中读

当然，这只是开始。在搭建了一个可以下围棋的神经网络之后，工程师们开始让它自己跟自己对局。AlphaGo每天跟自己（不同的分身）下上几十万盘，在不断的试错中自我完善、自我进化，并累积3000万手的数据库。这个系统叫“强化学习”，灵感源自动物大脑中的神经递质多巴胺奖励系统。在这个算法里，机器得到的唯一的指示就是要赢，就像一只未经训练的小狗，先被编程好去寻找奖励，但并不指点它怎么得到奖励。它的第一步是随机的，对游戏的逻辑一无所知。但通过哪些能得分、哪些不能得分，它逐渐建立起得分的原理。 “强化学习”算法给了AlphaGo一个唯一的强烈动机——赢。所以，它总是在不断地计算胜率，它下的每一步都是在试图