[转载]标点符号用法讲座：序次语之后的标点用法、文章标题的标点用法
B.3 序次语之后的标点用法
“第”“其”字头序次语，或“首先”“其次”“最后”等做序次语时，后用逗号（见4.4.3.3）。
不带括号的汉字数字或“天干地支”做序次语时,后用顿号（见4.5.3.2）。
不带括号的阿拉伯数字、拉丁字母或罗马数字做序次语时，后面用下脚点（该符号属于外文的标点符号）。
示例1：总之,语言的社会功能有三点；1.传递信息,交流思想；2.确定关系,调节关系；3.组织生活,组织生产。
示例2：本课一共讲解三个要点：A.生理停顿；B.逻辑停顿；C.语法停顿。
B.3.4 加括号的序次语后面不用任何点号。
示例1：受教育者应履行以下义务：（一）遵守法律、法规；（二）努力学习，完成规定的学习任务；
（三）遵守所在学校或其他教育机构的制度。
示例2：科学家很重视下面几种才能：（1）想象力；（2）直觉的理解力；（3）数学能力。
阿拉伯数字与下脚点结合表示章节关系的序次语末尾不用任何点号。
示例： 3 停顿
3.1 生理停顿
3.2 逻辑停顿
用于章节、条款的序次语后宜用空格表示停顿。
示例：第一课 春天来了
序次简单、叙述性较强的序次语后不用标点符号。
示例:语言的社会功能共有三点：一是传递信息；二是确定关系；三是组织生活。
同类数字形式的序次语，带括号的通常位于不带括号的下一层。通常第一层是带有顿号的汉字数字；第二层是带括号的汉字数字;第三层是带下脚点的阿拉伯数字;第四层是带括号的阿拉伯数字；再往下可以是带圈的阿拉伯数字或小写拉丁字母。一般可根据文章特点选择从某一层序次语开始行文，选定之后应顺着序次语的层次向下行文，但使用层次较低的序次语之后不宜反过来再使用层次更高的序次语。
示例：一、……
（一）……
①/a.……
B.4 文章标题的标点用法
文章标题的末尾通常不用标点符号,但有时根据需要可用问号、叹号或省略号。
示例1：看看电脑会有多聪明,让它下盘围棋吧
示例2：猛龙过江：本店特色名菜
示例3：严防“电脑黄毒”危害少年
示例4：回家的感觉真好
——访大赛归来的本市运动员
示例5：里海是湖，还是海？
示例6：人体也是污染源！
示例7：和平协议签署之后……
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。问题已关闭
问题已失效或过期
围棋没有深入了解过，真的有那么难以及那么多变化么，以及量子计算机出现后极大的数据处理量能否解决。
电脑“深蓝”一举击败国际象棋大师卡斯帕罗夫震惊了西方世界，可这一消息在东方顶多让人打个哈欠而已。　　尽管在日本、中国、韩国和其它国家有很多人钟情于国际象棋，但在那里更流行的还是看上去再简单不过的围棋。这一古老的游戏精深美妙，其之于国际象棋好比东方拳术之于西方拳击。如今的围棋迷们自豪地发现，电脑要想正儿八经地玩一玩这一迄今为止最纯粹的“人类”游戏，还差得远呢。　　台湾的应昌期先生悬赏140万美元征求第一台击败围棋高手的电脑。重赏之下必有勇夫，过去十年来 ，电脑设计家们绞尽脑汁，的确使电脑围棋的本领日渐提高。目前在美国和日本举行的国际电脑围棋年赛，冠军奖金均约为二万五千美元。然而尽管这些冠军们才技鹤立鸡群，但在与学棋约一年的人比赛时仍然不堪一击。初学者便可以横扫当今所有的围棋电脑，用不着有个卡斯帕罗夫。　　“深蓝”能够击败国际象棋冠军，靠的是基本的行棋知识加上强大无比的检索演算能力。而这排山倒海般的能量在围棋的精妙面前完全无能为力。迄今最强的电脑围棋程序之一“多面围棋”的设计者、美国惠普电脑公司的工程师大卫·佛特兰德说：“强力检索对围棋全无作用，你得创造出一个像人一样精明的程序来。”　　要使电脑下出的围棋多少像点样子，必须使其具备辨认各种微妙复杂的图形的能力以及运用自身直觉经验的能力。这种能力正是人类智慧的一大特点。如果真有一天电脑能打败围棋高手，那将标志着人工智能开始成为实实在在的东西了，也将宣告又一个科技时代的到来。　　下围棋时，棋盘上的图形如美丽的花瓣一一展开，人的思维就沉浸于这些图形所构成的美妙世界中，一串串行云流水般的行棋次序犹如一首首如泣如诉的旋律。