圍棋，是至今為止，人工智能尚未攻陷的唯一棋牌類運動。
在ibm在十八年前開發的深藍超級計算機擊敗了當時的國際象棋世界冠軍卡斯帕羅夫後，相繼征服了幾乎所有棋牌類遊戲。
隻有圍棋，人類仍舊是這個領域的王者。
即使前幾年橫空出世的zen，被稱為有職業旗手水平，也無法真正的擊敗人類頂級強者，隻能寄希望於人類犯錯，才能贏下那麽幾盤。
無論是深藍還是zen，本質上都不具備自我學習的能力，不屬於現代意義上的人工智能，而是基於預編程的複雜計算機程序。
這些程序通過預編程技術，將棋牌類運動的相關知識輸入其數據庫，在對弈期間，采用搜索算法和評價函數來探索未來的步數。
換句話說，深藍和zen的每一步選擇本質上都是程序根據預先設定的規則和計算得出的，其根本運轉邏輯仍舊是窮舉法。
因此，當麵對圍棋近乎無窮的棋盤變化時，無論是深藍還是zen，都隻能仰視人類的智慧。
縱橫19道的棋盤上，一局圍棋通常進行200-300步，每一步有數百種選擇。
粗略估計，對局的變化數可以用極大的組合數來表示，即200的200次方，這個組合數遠遠超過宇宙中的總原子數。
如果僅僅依靠計算的方式來讓機器和人類下棋，估計即使耗盡全世界的電力，機器也無法真正戰勝人類。
但機器學習驅動的人工智能則不同。
人工智能並不完全依賴於人類的編程水平，每一步的選擇並不是基於人類事先預設好的變化，而是通過學習無數盤比賽後所獲得的“棋力”。
在這種情況下，如果有一天，人類再也無法戰勝人工智能，那就說明人工智能已經從“向人類學習”走向了“超越人類”。
但這種超越，仍舊可以說是站在人類文明的肩膀上實現的。
因為本質上，人工智能仍舊是在用從人類那裏學來的思考方式在下棋。
但誰能斷言，人類三千年的圍棋經驗就是絕對正確的呢？
也許從一開始就有錯誤存在。
畢竟，比宇宙原子還要多的棋局變化，人類探索出的可能性連一億分之一都不到。
可如果完全脫離人類棋譜，兩個大模型自我對弈、自我學習？
對啊，這樣才能真正探索橘子大模型的潛力啊！
如果一直給大模型喂人類的棋譜，讓它學習，人工智能再強，仍舊還是學習人類。
即使打敗了古傑，也隻能說是人類經驗的集大成者。
但是，但是，如果不給大模型喂任何棋譜，也不讓它和人類對弈。隻是讓兩個隻知道圍棋規則的大模型自己對弈，自己分析，自己學習，幾天時間，兩個大模型之間可能就能下上百萬盤棋。
它們可以從一張白紙、沒有任何曆史包袱的情況下去探索圍棋的本質！
這才是人工智能在圍棋上的正確應用！
陸偲和華澤成對視了一眼，兩人都在對方眼中看到了什麽踏馬的叫踏馬的驚喜。
原本他們還在懷疑，這個大模型是不是這個大二的金融學學生搞出來的。
但很明顯，方豫對人工智能的認知遠比他們要深刻得多，否則肯定不可能提出這樣的想法。
而且據說柚子訓練架構和橘子大模型架構還是他和約爾茲教授為了完成計量經濟學的一篇論文，陰差陽錯下搞出來的。
天選人工智能聖體啊。
無論是陸偲還是華澤成，都是有足夠能力進入任何一家大廠做高級研究員、科學家的深度學習領域佼佼者。
文無第一武無第二，做技術的卻不一樣，技術強那就是神，就是會被其他技術人員頂禮膜拜。
方豫裝了個逼，刷了一圈崇敬度後，給私密服務器中的橘子大模型做了個全麵排查。
私密服務器中的橘子大模型，並非陸偲和華澤成他們研究的那個橘子大模型0.12，那個是一個複製品，然後被剝離了所有內容的大模型框架，最初柚子搞出的橘子大模型早已被轉移進了隻有方豫可以登陸的私密服務器中。
經過排查，方豫發現確實如柚子所說，當時這個完整版的橘子大模型錯誤的調用了底層法則，搞出了一個基於關鍵數據的虛擬世界，又在這個靜止虛擬世界中虛擬施法，探測虛擬世界時間線十年後的情況。
