時候，5G技術誕生在華為了，這就是典范轉移。
我們前文已經提到：科技奇異點的發生頻率是越來越快的，讓人意想不到的新科技也會越來越頻繁的出現。
已知條件是：只要是出現在我們的想象空間中的事物就一定會被我們制造出來，星際移民，根除疾病甚至是達到永生的狀態都根本不是問題。（關注我的小伙伴們一定知道，我們實現永生是必然的，或許就像仙女座星人一樣，最終是以意識形態的方式實現永生）
那么最有意思的推測來了：
我們為什么沒有見過未來人？為什么時光機沒有被發明出來？
最大的可能性有兩個：
1，時光機被發明出來了，只不過未來人是以意識形態出現的。
畢竟有些人比我們更在乎生命，比如說大財團，大公司，大權力者，他們一定會拼命避免科技奇異點發生時所帶來的不良后果。所以我們也有可能憑借科技不斷進化，不斷改善自我，從而成為更高維度的生命體。
未來人可能受制于一些條約的限制，無法直接出現在你面前，但依然可能給你帶來提示。就像有時你可能突然意識到危險或是有什么強烈預感，有極大可能就是未來的你來拯救你時給你發的信號。
2，“地球核平”了。
我們普通民眾的生活其實都是得益于科技的發展，正是因為科技讓我們擁有了更高的生產力，才使更好的物資惠及到我們普通人的生活。
而當科技發展到即使一個小學生也能在家制作出高級殺傷類武器的時候，一個小孩子可能就足以毀滅地球。不管你信不信，不論是誰，只要他想作惡，即使是現在也能憑借一個人的力量做出震驚世界的恐怖事件，而我們最不敢高估的就是“人性”。
那么，無論是哪一種情況，你覺得房子還有這么高的價值么？
房子是什么？是人類最基本的需求，僅僅是一個遮風擋雨保存私密空間的這么一個東西，以2045年的眼光回過頭來看，一定會像今天的白面饅頭一樣簡單易得。那時我們所追求的一定不是吃穿住行這樣的基本需求，一定是進入宇宙，是實現永生這樣的需求。
所以，你現在可以買一套房子滿足當下的需要，但一定不要買第二套房！
機圍棋大戰第一局，李世石（黑） VS AlphaGo （白中盤勝）
編者按：
人機對弈的巔峰對決，李世石九段首場被棋界寄予厚望，但是盤中出現情緒波動最終被機器逆轉。他在賽前認為人工智能還不夠強、排除萬一的擔心居然一語成讖，“因為人類下棋時會有失誤。”
人類輸了棋，有人在歡呼人工智能的偉大勝利，有人的感受比較失落，還有的人開始擔憂未來。而在谷歌CEO施密特看來，不管勝敗，人類都是最大的贏家。
“機器”總比人類強？在各種情緒面前，歷史和現實都已經表明，這似乎是不可阻擋的趨勢。也許人類應該避免的是因為賽事帶來的人與機器二元對立的情緒，因為我們終將迎來一個人工智能技術應用日漸豐富的生活場景。
文 | 江鑄久、衛鴻泰、張崢、田淵棟、董飛、朱文章、劉峰、衛鴻泰、何波等
● ● ●
2015年10月，AlphaGo先以5:0擊敗了歐洲圍棋冠軍樊麾二段。這是電腦圍棋程序第一次在全尺寸棋盤上公平擊敗職業圍棋棋手。
2016年3月9日——15日，AlphaGo挑戰世界排名第二、韓國棋手李世石九段，人機對決舉世矚目。在第一局的對決中，AlphaGo執白186手，以約7.5目的優勢中盤取勝。
《知識分子》特邀請多位人工智能、圍棋領域的專家，通過微信群和廣大網友共同解讀人工智能與人類智力的巔峰對決。
感謝各位網友的踴躍參與！
江鑄久
九段，中國國家隊著名國手，韓國棋院客座棋士。
今天這棋AlphaGo表現挺好的，我覺得。不管怎么說，盡管我預測偏向電腦贏，贏一盤就算贏，但沒想到第一盤就贏，說明AlphaGo這5個月進步真的很快。從李世石布局階段就能看出來，他今天在心理上一開始就有波動，因為他采取的是非正常的布局。我估計這是因為他知道是在跟AlphaGo，而不是和人類下棋。
在這種情況下，我個人覺得李世石的布局不算太成功，而且AlphaGo上來的斗志是不錯的，斷的時候挺果斷的，算路是比較深的。這樣夸人工智能，也是它長處的地方。
中途的時候，李世石追上來了。但是，AlphaGo在左下角雙飛燕的應對，是AlphaGo讓職業棋手覺得low的地方，它那個下法肯定不是職業的下法。