关键就在于如何使电脑能够谱写并体会这视觉的音乐。表面上看来，围棋似乎比国际象棋简单，而通常人们把象棋比作一场中世纪的战争，围棋则更像是一场烽火连天的世界大战，很多情况下很难说清哪一方领先。在世界专业水平的国际象棋比赛中，如果你丢掉一个兵，棋局的结果在绝大部分情况下便有定论。而在围棋中，也许你在某一局部的生死搏斗中丢盔卸甲，但比赛可能远没有结束，你还可以在别处卷土重来。　　对于电脑来说，国际象棋与围棋的种种区别是无法逾越的巨大鸿沟。由于棋子移动方式的制约，国际象棋棋手在思考下一步棋时，大约只有35种合法选择。“深蓝”等电脑会针对这些选择加以分析，考虑对手的回应以及下几个回合可能出现的情况。最好的国际象棋电脑程序可以分析到七八个回合。这种信息检索选择方式就好比一棵枝叶繁茂的大树：主干分出35个枝干，每个枝干再分成35个树杈，每个树杈再分出35个树枝，依此类推。愈是高级的电脑程序所派生的树杈树枝的层次就愈多，最终达到每一片树叶，即可供选择的结果。如要求电脑能思考到第7个回合，即14步棋，便需要有3514(十万亿以上)片“树叶”。每多一个回合，树叶的数量就有爆炸性的增长。电脑工程师们使电脑能够合理地“剪枝”，仅使一部分而非全部树叶与主干相连。尽管如此，能够思索7个回合的国际象棋电脑每步棋仍然大概有500亿或600亿种选择。　　这样的数字已足够惊人，而电脑下围棋则更不可思议。选择之树的庞大茂密使迄今最强大的电脑也无法承受。通过“剪枝”，还要剩下一亿亿种选择，那么一台与“深蓝”同等速度的围棋电脑(即每秒钟可分析两亿种可能性)每下一子需要想一年半的时间。　　还远不止于此，即使经过如此这般上天入地的检索，围棋电脑在与人对局时并占不了多大便宜。国际象棋电脑在经过大量的信息筛选之后试图找到使其处于最佳位置的那一步棋，所采用的办法是称作价值功能的相当简单的公式：每个兵的价值为1、马和象为3、车为5、后为9，这一数字再与显示棋盘上位置强弱的另一数字相乘，以得出某一棋子在当时的相对值。还有其它一些公式用来决定某些概念的价值量，如王的安全程度或某一棋子受到攻击的可能性等。这些规定虽不一贯正确，但能使电脑对棋局的进展有个大致的感觉并据此做出自己的决断。而围棋则不受这些简单分析的约束。围棋盘上并无像“王”一样的棋子。每颗子都是平等的。统计双方吃子的多寡也不能说明什么问题。有时某一着棋便可以沧海变桑田，将对方苦心经营的领土化为己有，将对方的大龙变为自己的佐餐。　　围棋棋手们是通过对形状的认识来评估棋局的进展，而对这些形状的认识是无法作出几何分析的棋手完全依赖自身的经验去感觉哪些形状是活的或死的、好的或坏的。这一对形状的感觉正是胜负的关键，也是棋手水平高低的关键。棋手不愿浪费自己的棋子去无谓地攻击对方活的形状或无谓地去试图挽救自己死的形状。有时千钧系于一发，高明的棋手也难以作出生死的判断。要赋予电脑这种对形状的感觉，电脑科学家们面临着人工智能领域的基本课题。佛特兰德先生给他的围棋程序“多面围棋”输入一些基本概念，如对领地的认识及对棋子连接的认识，并输入二百多个高层次的战术概念，如“攻击弱棋”、“向处女地进行扩张”、“落后时开始无理地侵入”等。“多面围棋”可辨认一千一百多个不同的形状，每一种形状都有一些可行的手数。像“深蓝”一样，“多面围棋”储存很常用的开局形式及一些惯用套路。依赖这些储存的知识，“多面围棋”每一步棋仅在5至10种可能性中作出选择，而非理想的二百多种。　　给电脑输入一些概念是一回事，而教给它灵活运用这些概念则是另外一回事。可接可不接的棋或可断可不断的棋什么时候应连接或切断?什么时候又无需连接或切断?比起人类对于模糊概念的处理能力，电脑今天还是个婴儿。　　能够击败人类的围棋冠军而赢得应昌期围棋基金会悬赏的140万美元奖金恐怕是个无法实现的梦。该项奖金将于2000年到期。围棋电脑的设计师们希望把截止日期推迟一两个世纪。
——摘自乔治 约翰逊《看看电脑有多高明——让它下盘围棋》
