阿尔法狗 4:1大胜人类冠军后，也重新定义了人类_财经频道_华讯财经
阿尔法狗 4:1大胜人类冠军后，也重新定义了人类
　　五局战罢，阿尔法4：1大胜。现在不管谈论什么，估计人们最渴望的是三件事情。
　　第一，看一看狗A和狗B之间高水准的战斗棋谱，它们是当世真正的高手。这就如金庸小说里嗜好武功的人，一窥更高的武学境界，是毕生的福分。越是九段超一流，越是心痒难忍。
　　第二，Deep Mind 宣布，阿尔法狗不参考人类棋谱，完全自我演化三个月。三个月之后，机器会是什么水准，与人类几千年经验积累的比较，会有什么不同，相信只要懂一点围棋，就会知道这事情是多么令人激动。
　　第三，围棋是透明游戏里的圣杯(Deep Mind 的创始人Hassabis原话)，在占领这一高地之后，人工智能还将寻找哪一个对手?麻将吗?德扑吗?呵呵。
　　前面两个问题，都是围棋弈者关心的，而最后一个问题，却是所有人都在讨论的&&钛媒体此前已有文章讨论《赢了围棋冠军不算什么，阿尔法狗敢不敢挑战麻将?》。确实，围棋是一种透明的策略游戏，对手不隐藏、不欺骗、不作弊，双方较量的是公开透明的智力，但是麻将、德扑等却是不透明的策略游戏，充满了人类的欺骗、设局、隐瞒的技巧，看上去，人工智能毫无优势可言。
　　其实，阿尔法狗这样的人工智能，已经完全有能力从已有信息中捕捉概率，做出抉择，譬如麻将，人工智能从已经出的牌，分析出可能的胡局，譬如德扑里的种种心理战，人工智能能从以往的中，判断出牌的可能性。
　　在接受卫报的专访时，Hasssabis表示，人工智能有兴趣继续深入&信息不对称&的游戏，譬如扑克&&其中含义是，这是继续优化算法的道路，属于1到100，并非不可逾越的障碍。学界也早有共识，无论透明还是不透明游戏，只要是有确定的规则和边界，人工智能(互联网、电脑、机器，不管你怎么称呼)必将胜出。
　　十年以后，再回看这一次世纪大战五局棋，很可能会发现，这是人类从互联网转向人工智能的一个标志性事件。互联网重点解决的是&人际交流&，人工智能将重点解决&人机交流&。
　　从整个技术史来看，一条贯穿于历史长河里的规则正越来越清晰&&人类社会的各种信息交换，无论人际之间(互联网)，还是人机之间(人工智能)，正朝着更快捷、更简单、更明确的方向，越来越快地推进。也就是说，消除信息的不对称，让一切决策变得更透明简单，正是技术发展史的前进目标。
　　让买卖双方直接见面!互联网重点解决&人际&交流
　　互联网改变的是&人际之间&的信息沟通模式，电话、手机、Twitter、微信，等等，无不在加速人与人之间的信息沟通。世界里翻天覆地的变化，也已证明了这一点&&不管哪个行业，只要内部信息的沟通还不够清晰，不够快捷，不够确定，互联网就一定会来更新和颠覆。
　　Uber是一个很好的例子。基于互联网和大数据的基础之上，Uber在司机和乘客之间建起了一条信息的桥梁。乘客可以通过手机定位快速清楚的找到Uber司机，同时司机也无需漫无目的的扫马路。既节省了时间，又利于环保和交通。宰客、拒载、绕路，以及失物无处寻找，原来出租车的种种陋习，都因为GPS定位、司机身份绑定、支付闭环确认等，变得无处逃遁。原来复杂的信息沟通模式，在技术变革下变得透明。
　　Airbnb也是一个好例子，原来的供应商(房东)和需求方(房客)之间根本没有信息交流的通道，现在房东在网上挂出自己的房子，房客直接下单，彼此的信息沟通非常透明。这种新的信息沟通路径，创造了新的价值，房东获得了额外的收入，而房客增加了选择性&&这意味着社会整体福利的增加。
　　租售行业里，也有一种好例子。最近链家出事，虽然最终聚焦在环节，但是房屋租售中介的黑乱差，才是行业的真正问题所在。因为，一个行业的信息沟通，应该越透明，交易成本才越低，但是这个行业只要以中介公司为核心，就摆脱不了原来的中介弊病(譬如，各种黑中介的陋习)，摆脱不了原来的门店基因(譬如，垄断周边信息的习惯)，摆脱不了原来的业务思维(譬如，表面上为客户服务，其实是以中介利益为核心)。