不過，這個虛擬施法後的結果很靠譜啊。
方豫仔細查閱了橘子大模型對於十年後的占卜結果，按照橘子大模型的占卜。十年後，英偉達的市值至少會飆升到目前的一百倍！
而比特幣，相比目前的市值，也可能會飆升百倍以上！
雖然選取的都隻是代表性數據進行的占卜，但這個結果確實是有可能的！
方豫想了想，抬手就給老爸打了個電話。
“強哥~我也想要坐你的車，你偏心~”
剛接通，方豫就聽到方大強那邊傳來的靡靡之音，老登夜生活還是這麽豐富啊。
“我兒子電話，別動手動腳！喂~兒砸，是不是缺生活費了？哎呀，爸爸現在也很拮據啊。”方大強又開始用兒子鋪後路。
方豫也不管他說啥，反正方大強又沒放免提，對麵其他人也聽不見，於是開門見山：“爸，我覺得比特幣確實可以囤一些，我準備買一些，建議你也買點。”
“啊？行啊，那你買吧，我就不買了。”聽口氣，方大強狀態很輕鬆。
聽到方大強這麽說，方豫愣了一下：“為啥？”
“你還記不記得，你上高一的時候，有一次你周末回家，我和你江叔正在家裝電腦呢？”
方大強掏了掏耳朵，“當時新裝電腦就是為了挖礦，你江叔叔帶著我一起挖。”
“對，江默然，就是老婆跑了的那個。後來我嫌挖礦太慢，正好這東西那時候也不值錢，大周幣一塊錢一個，我就花了點小錢，從幾個論壇上收了點。”
“收了幾個月，漲到十邁元一百塊的時候我就沒再收了。”
“那時候琢磨的就是，反正是點小錢，萬一以後這玩意兒真搞起來了呢，沒想到後來還真升值了。”
我去？老登夠新潮的，比特幣第一批投資者啊。
“你當時收了多少？”方豫好奇。
“也不多，一共十多萬吧，具體記不清了，回家拿錢包文件看看再告訴你。”
窩草！
十多萬？按照現在四百多邁元的價位，就特麽至少三億大周幣了吧？
果然啊，有錢的人想要變得更有錢，遠比窮人獲得第一桶金更容易。
沒有其他原因，就是因為有錢人可以承擔試錯成本。
即使一個窮人，預見到了比特幣未來會大漲，他也不一定敢下重注，因為賠不起。
而十幾萬，對當時的方大強來說，連一天的利潤都不到，出去請客吃飯哈皮花的都比這個多。隨手拿十幾萬出來買點比特幣，不一定求升值，就是當成玩，結果就能順便賺錢。
方豫當然不會有這種憤世嫉俗的心態。
因為那是他爸。
方大強掛斷電話，坐在摩托車上貼著方大強的女人咬了下方大強的耳朵：“強哥，跟你說個事。”
方大強回過頭，一臉的陽光燦爛：“啥事？說。”
女人咬著嘴唇，眼睛跟有鉤子似的：“我這個月沒來……會不會……”
方大強麵無表情的哦了一聲：“我早結紮了。”
女人當時臉色就僵了。
方大強抬腿下車，點了根煙，抽了幾口，突然開口道：“下車吧。”
女人一下就急了：“強哥，我開玩笑的！”
方大強表情變都沒變：“哦，我沒開玩笑。”
這裏說一下虛擬世界的問題。
有很多書友可能會猜測，會不會這本書寫到最後，結果就是世界是虛擬的，我先說一下，不會，這本書本質上確實有科幻的影子在，但我所用的理論相對比較小眾，確實不是虛擬世界缸中之腦的理論。
主角是超凡，就是超凡，不會寫著寫著就都成虛無了。
另外，詳細說一下上一章橘子大模型的虛擬世界問題。
這裏的虛擬世界，並非大多數人所認知的虛擬世界，可以理解成數字化的世界。
現有的算力無法真正的虛擬出一個世界來，那麽橘子大模型就用主角所開發的強因子模型，挑選出自己的數據集裏麵最具有代表性的數據，由這些數據組成虛擬的世界。
做個類比吧，現實世界如果是2000k像素的分辨率，那橘子所建的虛擬世界像素點位可能隻有128，能看到是什麽東西，但不一定能看清楚。
當然，數據的虛擬世界並非分辨率，而是數據集中的代表性數據，選什麽數據作為代表，對最終的預測準確率有決定性的影響。
而主角在前些章所創造的強因子模型在大數據中的應用和數據清洗的應用，解決的就是這個問題。
