從圍棋角度看李世石與 AlphaGo 的第二局比賽有哪些關鍵之處
現在職業棋手判斷形勢的算法，有明顯漏洞。
職業棋手判斷形勢的算法大致可以概括成壹句話：估算雙方的目數（地盤大小）差距。
那如果地盤的邊界沒有完全確定怎麽辦呢？如果有先手官子就判給先手方，如果是雙方後手官子就算壹人壹半。
那麽有壹些模糊的地方，比如說壹塊厚勢折算成幾目呢？這個就只能憑感覺了。
今天看各個平臺的解說，大概是柯潔的判斷最準確。柯潔在中盤階段就點出黑棋盤面15目左右。古力壹度判斷小李優勢，甚至到官子不多的時候還認為是細棋。金明完也差不多。麥克雷蒙的判斷沒有仔細聽，好像比古力要準壹點。羋昱廷在128手的時候認為還是細棋（這個時候柯潔已經判斷黑棋明顯領先了）。圍棋TV的完全沒有看，請各位補充。
暫且不論到底是誰的判斷更準，我們可以簡單看壹下白128手時候各方的判斷。有柯潔說黑棋領先壹個貼目，也有說細棋的，甚至有說白棋小優的。這些職業棋手對同壹局面判斷上的分歧居然能超過壹個貼目！這恰好證明了上述算法模糊之處可能產生的巨大誤差。
那麽我們思考壹下誤差可能產生在何處。第壹，先手官子判給先手方。然而在棋盤上，“先手”是個相對概念，逆收官子屢見不鮮。甚至在有些情況下，面對“絕先”，奮力壹搏選擇脫先他頭也不少見。第二，模糊判斷。這個問題更大。職業棋手對壹塊棋厚薄判斷的分歧，很可能導致點目結果的南轅北轍。
AlphaGo是如何做形勢判斷的呢？AlphaGo策略組合的其中壹部分是價值網絡。這壹部分的原理以我的水平解釋不清楚。為了方便理解，我們考慮前壹代AI，Zen的判斷方式：通過大量的隨機采樣估算“勝率”。打個比方，壹盤棋下到120手。在這個時候AlphaGo隨機落子完成壹盤棋，然後判斷哪壹方在這個隨機完成的壹盤棋中獲勝。重復這個流程多次，比如說十萬次，然後其中三萬次黑勝，七萬次白勝，那麽估算出白方的勝率就是70%。
當然，AlphaGo的價值網絡比Zen的方式要先進很多，讓估算的勝率更加準確。
AlphaGo並非完全隨機地模擬剩下的棋局，而是參照了之前的棋譜用落子選擇器找出最有可能的幾個點，保證速度
從效果上來看，估算勝率的效果其實非常好。而且我認為，這樣的判斷方法是本質的。
為什麽？首先要明確，雖然理論上來說，某壹個局面下，要麽是黑方必勝，要麽是白方必勝。然而，由於圍棋事實上無法被窮舉，只能退而求其次估算概率，或者像人類棋手壹樣估算雙方相差的目數。然而，在很多情形下，相差多少目數是沒有意義的。
舉個例子（此處應該有圖），黑方確定目數70目，沒有潛力。白方確定目數40目，有壹塊40目潛力的大空。如果黑方立即打入並活出，則40目的潛力只能轉化成10目的實地，黑方獲勝。如果黑方打入失敗，則白棋40目大空圍成，白方獲勝。黑棋也可以選擇保守的淺消，則白方的40目潛力大約能轉換為25目實地。這個局面下，如果選擇淺消，雖然最後差距會縮小，然而其實勝機也很少。很遺憾，這種局面下，職業棋手很難準確估算打入成活的概率，然而AlphaGo可以。於是心存幻想的人類棋手覺得落後不多，而打入無成算，選擇淺消白棋大空，結果白方40目的潛力轉化成25目實地，黑棋盤面僅多5目，從而落敗。阿爾法狗估算出選擇打入的勝率是40%，而選擇淺消勝率僅為25%，於是毅然選擇打入。不論最後勝負如何，選擇打入顯然是更好的策略。
換句話說，只“領先兩目”而勝率80%，和“領先五目”而勝率70%，其實是前者優勢更大，然而人類會認為後者優勢更大。這或許是人類棋手的命門所在。
可嘆的是，人類不可能通過大量隨機采樣來估算勝率。