　　最近新崛起的房多多、互助买卖等互联网平台，就显示了一种信息透明化的趋势&&让买卖双方直接见面!平台帮助办理过户手续。这意味着买卖双方可以节省巨大的时间和金钱成本。去年以来，这类&买卖直接见&的交易模式，在上海变得越来越流行。
　　领域的变化也很相似。马化腾在今年两会上提出，医疗系统最大的问题并不是投入太少，而是医疗系统之间、医生之间、病人之间的&信息孤岛&问题，人人自我封闭，医疗系统就举步维艰。同样，出现了一些创业项目，专注解决行业内的&信息不透明&。优医是一个好例子，它推出的&优医在线服务&，聚集了将近2000个外的肿瘤专家，一开始是医生之间的线上业务交流，逐步发展成为肿瘤病人的咨询、分流平台，目前已经聚集了越来越多的肿瘤病人。
与 文章关键字：
相关的新闻
相关报道相关报道
网友点击排行AlphaGo首出Bug，围棋第三代算法的死穴在哪儿？ - 今日头条()
AlphaGo首出Bug，围棋第三代算法的死穴在哪儿？
（本文正在参与钛媒体最新竞拍话题【围观AlphaGo大战世界围棋冠军：机器战胜人到底是不是忽悠？】的竞拍，如果持有不同见解，钛妹欢迎你来参与竞拍，观点PK，不服来战！）再可怕的怪物也是有弱点的，AlphaGo为什么会下臭棋让大家大跌眼镜，围棋人工智能第二代第三代的死穴是什么？围棋人工智能第三代的死穴在哪儿？韩国围棋界曾获得多项世界冠军的职业九段李世石对阵谷歌计算机AlphaGo的人机大战，三连败之后，执白棋居然扳回一局。大众把此场围棋人机大战看得太重，看作人脑跟电脑的彻底较量，其实不然，因为比试的只是围棋一样东西。围棋人机大战人类若输了，不等于人脑就从此比不上电脑了。实际上，围棋虽然变化复杂，但理论上并非变化无穷。毕竟可以看作一道数学题目，可以用计算机来编程运算从而得到解答。假以时日，人类在下棋这一方面迟早难以与电脑匹敌。就算李世石三连败之后能扳回两局，那就怎么样呢？下围棋这一方面人类迟早是敌不过人工智能的。围棋人工智能第一代算法使用的就是穷举法，试图把所有的下法都算出来，然后选择必胜的下法。但是因为围棋的变化委实太多，暂时无法办到。第二代算法，是抽样评估选择胜率最高的算法，大大减省了运算量，使人工智能终于能跟业余围棋选手较量。谷歌AlphaGo是第三代算法，利用人工智能自我学习的能力使己身棋力突飞猛进。看上去似乎已能辗压世界顶尖职业高手的AlphaGo，第四局居然爆冷下臭棋落败，是出了什么问题？Alpha Go的算法是有问题的。第三代算法的问题实际上也是第二代算法的问题，因为第三代算法是基于第二代算法的抽样评估再加以自我学习。就算Alpha Go可以自己跟自己下棋提升棋力，它之所以能这样下棋还是基于抽样评估。抽样评估是有弱点的。胜率高的下法不一定就是正确的下法，毕竟这只是统计。有些冷门下法，也许反而能出奇制胜。Alpha Go下臭棋时思考速度特别快恰恰说明此时的样本少。李世石78手是奇招，会下这一手的棋手很少，AlphaGo按照程序运算的结果自以为李世石胜算不高，特别快地作出了反应。这是一个天大的错误。跟围棋程序下过棋的棋手都有这么一种感觉：电脑在劣势时应对特别混乱。不单AlphaGo，Zen也是这样。因为电脑处于胜率低的情况已经不好思考了。按照样本统计，处于胜率低的情况下当然是落败的多，反败为胜的样本可不好找。胜率越低的情况，AlphaGo的思路越混乱。在极端情况下，也许找到的样本中胜率低的一方已经投子认输了，没有后续的棋谱，AlphaGo于是不懂该怎么办了。Alpha Go的失败也是人类的失败，毕竟的程序也是人类编出来的。另一方面，也是因为算法基于人类的样本，导致了AlphaGo的失败。