简单的说Alpha Go、Master就是一个函数y = f(x)，x是当前棋子位置，y是x的应对棋子落位，也就是说下一步棋的位置，由于棋类的对抗性，显然y是对x最不利的一步走法。
假定有N个棋谱，每个棋谱有K步棋( 1<= k <361)，当输入第1个棋谱的第一步棋时，使用y=f(x)计算，y就是Alpha Go、Master计算出来的第2步棋的落子位置，由于函数f没有学习好全部棋谱，所以y不是正确的走法，与棋谱中第2步棋比较有偏差，学习的目的就是让这个偏差最小趋近于零。Alpha Go、Master使用了深度学习算法不断训练这个函数f，当训练完成后对于每步棋都能得到较好的下法。
有疑问加站长微信联系（非本文作者）
入群交流（和以上内容无关）：加入Go大咖交流群，或添加微信：liuxiaoyan-s 备注：入群；或加QQ群：692541889
`单行代码`
简单的说Alpha Go、Master就是一个函数y = f(x)，x是当前棋子位置，y是x的应对棋子落位，也就是说下一步棋的位置，由于棋类的对抗性，显然y是对x最不利的一步走法。
假定有N个棋谱，每个棋谱有K步棋( 1<= k <361)，当输入第1个棋谱的第一步棋时，使用y=f(x)计算，y就是Alpha Go、Master计算出来的第2步棋的落子位置，由于函数f没有学习好全部棋谱，所以y不是正确的走法，与棋谱中第2步棋比较有偏差，学习的目的就是让这个偏差最小趋近于零。Alpha Go、Master使用了深度学习算法不断训练这个函数f，当训练完成后对于每步棋都能得到较好的下法。