他这两句话都不应该说，原因都是同一个。
这里的攻防，说难不算很难，说易则未必很容易。
李铁如的一系列防守手段大概率是必然而唯一的。
他自问，腾挪过程中，白棋并未下出很明显的坏棋，能够活出才是理所当然的。
在他看来，黑棋的确没道理这样拼命；客观上黑棋形势还不错。
然而，由于小何过去对他经常占上风，所以输了第一局受到了巨大触动。
更关键的是，第一局中，小何并未能找到明显胜机。
虽然李铁如自己没觉得，但其实第一局他几乎是完胜。
弱6d完胜弱7d，看起来是不是有些不可思议？
还有两个很难说清楚的因素，也是李铁如当时想不到的。
李铁如在茶楼与小何下棋，输得很多的根本原因，在于中盘战斗力较差。
而今，他网上段位虽暂未能达到比较高，可他的力量已然取得了比较大的进步，此其一。
小何第一局被迫与李铁如磨官子，小负。
不由得联想起，茶楼那几年，对张伟屡战屡败的浓重阴影。
对老孟他也是不怎么开张，但心里更多的是服气，没多少畏惧。
对张伟，感觉有劲使不上，郁闷得很。
张伟下棋节奏很慢，行棋也很慢，对小何恰好很是克制。
龙卷风一旦变慢下来，还能有多大破坏力？
小何输给张伟那么多，不是因为差距多明显，基本都是久攻不下后自己快速崩溃。
俩人比赛最好成绩都是第2名，实力理应不该有差距。
小何是典型的攻击型棋手，张伟是典型的防守型棋手；而攻击比防守难度更大。
在大家普遍都低于业余3段水平时，攻击型棋手成绩可能会略好些。
对李铁如的疑问，小何无言以对。
第二局的复盘，只是集中对前面进行了一些探讨。
小何开玩笑地问：“托三三试应手，会不会提前已经算到后来会用到？”
李铁如被他逗乐：“怎么可能？不过是留个官子，晚了怕走不到。”
而后，小何又问，要不要再继续下第三局？
李铁如婉拒道：“还是下次再下吧。”
原本他轻易不愿意拒绝别人，但这次有所不同。
小何很不甘心，“这就保持战果了吗？”
李铁如解释说：“第一盘只是捡你个小漏，不然应该是你能赢的棋。第二盘很奇怪，明显那不是你的水平；怎么你莫名其妙的就下崩了呢？正常进行是黑棋不坏啊。”
他特意看看手机，见现在已经是接近中午一点，于是告辞回家。
他的意思很明显，赢了两盘棋基本都是运气好。
他没想到，小何却并不是那么想的。
这一次的两盘棋，他表现出了足与小何相抗衡的实力。
正因为实力非常接近，才有能力抓住对方的失误；运气好只是增大了捕捉机会的几率。
李铁如觉得自己运气好才赢，并不是纯客气。
基本是真心话，至少他不认为自己实力已超越小何。
此刻，他是对自己实力略微有一点点低估。
相比之下，他的自信心与一流棋手群还有很明显的差距。
他的实力在缓缓进步，自信心却依然停滞不前。
下面顺便回头再谈谈电脑围棋。
人工智能界的阿波罗AlphaGo是如何学会下围棋的
文章来源：星芒里
原题：InaHugeBreakthrough，Google‘sAIBeatsaTopPlayerattheGameofGo
原载：Wired连线2016.01.27
标签：人工智能（AI），算法，围棋。
翻译：芒芒原文有删减
译注：该文章刊载于人工智能AlphaGo与李世石对战前夕，当时大众对比赛的预测还有很大分歧。
围棋界的风雨欲来时，亦是AI界的重要突破日，本文将为你重现人工智能来临时代的重要进步时刻。
第一缕星火
人工智能领域取得了一项重要突破——在围棋项目中，一个由谷歌研究团队开发的计算机系统AlphaGo击败了欧洲的顶尖职业棋手。
在此之前，这个关于战略性和直观判断的古老东方竞技游戏，已经困扰了人工智能专家们数十年之久。
在大多数公认的智力游戏中，机器已经战胜了最优秀的人类，包括国际象棋、拼字游戏、黑白棋等等。
但是围棋——这个有着2500年的历史，比象棋复杂得多的游戏，即使是面对最先进的计算机系统，顶尖棋手们也能保持优势。
本月早些时候，谷歌以外的人工智能专家质疑其是否能在短时间内实现突破。
而就在去年，许多人认为机器在围棋项目上打败顶尖人类还需要再过十年。
但谷歌AlphaGo已经做到了这一点。
‘这一切发生的比我想象中快太多。’法国研究员雷米·库伦说。
他的背后，是曾经的世界最佳围棋AI，Crazystone（石子旋风）。
AlphaGo系统
DeepMind计划自称为‘人工智能界的阿波罗’，于2014年被谷歌收购。
在10月伦敦举办的这场人机比赛上，DeepMind的系统——一个更广为人知的名字‘AlphaGo’，在与欧洲围棋冠军樊麾的对弈中发挥出色，五局比赛未尝一败。
比赛结果在《自然》杂志的编辑和英国围棋联盟代表的监督和见证下产生，事后《自然》杂志的编辑评价：
这是我职业生涯中最激动人心的时刻之一，无论是作为一名学者还是作为一名编辑。
关于AlphaGo的论文发表在自然杂志，并登上封面。
今天早上，《自然》杂志发表了一篇论文，描述了AlphaGo的系统，它巧妙地利用了一种越来越重要的人工智能技术，即深度学习。
通过输入收集到的大量人类棋谱，DeepMind的研究人员开始训练这个系统自己下围棋。
但这仅仅是第一步。
从理论上讲，这样的训练只会产生一个和顶尖人类一样优秀的系统（但这不能保证对人类的绝对优势）。
为了打败最顶尖的人类，研究人员让这个系统进行自我间对弈。
这使得系统自身又可以产生一系列新的棋谱，基于新棋谱训练出的新人工智能，有着超越人类大师的能力。58xs8.com