如果有应对李世石那一招的样本，AlphaGo也不至于如此判断出错。Alpha Go之父哈萨比斯说：“AlphaGo的训练并没有专门针对李世石先生，而是像对普通棋手比赛前一样，做的只是日常的准备。AlphaGo备战就是从网上下载很多业余棋手的棋谱研究，没有什么特别之处。”随后又说，“要针对某一个棋手备战也很难，我们至少需要数百万甚至上亿的棋谱，才能整体提供给AlphaGo，它才能接收并进行深度学习。”哈萨比斯的话也证实了围棋人工智能第二代第三代的死穴，也就是样本评估的问题。像李世石反败为胜这样的奇招，能找到的样本实在太少。AlphaGo明显需要有大量职业棋手的优质且非常全面的对局作为参考，这可不好办到。围棋贴目难题仍待解决第四局，李世石执白棋反而能获胜，这是一件很匪夷所思的事。因为黑棋有先手优势，胜率更高。围棋人机大战引出了一个长期困扰围棋界的问题，就是围棋规则中关于贴目的规定。不玩围棋的人可能不知道，但围棋迷都清楚。执黑棋的棋手是先手，享有优势，故为了公平起见，黑方需要向白方贴目。1949年（昭和24年）日本棋院围棋规则规定：黑方贴4目半。从1955年的第3期王座战起，黑棋贴目从4目半改为5目半。但是根据统计，黑方仍然占了优势。截止到2001年底，在日本棋院近5年来进行的1.5万盘正式公开棋赛对局中，（黑贴5目半的情况下）黑棋胜率达到了51.86%。执黑执白的胜率之差虽然不大，但在争夺激烈的围棋大赛上，这样的差距足以致命。在国际棋赛中实力明显占优的韩国率先在大多数棋赛中改用6目半制。中国也从2002年春天起，全部改贴3又3/4子（相当于7目半）。日本棋院对于实行了50年的黑棋贴5目半的制度也实行了改革，将部分比赛向中韩靠拢， 2003年开始全部采用黑棋贴6目半规则。截止到2014年底，中国大陆主办的贴3又3/4子（相当于7目半）的世界大赛共有380盘对局，其中黑胜200局，胜率为52.6%（前3届春兰杯相当于贴5目半，未计入）。而台湾举办的应氏杯（贴8点，也相当于7目半）则是黑胜100局，白胜97局。由此可见，即便是贴7目半，黑方似乎还是略占优势。那么，到底黑方要向白方贴目多少才绝对公平？目前这个数值只是根据大量人类对局作统计得出的，并非数学上的完美无懈的解答。也许，让AlphaGo学金庸武侠小说中的周伯通和郭靖左右互搏，自己左手跟右手下棋，然后通过大量内战结果统计出贴目的合理数值？No，这也不是完美的解答。前面说过，AlphaGo之所以能自己跟自己下棋，还是基于对人类对局的抽样评估。这跟直接对人类对局进行统计没什么两样。完美的解答，还是要回到最初，用最原始的穷举法，找出下围棋的最优解。这样，才能彻底制订贴目的数值。只是不知道，运算量这么大的工程，不知道要到什么时候才能实现？我们倒是可以设想一下围棋得到彻底破解之后的情景：某国际围棋大赛在万众瞩目下开始了，执黑棋的棋手才下了第一子，裁判当即宣布，执白棋的棋手不用下了，比赛结果已定，谁胜谁负或是打成平手已经水落石出。观众一片欢呼。AlphaGo玩麻将怎么样兼论桌游设计的随机性围棋人机大战人类虽然输了，但有些网友表示，人类的智慧还有中国麻将守着（详见钛媒体文章《赢了围棋冠军不算什么，阿尔法狗敢不敢挑战麻将？|钛搞了》）。但中搜网络创始人、北京围棋业余赛冠军陈沛对采访他的记者说：“要是麻将，人类会输得更惨！麻将一共就那么多张，很容易算出来的。”然而，陈沛的话其实是错的。假设有个傻大木，他都不太会玩麻将，但他就是运气好到爆棚，一开局就自摸十三幺，请问AlphaGo可有破解高招？麻将这类棋牌游戏因为随机抽牌，是有运气成分的。有网友就戏言：假如打麻将时三个人联手对付AlphaGo，AlphaGo会输得很惨。这虽然是作弊了，但也道出了一个大问题：在多人游戏中，局面变得异常复杂，人工智能要如何才能应对？