有一點意外的就是，AlphaGo那個下法損失并不大，整個下法是很low，損失并不大，相對于在右邊破黑棋的空，它的次序下得很精準，加上李世石在右邊角上的失誤，AlphaGo一下就超出了。
況且它在左邊拆二的下法，基本上是AlphaGo勝利宣言的下法。接下來一連串的下法，讓人想起全盛期的李昌鎬。李昌鎬在形勢領先的時候，經常有一些失誤，但是倒過來看，他的那些失誤都是很保險的，一點風險都不冒就會贏下來。
所以，我覺得AlphaGo很了不起。
衛鴻泰
知乎圍棋專欄主持人、圍棋業余5段
這一盤，李世石輸給機器，意外的是，人類在大局觀上輸給了機器。
這盤棋開局稍顯意外，印象中這樣的開局是第一次見，感覺李世石有備而來，故意選擇了不常見的下法。
之后作戰很強硬，局部來看，黑棋稍有勉強。
之后黑棋逐漸占據上風，進行到76手的時候我覺得AlphaGo下的實在太機械，太僵硬，有點暴露“機器本性”。
進行到這里大家開始普遍看好黑棋了。接下來是本盤最有看點的一招：
102 是非常有個性的一步，也是柯潔(九段)指出的好棋，之后AlphaGo占到便宜以后連續兩次脫先，逐漸扭轉了局面。
之后右下角的懸念是AlphaGo右下沒有跳一路是看到目數優勢，簡明處理還是沒有看到手筋，當然我傾向于前者。
之后收官雙方都很平穩，本局唯一一次打劫也簡單結束，希望之后能看到AlphaGo對于復雜劫爭的控制水平。
張崢
上海紐約大學計算機科學教授、前微軟亞洲研究院副院長
剛剛仔細讀過AlphaGo，沒覺得有什么破綻。在自己左右手互搏中的計算價值那部分為了效率用了“快棋”策略，可能粗糙些，但下得多可以彌補。有網友提出的和李世石比賽會“偷招”這個倒不用擔心，五局的樣本對機器沒用，它不靠這個，靠的是工程上高效率、策略上粗枝大葉但大方向正確。
AlphaGo勝利的概率是100%，只不過不見得是這次。“毛病”還是機器學習的老毛病。表現在：無法總結規律，或者說無法吐出一套規整自洽的規律；泛化能力差，無法在復盤中舉一反三，即便告訴它哪步走錯了，恐怕它也不知道為啥，只是一氣兒死磕到撞了南墻才完事。
對谷歌如何復盤我很好奇。
如何實現不敗呢？AlphaGo從大量的棋譜開始練，除非有它沒見過的變化，而且遠離它見過的和自己能演練到的。要下無理棋，把圍棋當五子棋下……
但這種可能性太小。歸根結底，和國際象棋變化少不一樣，問題是圍棋太古老了，以至于窮舉了太多可能，而且還讓AlphaGo看了！剩下的變化空間人是可以其樂無窮地去變化，對機器來說分分秒嗖嗖地就搜完了。這里圍棋的長板變成短板，幫了AlphaGo：由于規則太簡單，被機器抄了近道。
田淵棟
卡耐基梅隆大學機器人系博士、Facebook人工智能組研究員，Facebook人工智能圍棋程序Darkforest負責人
我圍棋水平很爛，但總的來說，可以對Alphago有所評論。第一點，如果你覺得AlphaGo的落子水平會波動，其實它可能判斷勝率已經很高，有時候隨便下；第二點，蒙特卡洛樹搜索是遇強則強的，如果對手太弱的話也不會下出太強的手；第三點，AlphaGo下棋每一步最后都是算整體分數的，并非單純局部，反倒是有時候局部弱，對殺會有問題；第四點，接下去的研究是進入程序的黑箱里去。人工智能研究者們雖然設計學習算法，但其實不知道電腦是怎么決策的，要打開黑箱了解內部機理，還有很長的路要走。
董飛
數據科學家、Coursera數據工程師
這次是太多意外，在大家一邊倒的支持李九段的時候，也有李開復老師、余凱老師(前百度研究院副院長)力挺AlphaGo，認為機器會贏。
這盤棋大致是前半段，李世石占有很多先機，但后來不知道為何保守下棋，犯了一些失誤，勢力峰回路轉，而AlphaGo中盤發力，180度轉彎，把李世石逼著認輸。
我想作為一次焦點比賽，關注的人太多，比賽的壓力很大，李世石也似乎沒有發揮最佳水平，今天這一盤還不能完全說明問題，如果明天他接著輸了，那可以認定人工智能真的在圍棋領域取得革命性突破。
