如果我理解正确游戏，那么有一个19x19的棋盘。在AlphaGo Nature论文http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html中，它提到了卷积网络。我对卷积网络的理解是图像识别的例子。那么卷积网络如何应用于这个问题呢？将电路板转换为19x19图像不是一种过度杀伤吗？
答案 0 :(得分：1)
Go受到模式的影响很大，正如您在图像分类中可能已经注意到的那样，卷积网络很擅长。
你问如果将一块板变成一张19 * 19的图像是不是太过分了，我不得不承认我没有尝试用0表示黑石头，0.5表示无石头，1表示一块白色的石头，用它训练一个网络，但我很确定它会在某种程度上起作用。
事情比这更极端！ 19 * 19 go板转换为19 * 19 * 48输入张量。 （作为rgb图像，它只是19 * 19 * 3） 黑色宝石的一架飞机 白色石头的一架飞机 空旷的一架飞机 还有45个其他平面编码有助于网络知道的几个值。 （例如，自由，atari，移动后的自由，它们都在论文中，但你必须要了解更多关于去了解它们）
这是一种矫枉过正，绝对不是！卷积网络善于识别模式，但他们需要正确的信息才能这样做。例如，ladder对于该网络来说是不可能检测到的，因为不可能从板的一侧获取信息到另一侧并返回到所使用的13个卷积层内，因此使用了一些48个输入平面告诉网络某个移动是梯形捕获还是梯形逃生移动。