比如说，三个人跟Alpha Go打麻将，虽然没人作弊，但是甲玩家技术不行打错了牌导致乙玩家得利，这是Alpha Go所无法控制的。说起来，AlphaGo要学习打麻将，也是得基于对大量人类对局的样本评估。Alpha Go只能弄明白什么样的打法胜率较高，然而打麻将并没有所谓必胜的打法。围棋的棋子摆在棋盘上是明眼可见的。不知大家有没有听说过一种“暗棋”，就是将象棋的棋子反过来盖上再玩的。陆战棋也有暗棋的玩法。麻将其实也跟暗棋玩法类似，牌是盖起来玩的。盖起来的棋牌是什么，还得猜测。Alpha Go顶多是通过计算进行评估，盖起来的棋牌是什么的可能性比较大，不可能准确推理得到唯一结果。也就是说Alpha Go永远无法进化到100%获胜的地步。围棋没有运气成分，而麻将有着运气成分，两者都有自己的魅力。广义上，围棋、麻将这些棋牌游戏，其实是属于桌游的范畴。围棋的英文是“Go”，AlphaGo的“Go”就从此而来。围棋跻身BGG桌游排行榜前100名，是中国棋牌类游戏排名最高的。在民间，实际上像象棋、围棋这类没有运气成分的棋牌（桌游）已渐趋没落。现在关注围棋人机大战的网友，又有多少人是围棋迷呢？因为大众想要的更是娱乐，像象棋、围棋这类没有运气成分的，玩起来水平发挥比较稳定，高手就是高手，一般人很难赢得了，除非你能找到棋力刚巧跟你一个水平档次的，不然玩起来没意思，强的太强弱的过弱。故此，新兴桌游的设计宗旨，都是要保证随机性，要有运气成分。像万智牌、游戏王和炉石传说之类随机抽牌，飞行棋、大富翁之类掷骰子，都是产生随机数，带来运气成分。有了运气成分，所有玩家发挥出来的水平就不至于相差太远，能凑到一起玩个痛快。另一方面，没有运气成分的棋牌（桌游），因为理论上一定存在最优解，最优解一旦出来后，肯定让人兴致大减。围棋就是因为变化委实太多，至今仍未有最优解，所以能存活到今天。现在，AlphaGo并没有彻底击败李世石，看起来围棋的生命力仍然很顽强。（本文首发钛媒体）
我下载象棋大师，级别调到大师级。打开qq游戏。找个房间坐好，用电脑和对方对弈。目前996胜22平1负。未来可能一个小孩学点围棋基本功，只要带着耳机，便可打遍天下无敌。
(C) 2016 今日头条
违法和不良信息举报电话：010-
公司名称：北京字节跳动科技有限公司/北京字节跳动网络技术有限公司AlphaGo首出Bug，围棋算法的死穴在哪儿？
韩国围棋界曾获得多项世界冠军的职业九段李世石对阵谷歌计算机AlphaGo的人机大战，三连败之后，执白棋扳回一局。
大众把此场围棋人机大战看得太重，看作人脑跟电脑的彻底较量，其实不然，因为比试的只是围棋一样东西。围棋人机大战人类若输了，不等于人脑就从此比不上电脑了。
实际上，围棋虽然变化复杂，但理论上并非变化无穷。毕竟可以看作一道数学题目，可以用计算机来编程运算从而得到解答。假以时日，人类在下棋这一方面迟早难以与电脑匹敌。就算李世石三连败之后能扳回两局，那就怎么样呢？下围棋这一方面人类迟早是敌不过人工智能的。
围棋人工智能第一代算法使用的就是穷举法，试图把所有的下法都算出来，然后选择必胜的下法。但是因为围棋的变化委实太多，暂时无法办到。
第二代算法，是抽样评估选择胜率最高的算法，大大减省了运算量，使人工智能终于能跟业余围棋选手较量。
谷歌AlphaGo是第三代算法，利用人工智能自我学习的能力使己身棋力突飞猛进。看上去似乎已能辗压世界顶尖职业高手的AlphaGo，第四局居然爆冷下臭棋落败，是出了什么问题？
Alpha Go的算法是有问题的。第三代算法的问题实际上也是第二代算法的问题，因为第三代算法是基于第二代算法的抽样评估再加以自我学习。就算Alpha Go可以自己跟自己下棋提升棋力，它之所以能这样下棋还是基于抽样评估。