在ibm在十八年前開發的深藍超級計算機擊敗了當時的國際象棋世界冠軍卡斯帕羅夫後，相繼征服了幾乎所有棋牌類遊戲。
隻有圍棋，人類仍舊是這個領域的王者。
即使前幾年橫空出世的zen，被稱為有職業旗手水平，也無法真正的擊敗人類頂級強者，隻能寄希望於人類犯錯，才能贏下那麽幾盤。
無論是深藍還是zen，本質上都不具備自我學習的能力，不屬於現代意義上的人工智能，而是基於預編程的複雜計算機程序。
這些程序通過預編程技術，將棋牌類運動的相關知識輸入其數據庫，在對弈期間，采用搜索算法和評價函數來探索未來的步數。
換句話說，深藍和zen的每一步選擇本質上都是程序根據預先設定的規則和計算得出的，其根本運轉邏輯仍舊是窮舉法。
因此，當麵對圍棋近乎無窮的棋盤變化時，無論是深藍還是zen，都隻能仰視人類的智慧。
縱橫19道的棋盤上，一局圍棋通常進行200-300步，每一步有數百種選擇。
粗略估計，對局的變化數可以用極大的組合數來表示，即200的200次方，這個組合數遠遠超過宇宙中的總原子數。
如果僅僅依靠計算的方式來讓機器和人類下棋，估計即使耗盡全世界的電力，機器也無法真正戰勝人類。
但機器學習驅動的人工智能則不同。
人工智能並不完全依賴於人類的編程水平，每一步的選擇並不是基於人類事先預設好的變化，而是通過學習無數盤比賽後所獲得的“棋力”。
在這種情況下，如果有一天，人類再也無法戰勝人工智能，那就說明人工智能已經從“向人類學習”走向了“超越人類”。
但這種超越，仍舊可以說是站在人類文明的肩膀上實現的。
因為本質上，人工智能仍舊是在用從人類那裏學來的思考方式在下棋。
但誰能斷言，人類三千年的圍棋經驗就是絕對正確的呢？
也許從一開始就有錯誤存在。
畢竟，比宇宙原子還要多的棋局變化，人類探索出的可能性連一億分之一都不到。
可如果完全脫離人類棋譜，兩個大模型自我對弈、自我學習？
對啊，這樣才能真正探索橘子大模型的潛力啊！
如果一直給大模型喂人類的棋譜，讓它學習，人工智能再強，仍舊還是學習人類。
即使打敗了古傑，也隻能說是人類經驗的集大成者。
但是，但是，如果不給大模型喂任何棋譜，也不讓它和人類對弈。隻是讓兩個隻知道圍棋規則的大模型自己對弈，自己分析，自己學習，幾天時間，兩個大模型之間可能就能下上百萬盤棋。
它們可以從一張白紙、沒有任何曆史包袱的情況下去探索圍棋的本質！
這才是人工智能在圍棋上的正確應用！
陸偲和華澤成對視了一眼，兩人都在對方眼中看到了什麽踏馬的叫踏馬的驚喜。
原本他們還在懷疑，這個大模型是不是這個大二的金融學學生搞出來的。
但很明顯，方豫對人工智能的認知遠比他們要深刻得多，否則肯定不可能提出這樣的想法。
而且據說柚子訓練架構和橘子大模型架構還是他和約爾茲教授為了完成計量經濟學的一篇論文，陰差陽錯下搞出來的。
天選人工智能聖體啊。
無論是陸偲還是華澤成，都是有足夠能力進入任何一家大廠做高級研究員、科學家的深度學習領域佼佼者。
文無第一武無第二，做技術的卻不一樣，技術強那就是神，就是會被其他技術人員頂禮膜拜。
方豫裝了個逼，刷了一圈崇敬度後，給私密服務器中的橘子大模型做了個全麵排查。
私密服務器中的橘子大模型，並非陸偲和華澤成他們研究的那個橘子大模型0.12，那個是一個複製品，然後被剝離了所有內容的大模型框架，最初柚子搞出的橘子大模型早已被轉移進了隻有方豫可以登陸的私密服務器中。
經過排查，方豫發現確實如柚子所說，當時這個完整版的橘子大模型錯誤的調用了底層法則，搞出了一個基於關鍵數據的虛擬世界，又在這個靜止虛擬世界中虛擬施法，探測虛擬世界時間線十年後的情況。
不過，這個虛擬施法後的結果很靠譜啊。