收到三份邀请，还是回答一下吧。&br&&br&我是Facebook的智能围棋darkforest的负责人和第一作者。现在我们最新的darkfmcts3 在KGS上有5d，和目前最好的软件相当，赢了一局Zen，输了一局给DolBaram，被让四子与一位韩国的职业六段一胜一负。收到的评论都是说“下得非常像人”，大局观强，屡见好手，当然偶尔也犯低级错误。相关文章见&a href=&///?target=http%3A//arxiv.org/abs/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&arxiv.org/abs/&/span&&span class=&invisible&&0&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&，目前投稿于ICLR 2016。&br&&br&如知友所说，我们用了DCNN（深度卷积神经网络）进行模式匹配再加MCTS（蒙特卡罗树）搜索的办法。DCNN其实要比简单的开局库或者搜索引擎要厉害得多，在看过十几万局棋之后，它会有比较强的泛化能力，或者通俗地说是举一反三的能力。围棋虽说是“千古无同局”，但在局部及开局还是有很多相似或者相同的模式会反复出现，DCNN能够抓住这些模式并且在实战中灵活运用。完全不用搜索的DCNN挂在KGS上就有3d的水平，这是非常让人吃惊的，甚至比我们通过搜索能达到5d更让人吃惊，我们只在这个项目上花了五个月的时间，若是用传统方法来做这个模式识别，估计耗时几年1k都不一定上得了（要是这样我也不会开这个项目了）。&br&&br&单单拿游戏的状态个数去比较它们的难度，是不准确的。有很多状态空间广阔但是易解的例子。比如状态空间的估值函数很平滑，用一个简单的函数就容易拟合，在这种情况下即使状态数目是无穷大（比如说连续相空间），问题也不难。让计算机投篮，出手的方向，速度，篮球的旋转，每个变量都是连续因而有无限可能，但是计算机试几次之后很快就能找到最优解。又比如状态空间存在可以用数学表达的全局结构，这样用贪心法或者动态规划也可以很快地解决，其难度和状态个数就无关。比如说棋盘上放些黑子作障碍物，要求白子从左上角走到右下角，那哪怕是千路万路棋盘，尽管可能的路径有指数条，一个最短路径搜索也就可以搞定了。&br&&br&围棋难的地方在于它的估值函数非常不平滑，差一个子盘面就可能天翻地覆，同时状态空间大，也没有全局的结构。这两点加起来，迫使目前计算机只能用穷举法并且因此进展缓慢。但人能下得好，能在几百个选择中知道哪几个位置值得考虑，说明它的估值函数是有规律的。这些规律远远不是几条简单公式所能概括，但所需的信息量还是要比状态空间本身的数目要少得多（得多）。现在的深度学习能在大量对局中找到这样的一些规律，但仍然没有人脑厉害。这一方面说明我们现在算法的局限性，另一方面它还有巨大的发展空间。&br&&br&一句话，穷举状态并不是最终目标，就算以后超超级计算机能做到这一点，也不能说解决了人工智能。只有&b&找到能学出规律的学习算法，才是解决问题的根本手段&/b&。像NP-hard的问题也是如此，不太可能会在多项式时间内被一个简单算法解决，也不太可能需要超级计算机穷举解决，而是会被过去的大量经验加上适当搜索解决。这个方向最近开始有一些文章了（比如说用深度学习解决旅行商问题），我觉得这是个有趣的方向。 &br&&br&另外，创造力并不是什么特别神秘的东西，除开少数天才之外，大部分的创造工作其实是对于事物高层抽象的理解，联系和搬运。大家都知道创造是需要素材的，艺术家只有体会大自然才有作品，小说家要去体验现实才有灵感，工程师要看过大量前人的轮子才能造出更好的轮子。从机器学习的角度来说，素材就是给自己大脑的训练样本，在从这些样本中抽取别人不曾抽取到的共同点，找到潜在的联系及局限性，创造力就会自然而然地产生。现在机器不如人的地方就是它抽取的效率太低，需要大量的样本，而人脑在过去经验加上更有效算法的基础上，（似乎）只要几个样本就可以做到。如何让计算机也做到这一点？我们还需要进一步的研究。&br&&br&最近去开NIPS和D-Wave的几个人聊过，大概知道量子计算现在的水平。量子计算现在主要有两个问题，其一是条件太苛刻，其二是只能解决特定问题。