锐知 - 全球认知雷达重做AlphaGo：自对弈、强化学习与大模型未来的启示
围棋的搜索难在广度和深度两个维度：合法点多、终局远。AlphaGo用策略网络剪广度，用价值网络截深度，把不可穷举的树变成可采样的稀疏树。理解任何搜索增强系统时，可先问它分别用什么机制处理广度和深度。
重做AlphaGo的动机很直接。Eric Jang长期做机器人方向的深度网络，他始终困惑：只有十层左右的网络，怎么能把围棋这种需要极深搜索的决策压缩下来。2014到2016年AlphaGo的突破让他入行，而2020年David Wu的开源KataGo已把从零训练出顶尖围棋程序的算力降低约40倍。再加上大模型写代码，当年需要整个团队和数百万美元的事，如今几千美元租算力就可能复现。他想亲手验证，搜索加学习为何成立。 围棋为什么难：规则简单，搜索极大 围棋几分钟能讲清。黑先行，双方
来源：youtube 原始内容