方豫仔細查閱了橘子大模型對於十年後的占卜結果，按照橘子大模型的占卜。十年後，英偉達的市值至少會飆升到目前的一百倍！
而比特幣，相比目前的市值，也可能會飆升百倍以上！
雖然選取的都隻是代表性數據進行的占卜，但這個結果確實是有可能的！
方豫想了想，抬手就給老爸打了個電話。
“強哥~我也想要坐你的車，你偏心~”
剛接通，方豫就聽到方大強那邊傳來的靡靡之音，老登夜生活還是這麽豐富啊。
“我兒子電話，別動手動腳！喂~兒砸，是不是缺生活費了？哎呀，爸爸現在也很拮據啊。”方大強又開始用兒子鋪後路。
方豫也不管他說啥，反正方大強又沒放免提，對麵其他人也聽不見，於是開門見山：“爸，我覺得比特幣確實可以囤一些，我準備買一些，建議你也買點。”
“啊？行啊，那你買吧，我就不買了。”聽口氣，方大強狀態很輕鬆。
聽到方大強這麽說，方豫愣了一下：“為啥？”
“你還記不記得，你上高一的時候，有一次你周末回家，我和你江叔正在家裝電腦呢？”
方大強掏了掏耳朵，“當時新裝電腦就是為了挖礦，你江叔叔帶著我一起挖。”
“對，江默然，就是老婆跑了的那個。後來我嫌挖礦太慢，正好這東西那時候也不值錢，大周幣一塊錢一個，我就花了點小錢，從幾個論壇上收了點。”
“收了幾個月，漲到十邁元一百塊的時候我就沒再收了。”
“那時候琢磨的就是，反正是點小錢，萬一以後這玩意兒真搞起來了呢，沒想到後來還真升值了。”
我去？老登夠新潮的，比特幣第一批投資者啊。
“你當時收了多少？”方豫好奇。
“也不多，一共十多萬吧，具體記不清了，回家拿錢包文件看看再告訴你。”
窩草！
十多萬？按照現在四百多邁元的價位，就特麽至少三億大周幣了吧？
果然啊，有錢的人想要變得更有錢，遠比窮人獲得第一桶金更容易。
沒有其他原因，就是因為有錢人可以承擔試錯成本。
即使一個窮人，預見到了比特幣未來會大漲，他也不一定敢下重注，因為賠不起。
而十幾萬，對當時的方大強來說，連一天的利潤都不到，出去請客吃飯哈皮花的都比這個多。隨手拿十幾萬出來買點比特幣，不一定求升值，就是當成玩，結果就能順便賺錢。
方豫當然不會有這種憤世嫉俗的心態。
因為那是他爸。
方大強掛斷電話，坐在摩托車上貼著方大強的女人咬了下方大強的耳朵：“強哥，跟你說個事。”
方大強回過頭，一臉的陽光燦爛：“啥事？說。”
女人咬著嘴唇，眼睛跟有鉤子似的：“我這個月沒來……會不會……”
方大強麵無表情的哦了一聲：“我早結紮了。”
女人當時臉色就僵了。
方大強抬腿下車，點了根煙，抽了幾口，突然開口道：“下車吧。”
女人一下就急了：“強哥，我開玩笑的！”
方大強表情變都沒變：“哦，我沒開玩笑。”
這裏說一下虛擬世界的問題。
有很多書友可能會猜測，會不會這本書寫到最後，結果就是世界是虛擬的，我先說一下，不會，這本書本質上確實有科幻的影子在，但我所用的理論相對比較小眾，確實不是虛擬世界缸中之腦的理論。
主角是超凡，就是超凡，不會寫著寫著就都成虛無了。
另外，詳細說一下上一章橘子大模型的虛擬世界問題。
這裏的虛擬世界，並非大多數人所認知的虛擬世界，可以理解成數字化的世界。
現有的算力無法真正的虛擬出一個世界來，那麽橘子大模型就用主角所開發的強因子模型，挑選出自己的數據集裏麵最具有代表性的數據，由這些數據組成虛擬的世界。
做個類比吧，現實世界如果是2000k像素的分辨率，那橘子所建的虛擬世界像素點位可能隻有128，能看到是什麽東西，但不一定能看清楚。
當然，數據的虛擬世界並非分辨率，而是數據集中的代表性數據，選什麽數據作為代表，對最終的預測準確率有決定性的影響。
而主角在前些章所創造的強因子模型在大數據中的應用和數據清洗的應用，解決的就是這個問題。