要让这个量子计算机工作，需要放在比绝对零度高零点零几度的超低温下，并且工作时间不能太长，不然一旦量子态退相干就没有用了。我觉得人脑应该不具备这个条件。然后D-Wave的系统只能解决特定优化问题（马尔可夫随机场，MRF）。谷歌前一阵子宣称，他们的量子计算机比现有的计算机快一亿倍，就是在D-Wave原型上开发的，也同样是解这个特定问题。如果细看他们发表的文章就会发现，他们比较的对象是最简单性能最差的模拟退火经典算法，这个算法用过的人都知道，经常等到猴年马月都没有动静的。如果他们和量子蒙特卡罗方法（注意这是个模拟多体薛定谔方程的经典算法，可以在现有计算机上跑，名字比较误导人 ）比较，其实没差多少，没看出有什么特别大的进展，要真正能证明比传统的计算机好，需要制备更多的量子态，然而如何让它们不会退相干，又是个令人头疼的问题。而多用途的量子计算机，即用量子门搭出来的计算机，现在还处于比较早期的阶段。当然我对这个领域不太熟悉，所以也无法对此作非常细致的评判，但还是那句话，穷举并不是人脑采取的手段，也不应该是人工智能采取的手段，以后即便用量子计算机做人工智能，还是要以从数据中学出规律为目标的。
收到三份邀请，还是回答一下吧。我是Facebook的智能围棋darkforest的负责人和第一作者。现在我们最新的darkfmcts3 在KGS上有5d，和目前最好的软件相当，赢了一局Zen，输了一局给DolBaram，被让四子与一位韩国的职业六段一胜一负。收到的评论都是说“下得非…
我这个围棋的门外汉来回答一个轻松的答案。&br&&br&遥想第一次和电脑下棋是在小时候的电视游戏机上，当时下中国象棋被计算机虐成马。记得后来经常叫上爷爷，他说怎么走，然后我就照着下，偶尔可以赢电脑（中国象棋）。&br&&br&第一次正儿八经地接触AI围棋是在同济大学一次微软的宣讲会上。当时李开复老师（他还是微软的副总裁）带着許峰雄博士来到同济的大礼堂宣讲。会上，许博士详细回忆了自己在卡耐基梅隆大学读博时研究机器学习的历程，以及在IBM时期制造国际象棋电脑“深蓝”和如何训练“深蓝”的过程（感觉就是启发式搜索和优化减枝的过程）；徐博士还回答了一些有趣的问题，比如：“能否两台机器之间互相对弈然后提高”。最后有一个关于围棋（Go）的问题，徐博士回答了得非常详细：他先介绍了围棋电脑程序的现状，说当时最厉害的围棋程序，普通人只要稍微训练下围棋大概3个月就能战胜它。他还给出解释说，国际象棋（他是台湾人，说的是西洋棋）的状态复杂度是 2^64 次方，而围棋则达到 2^128 次方，所以在这样大的状态空间下，当时的计算机程序没发很好地在短时间内找到最优解。那时是 2004 年。&br&&br&现在一晃眼12年过去了，我也幸运地进入CMU读书，成为许博士的校友，也实地去到CMU的人工智能和机器学习实验室，看下当今最热的这个研究领域都是些什么牛人在做。而后在Facebook，也因为我们收购了&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&和后续挖来了deep learning的开拓者导致我们Facebook AI lab在业界名声大噪。也是因为Facebook这个平台，我结识了算是同事或者CMU学长的 &a data-hash=&be0d3bb133ad0151eefd188& href=&///people/be0d3bb133ad0151eefd188& class=&member_mention& data-editable=&true& data-title=&@田渊栋& data-tip=&p$b$be0d3bb133ad0151eefd188&&@田渊栋&/a& 大牛。看过他的很多回答和专栏文章，都很喜欢，而且文字非常inspiring。