抽样评估是有弱点的。胜率高的下法不一定就是正确的下法，毕竟这只是统计。有些冷门下法，也许反而能出奇制胜。
Alpha Go下臭棋时思考速度特别快恰恰说明此时的样本少。李世石78手是奇招，会下这一手的棋手很少，AlphaGo按照程序运算的结果自以为李世石胜算不高，特别快地作出了反应。这是一个天大的错误。
跟围棋程序下过棋的棋手都有这么一种感觉：电脑在劣势时应对特别混乱。不单AlphaGo，Zen也是这样。因为电脑处于胜率低的情况已经不好思考了。按照样本统计，处于胜率低的情况下当然是落败的多，反败为胜的样本可不好找。胜率越低的情况，AlphaGo的思路越混乱。在极端情况下，也许找到的样本中胜率低的一方已经投子认输了，没有后续的棋谱，AlphaGo于是不懂该怎么办了。
Alpha Go的失败也是人类的失败，毕竟的程序也是人类编出来的。另一方面，也是因为算法基于人类的样本，导致了AlphaGo的失败。如果有应对李世石那一招的样本，AlphaGo也不至于如此判断出错。
Alpha Go之父哈萨比斯说：“AlphaGo的训练并没有专门针对李世石先生，而是像对普通棋手比赛前一样，做的只是日常的准备。AlphaGo备战就是从网上下载很多业余棋手的棋谱研究，没有什么特别之处。”随后又说，“要针对某一个棋手备战也很难，我们至少需要数百万甚至上亿的棋谱，才能整体提供给AlphaGo，它才能接收并进行深度学习。”
哈萨比斯的话也证实了围棋人工智能第二代第三代的死穴，也就是样本评估的问题。像李世石反败为胜这样的奇招，能找到的样本实在太少。AlphaGo明显需要有大量职业棋手的优质且非常全面的对局作为参考，这可不好办到。
围棋贴目难题仍待解决
第四局，李世石执白棋反而能获胜，这是一件很匪夷所思的事。因为黑棋有先手优势，胜率更高。
围棋人机大战引出了一个长期困扰围棋界的问题，就是围棋规则中关于贴目的规定。不玩围棋的人可能不知道，但围棋迷都清楚。执黑棋的棋手是先手，享有优势，故为了公平起见，黑方需要向白方贴目。
1949年（昭和24年）日本棋院围棋规则规定：黑方贴4目半。从1955年的第3期王座战起，黑棋贴目从4目半改为5目半。但是根据统计，黑方仍然占了优势。截止到2001年底，在日本棋院近5年来进行的1.5万盘正式公开棋赛对局中，（黑贴5目半的情况下）黑棋胜率达到了51.86%。执黑执白的胜率之差虽然不大，但在争夺激烈的围棋大赛上，这样的差距足以致命。
在国际棋赛中实力明显占优的韩国率先在大多数棋赛中改用6目半制。中国也从2002年春天起，全部改贴3又3/4子（相当于7目半）。日本棋院对于实行了50年的黑棋贴5目半的制度也实行了改革，将部分比赛向中韩靠拢，2003年开始全部采用黑棋贴6目半规则。
截止到2014年底，中国大陆主办的贴3又3/4子（相当于7目半）的世界大赛共有380盘对局，其中黑胜200局，胜率为52.6%（前3届春兰杯相当于贴5目半，未计入）。而台湾举办的应氏杯（贴8点，也相当于7目半）则是黑胜100局，白胜97局。由此可见，即便是贴7目半，黑方似乎还是略占优势。
那么，到底黑方要向白方贴目多少才绝对公平？目前这个数值只是根据大量人类对局作统计得出的，并非数学上的完美无懈的解答。
也许，让AlphaGo学金庸武侠小说中的周伯通和郭靖左右互搏，自己左手跟右手下棋，然后通过大量内战结果统计出贴目的合理数值？No，这也不是完美的解答。
前面说过，AlphaGo之所以能自己跟自己下棋，还是基于对人类对局的抽样评估。这跟直接对人类对局进行统计没什么两样。
完美的解答，还是要回到最初，用最原始的穷举法，找出下围棋的最优解。这样，才能彻底制订贴目的数值。只是不知道，运算量这么大的工程，不知道要到什么时候才能实现？
