IBM 的深蓝曾经战胜国际象棋高手，让我们感叹计算机技术的进步。不过，多年以来，古老的围棋却成为计算机难以把握的难题。如今，借助于神经网络的进步，计算机专家们试图突破传统算法，以全新的方式训练计算机的下棋能力。据 technology review 的报道，来自爱丁堡大学的计算机专家 Christopher Clark 和 Amos Storkey 在这方面取得了不小的进步。
专家们认为，计算机难以掌握围棋的原因有两个：一是，在下围棋的时候，棋手总是面临太多的选择。在任意时刻，棋手面临的选择多达上百种。相比较说，国际象棋中，棋手面对的选择大约是 50 种。二是，计算机很难评估双方的优势和弱势。在国际象棋中，通过评估剩下棋子的价值，计算机通常能够了解玩家是否处于优势地位，但是，在围棋中，计算机很难对此做出评估。“计算每个玩家的棋子数量，根本无法判断谁在取胜。” Clark 和 Storkey 说。
为了解决这个问题，计算机采取了一种特别的方法。在每一步之后，计算机都会玩完整个游戏，而且采取各种不同的方法。如果大多数情况下都是胜利的，计算机会认为，它走出的一步是正确的。这是一个非常耗时的任务，而且，计算机通常还是失败。因为围棋高手只要看一眼，就能判断出棋盘上的形势如何。
一些专家认为，人类擅长围棋的秘密在于模式辨识能力。在下围棋的时候，人类思考的不是前面的几步，而是根据棋子组成的形状，判断出双方的优势和劣势。因此，随着模式识别算法方面的进步，人们开始思考训练计算机的新方法。
Clark 和 Storkey 训练了一个复杂的神经网络，教它预测下一步是什么。他们从 16 万次的围棋高手对战中，生成 1650 万个棋局，然后，他们训练神经网络，让它掌握人类高手的下一步动作。许多天后，他们开始用剩下的棋局测试神经网络，让它预测下一步应该怎么走。据两个人说，在训练之后，神经网络预测的准确率明显超过以前算法，大约提升了 44%。
在训练完神经网络之后，Clark 和 Storkey 让它与两个最好的围棋算法比赛。其中一个是 GNU Go，相当于中等水平的业余选手。在与 GNU Go 的对战中，神经网络明显胜出，大概 90% 的情况都是取胜的。另外一个是 Fuego，比 GNU Go 的水平更高，人类选手也要多年训练才能达到这个等级。在与 Fuego 的对战中，神经网络只赢了 10% 的比赛。不过，Clark 和 Storkey 认为，这已经是很大的进步了。
“尽管神经网络下棋时采用了‘不看下一步’的做法，并且只用了对手的部分计算时间，它仍然比 GNU Go 玩的更好，而且还赢了 Fuego 几局。” Clark 和 Storkey 说。同时，他们也认为，如果把神经网络与传统的算法结合，计算机的围棋技能或许会有更大的进步。