&br&&br&直到前两天在 Zuck 的 news feed 上看到下面的一段话，着实对他佩服：&br&&img src=&/5cefeb9cbceb_b.png& data-rawwidth=&504& data-rawheight=&672& class=&origin_image zh-lightbox-thumb& width=&504& data-original=&/5cefeb9cbceb_r.png&&Zuck先是简单说了下 Go（围棋）的AI现状和Facebook AI lab的工作，然后说Facebook AI lab可以在0.1秒内做出和之前系统一样好的判断。而后点名表扬了田渊栋的成绩（对了，他的工位就在Zuck旁边20英尺处）。Zuck的原话：&br&&blockquote&The researcher who works on this, Yuandong Tian, sits about 20 feet from my desk. I love having our AI team right near me so I can learn from what they're working on.&/blockquote&&br&附上田哥论文的链接：&br&&a href=&///?target=http%3A//arxiv.org/abs/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&arxiv.org/abs/&/span&&span class=&invisible&&0&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&以及 Zuck feed 中视频链接：&a class=& wrap external& href=&///?target=http%3A///v_show/id_XMTQ1ODc2OTQwMA%3D%3D.html%3Ffrom%3Dy1.7-1.2& target=&_blank& rel=&nofollow noreferrer&&AI go 围棋人工智能—在线播放—优酷网，视频高清在线观看&i class=&icon-external&&&/i&&/a&&br&当然，Zuck的帖子下面的评论也是各国群众秀智商下限：&br&&img src=&/e657b3e30d7b9c_b.png& data-rawwidth=&513& data-rawheight=&606& class=&origin_image zh-lightbox-thumb& width=&513& data-original=&/e657b3e30d7b9c_r.png&&有人问，以后是不是都是AI选手在下棋了？还要人干嘛？ 有人鼓励说“田哥威武！加油”。有人问：“如果AI和人一样聪明了，对于人类是不是巨大的威胁？” 还有人问：“你娶你老婆 Priscilla Chan 是不是为了让Facebook进中国？”（我看得醉了。。。）&br&&br&当然，今天最火的莫过于几个小时前Nature的发文：&a href=&///?target=http%3A///news/google-ai-algorithm-masters-ancient-game-of-go-1.19234& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Google AI algorithm masters ancient game of Go : Nature News & Comment&i class=&icon-external&&&/i&&/a& ： Google DeepMind实验室的 AlphaGo 程序把欧洲围棋冠军 Fan Hui 干翻了，5：0直接碾压。同时 AlphaGo 99.8%的胜率可以干掉其他的围棋程序。另外，AlphaGo 已经和韩国职业
Lee Sedol（公认现在围棋的世界第一选手）预约好了三月份的一场比赛。让我们所有人拭目以待吧！&br&&br&最后推荐一篇