其實在（類似圍棋的）這些封閉系統中，（人工智能）戰勝人類也不奇怪。我記得有些預言家說過未來20年，98%的人類工作將會被機器取代，那么我們現在要怎么做？怎么才能成為那2%的人，我覺得只有人類的創意思維，不斷創新才是出路，所謂的靈感、靈氣、靈光。
最后如果說我對明天的棋局有什么建議的話，那就是靠直覺判斷，電腦目前還不會，對全局判斷弄不大清楚，這可能是AlphaGo的弱點。
朱文章
香港科技公司首席架構師、香港大學計算機博士、圍棋業余5段（弈城9段），前微軟及谷歌軟件工程師，iOS軟件“圍棋之眼”作者
開局李世石下得太勉強，也下得快。到中間緩過來優勢，102點的時候，雖然長考，但沒有發揮出計算力的優勢，被翻盤。右下角又沒有出強手，左上也讓白棋穩穩圍住。這些估計都是失敗之處。
劉鋒
著名互聯網資深人士、計算機博士，《人工智能學家》主編、AIE實驗室創始人，《互聯網進化論》作者
震驚于AlphaGo戰勝李世石九段，但若以科學實驗流程規范來評價，我依然認為此次比賽不合格。谷歌應盡早展開線上多人（100人以上）同時在線對弈AlphaGo，以消除其實驗不規范帶來的質疑。在比賽公正的條件下，AlphaGo的此次勝利將意義非凡。甚至是人類發展史的一次巨大進步，可能的意義超過美國登月，但面對如此巨大的突破，我們是否應該持有更加謹慎和科學的態度？
何波
業余5段，中國科技大學物理博士，中泰證券股份有限公司信息技術部副總經理
衛鴻泰（左）、何波（右）
今天是個劃時代的一天，AI在要點的把握上超過人類，不會有因為思維定勢等緣故而跟著對手走棋，每一步堅定的走他覺得價值最大的點，這點我覺得很可怕。另外，我覺得現在說AI超越人類還早，現在AI在輸入的信息上并沒有產生更多的信息度，如果有一天AI會自己創造數學公式，或者總結物理規律，這才是奇點來臨。
● ● ●
讀者問答部分精選
“狗狗”的學習機制還是黑匣子
Q1：請介紹今天比賽的計時、計分（貼子）規則。
朱文章：比賽采用中國規則，黑棋貼7.5目，各兩個小時，還加3次1分鐘讀秒
Q2：電腦下棋會不會也形成像中韓日圍棋屆一樣的某種流？
朱文章：AlphaGo和機器人小圖這個問題很大，你說它們能自學習吧，應該都有，但是不同系統，機器學習訓練的方式，結構都有千差萬別。我這方面還是不夠深入了解。電腦的神經網絡參數定了之后，應該有一定模式和風格。但是經過不斷學習，它會改變。
Q3：遇到不同的水平的棋手，AlphaGo的表現是不是也不同?
田淵棟: 蒙特卡羅樹搜索是遇強則強的，如果對手太弱的話不會下出太強的手。
朱文章：AlphaGo團隊最強的棋手是臺灣的Ajahuang，臺灣業余6段。
Q4：作為訓練數據的對局水平是否會影響圍棋AI的水平？例如10000盤剛學會圍棋的人的對局，和10000盤職業高段位棋手的對局，做訓練數據，對同一個模型是否會有顯著影響？
田淵棟：不同質量的對局對訓練影響很大。
Q5：阿狗（AlphaGo）的策略也靠搜索來的嗎？與之對弈，人落子拖時間長一點，和拖時間短一點，AI的結果會不會不一樣？
田淵棟：是啊，如果AI開了pondering（編者注：即長考）的話，就是說在對手思考的時候也思考。軟件下棋每一步最后都是算整體分數的，不同質量的對局對訓練影響很大。
張崢：是，用少見的開局也許可以增加長距離蝴蝶效應的可能性。一進入局部就不好辦了。
Q6：硬件當中會有GPU（圖形處理器）和CPU（中央處理器）共同工作嗎？
張崢：是的，用兩種硬件協調工作是工程和資源的優化，不是本質。
田淵棟：一直是兩者同時工作的，CPU搜索，GPU評估局面。
Q7：在過去的四個月中，AlphaGo的學習方式是復習歷史棋局還是跟許多真人高手對決？AlphaGO是在局部算路更強的情況下，對整體勢的把握是如何做的。
衛鴻泰：兼而有之。
Q8：我記得有人問Google作者，電腦是怎么下這一步的，他也不知道，不是靠背棋譜就可以知道的。為什么Google作者自己都不知道電腦怎么下棋的呀？不是他們設置學習機制的嗎？
田淵棟：設置了機制，但是不知道這個機制如何學得棋譜模式。所以，AlphaGo可以走很好的棋，但是制作者不知道這個是通過什么推理方式算出來的。要是知道了，對AI來說是非常大的突破。