我们倒是可以设想一下围棋得到彻底破解之后的情景：某国际围棋大赛在万众瞩目下开始了，执黑棋的棋手才下了第一子，裁判当即宣布，执白棋的棋手不用下了，比赛结果已定，谁胜谁负或是打成平手已经水落石出。观众一片欢呼。
AlphaGo玩麻将怎么样兼论桌游设计的随机性
围棋人机大战人类虽然输了，但有些网友表示，人类的智慧还有中国麻将守着（详见钛媒体文章《赢了围棋冠军不算什么，阿尔法狗敢不敢挑战麻将？|钛搞了》）。但中搜网络创始人、北京围棋业余赛冠军陈沛对采访他的记者说：“要是麻将，人类会输得更惨！麻将一共就那么多张，很容易算出来的。”
然而，陈沛的话其实是错的。假设有个傻大木，他都不太会玩麻将，但他就是运气好到爆棚，一开局就自摸十三幺，请问AlphaGo可有破解高招？
麻将这类棋牌游戏因为随机抽牌，是有运气成分的。
有网友就戏言：假如打麻将时三个人联手对付AlphaGo，AlphaGo会输得很惨。这虽然是作弊了，但也道出了一个大问题：在多人游戏中，局面变得异常复杂，人工智能要如何才能应对？
比如说，三个人跟Alpha Go打麻将，虽然没人作弊，但是甲玩家技术不行打错了牌导致乙玩家得利，这是Alpha Go所无法控制的。
说起来，AlphaGo要学习打麻将，也是得基于对大量人类对局的样本评估。Alpha Go只能弄明白什么样的打法胜率较高，然而打麻将并没有所谓必胜的打法。
围棋的棋子摆在棋盘上是明眼可见的。不知大家有没有听说过一种“暗棋”，就是将象棋的棋子反过来盖上再玩的。陆战棋也有暗棋的玩法。麻将其实也跟暗棋玩法类似，牌是盖起来玩的。盖起来的棋牌是什么，还得猜测。Alpha Go顶多是通过计算进行评估，盖起来的棋牌是什么的可能性比较大，不可能准确推理得到唯一结果。也就是说Alpha Go永远无法进化到100%获胜的地步。
围棋没有运气成分，而麻将有着运气成分，两者都有自己的魅力。
广义上，围棋、麻将这些棋牌游戏，其实是属于桌游的范畴。围棋的英文是“Go”，AlphaGo的“Go”就从此而来。围棋跻身BGG桌游排行榜前100名，是中国棋牌类游戏排名最高的。
在民间，实际上像象棋、围棋这类没有运气成分的棋牌（桌游）已渐趋没落。现在关注围棋人机大战的网友，又有多少人是围棋迷呢？
因为大众想要的更是娱乐，像象棋、围棋这类没有运气成分的，玩起来水平发挥比较稳定，高手就是高手，一般人很难赢得了，除非你能找到棋力刚巧跟你一个水平档次的，不然玩起来没意思，强的太强弱的过弱。
故此，新兴桌游的设计宗旨，都是要保证随机性，要有运气成分。像万智牌、游戏王和炉石传说之类随机抽牌，飞行棋、大富翁之类掷骰子，都是产生随机数，带来运气成分。有了运气成分，所有玩家发挥出来的水平就不至于相差太远，能凑到一起玩个痛快。
另一方面，没有运气成分的棋牌（桌游），因为理论上一定存在最优解，最优解一旦出来后，肯定让人兴致大减。围棋就是因为变化委实太多，至今仍未有最优解，所以能存活到今天。现在，AlphaGo并没有彻底击败李世石，看起来围棋的生命力仍然很顽强。
微信搜索“IT之家”关注抢6s大礼！下载IT之家客户端（）也可参与评论抽楼层大奖！
您将要订阅:
25469位用户
提供IT业界和数码产品资讯的泛科技栏目。快速精选泛科技新闻，分享即时的IT业界动态和紧跟潮流的数码产品资讯，提供给力的PC和手机技术文章、丰富的系统应用美化资源，以及享不尽的智能阅读。
【上一篇】：
【下一篇】：
相关文章：
猜你喜欢：
用微信扫描二维码分享至好友/朋友圈赢了围棋冠军不算什么，阿尔法狗敢不敢挑战麻将_百度知道
赢了围棋冠军不算什么，阿尔法狗敢不敢挑战麻将
麻智力难度比围棋低麻牌运气所能稳赢变化数量看麻围棋差距数据显示麻实际变化1736978种远远于10172
其他类似问题
为您推荐：
麻将的相关知识
其他1条回答
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