&a data-hash=&be0d3bb133ad0151eefd188& href=&///people/be0d3bb133ad0151eefd188& class=&member_mention& data-editable=&true& data-title=&@田渊栋& data-tip=&p$b$be0d3bb133ad0151eefd188&&@田渊栋&/a& 的专栏文章：&a href=&/yuandong/& class=&internal&&&span class=&invisible&&http://&/span&&span class=&visible&&/yuan&/span&&span class=&invisible&&dong/&/span&&span class=&ellipsis&&&/span&&/a& 里面有着他这一年来的心路历程。之前在张溪梦先生聊天的时候，说到在湾区的老美公司打拼，一个中国人要付出三倍左右的努力，才能达到一个白人获得的同样的成就。所以田哥这一路来着实不容易；我能体会他的文章里所提到的艰辛。希望Facebook提供的平台能让他觉得从Google跳槽Facebook是一个无比正确的决定。&br&&br&借用他的文字结尾：&br&&blockquote&&p&我有时候会问自己：“我是不是背弃了梦想？”我想除了我自己，任何人都不会给我答案，任何评论也不具效力。我记得有人问过，如果梦想从践行的一开始，就在不自觉地向现实妥协，那样的梦想还是最初的梦想么？其实，这样的问题没什么可纠结的，因为世界从来就不是二元的，梦想和现实，如同高悬的日月，日月之间，有一条灰色的路，在自己脚下蜿蜒曲折，绕过各种险阻，一直向前。&/p&&br&&p&而我能做的，只是要在奔跑时，不停提醒自己，还记得“梦想”这个词的含义。&/p&&/blockquote&&br&对了，突然想到忘记说了：我大二的时候非常喜欢看棋魂，一周内把所有棋魂集数都看完了 --- 真是非常经典的动画片。来，让我们重温一集：&a class=&video-box& href=&///?target=http%3A///v_show/id_XMjk4MjE4NTY4.html%3Ffrom%3Dy1.2-2.4.55& target=&_blank&&
&img class=&thumbnail& src=&/C8BF6A0A4B63AE57198F&&&span class=&content&&
&span class=&title&&棋魂&span class=&z-ico-extern-gray&&&/span&&span class=&z-ico-extern-blue&&&/span&&/span&
&span class=&url&&&span class=&z-ico-video&&&/span&/v_show/id_XMjk4MjE4NTY4.html?from=y1.2-2.4.55&/span&
&/a&&br&&br&--- 在希望的田野上
我这个围棋的门外汉来回答一个轻松的答案。遥想第一次和电脑下棋是在小时候的电视游戏机上，当时下中国象棋被计算机虐成马。记得后来经常叫上爷爷，他说怎么走，然后我就照着下，偶尔可以赢电脑（中国象棋）。第一次正儿八经地接触AI围棋是在同济大学一次微…
已有帐号？
无法登录？
社交帐号登录
独上高楼，望尽天涯路。商品名称：
评价得分：
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
此评价对我
多品类齐全，轻松购物
快多仓直发，极速配送
好正品行货，精致服务
省天天低价，畅选无忧无法找到该页
无法找到该页
您正在搜索的页面可能已经删除、更名或暂时不可用。
请尝试以下操作：
确保浏览器的地址栏中显示的网站地址的拼写和格式正确无误。
如果通过单击链接而到达了该网页，请与网站管理员联系，通知他们该链接的格式不正确。
单击按钮尝试另一个链接。
HTTP 错误 404 - 文件或目录未找到。Internet 信息服务 (IIS)
技术信息（为技术支持人员提供）
转到 并搜索包括&HTTP&和&404&的标题。
打开&IIS 帮助&（可在 IIS 管理器 (inetmgr) 中访问），然后搜索标题为&网站设置&、&常规管理任务&和&关于自定义错误消息&的主题。