Q9：所以，機器思考的過程現在還是個黑匣子？
田淵棟：是的，在這點上人工智能還是有很長的路要走。
Q10：電腦的弱點之一是，算法可以解決局部的問題，但對整體局勢的評估會弱一些。
田淵棟：不一定，深度神經網絡往往是倒過來，整體強而局部弱，需要加上搜索，DarkForest是這樣。所以有時候死活，對殺會有問題。
張崢：難說，狗狗的結構是從局部到全局的。
Q11：我們能否說AlphaGo現在已經能夠判別局勢，而不是只判斷接下來的幾步范圍內，哪個位置最優？
田淵棟：Value Network和Playout都是用來判斷局勢的，判斷哪步棋最優也要靠這兩個，Policy Network給出候選的走子，然后由上面這兩個判斷哪步比較好。
“狗狗”早點去博物館不好嗎？
Q12：“阿狗”和對手下得越多，勝利的機會也就隨之增加？
張崢：狗狗哪天的左手也很強，就不要你了！它左右手互搏是現在成長的環境一環。
Q13：如果AlphaGO在棋力水平超過了大部分用于訓練的“高手棋局”，想進一步提升棋力，這時如果再用這些水平低于自身水平的棋局數據進行訓練是否不利于自身棋力水平增長？更多的使用“左右互搏”棋局訓練是否更好？
田淵棟：是的。
董飛：我之前思考過電腦如果只是學習網上的棋譜，這些大多都不是高手，超一流的棋局又那么少，跟三流學，怎么可能下過一流的選手呢？但它那種可以自我對弈，選擇傾向贏棋的路徑，這樣想只要它不斷電，有大量計算資源，這樣就進化直到永生，想到這就是一部科幻片了。大家還記得那部片子叫《超驗駭客》，主人翁要死了，委托他女友把大腦移植到電腦中，后來就入侵銀行，去一個鄉下造了一個巨大data center，一直進化，研究各種新技術，可以移植修復，copy他的思想，最后誰也沒法阻擋，世界被他控制。我覺得那部電影還是挺有哲學意義的，本意是想那些人類都不如他，他要去拯救世界，給他們最好的東西，但這樣就是獨裁。
Q14：沒有了人類的挑戰，AlphaGo的能力很快就到頂，進步的空間就不大了？
張崢：讓狗狗早點去博物館不是好事嗎？
Q15：為什么？
張崢：因為就去戰下一個更好的問題了。
Q16：AlphaGo的算法已經公開發表，是否意味著別的團隊同樣可以做出AlphaGo？商業化公司發表公開論文的動力在哪里？
田淵棟：細節有很多還是不清楚的，當然大致的技術路線都很明確了。動力在于提高自己公司知名度，這個很重要的，而不只是為了賺錢。有知名度就對招人和公共形象都有好處。
機器還是真人，你分得清嗎？
Q17：如果不告訴您黑白棋對應的是電腦還是真人，您能分辨出來誰是誰么？
劉鋒一互聯網進化論：不能。
朱文章：這盤可以。最新的這些招法，有點現出原形了。貼了那么多個白子，人不會那樣下啊。
衛鴻泰：白棋這一串，機器的感覺太明顯。
Q18：怎么看人工智能現在的階段？圍棋機器人有用到量子力學嗎？
田淵棟：沒有量子力學的成分，全都是基于經典物理的。
Q19：李世石大優的情況下長考，是要做壞事了么？像中盤那樣。
朱文章：長考很重要，可以穩定一下情緒。
Q20：第一局輸了的話，AlphaGo有可能像人類高手一樣分析對手風格，從而在后面棋局中調整策略嗎？
田淵棟：要調整也是人類去調整，機器目前看起來還沒有這個能力，它要自我學習的話需要大量的樣本。
衛鴻泰：白棋兩次脫先收獲非常大，大局觀不錯。職業普遍認為黑棋右下有心態問題，下得非常有問題。
Q21：阿狗的時間不夠怎么辦啊？
田淵棟：不會不夠的，機器大不了用Policy Network，3毫秒一步，只要code沒bug，肯定不會超時。Dark Forest上次一月份對Zen超時了，因為有個bug。
Q22：李世石輸了？
主持人：終局，李世石輸。
朱文章：輸了部分人都挺難受的，特別是喜歡圍棋的人。
張崢：我吭吭哧哧地寫了那兩段，其實心里是很希望能再挺一會的。
知識分子，為更好的智趣生活。
投稿、授權事宜請聯系：zizaifenxiang@163.com。