「閨女，我這兒正忙呢。」
「爸，給你傳了份資料，你看看。」
「什麼資料？」
「小燁整理的關於peter的工作原理。」
「他？他知道什麼啊！」
「你先看看吧。」
「資料可靠嗎？」
「你忘了小燁幹什麼的了？人家可是世界級的數學工作者，電腦程式這種東西，都是從數學二進位制來的，您說可靠嗎？在這一塊，他才是專業的，聽一個世界數學家的研究，總比一群圍棋選手研究出來的東西要強吧？」
「行了，我看看吧。」
掛了線，吳長河就拿手機接收了檔案。
不多時，單東河回來了，應付幾十個記者媒體，讓他十分疲憊，因為他真的無法給出一個結論。
人又湊在一起了。
吳長河突然道：「來，都看看這個！」
「啊？」
「什麼東西？」
「長河老師，怎麼了？」
眾人都看過來。
吳長河說道：「有人給了我一份關於那個p什麼的東西的工作原理。」他把東西給了弟子田偉偉，「放螢幕上給大家看。」
田偉偉立即道：「好的！」
眾人半信半疑。
「工作原理？」
「有人分析出來了？」
「是真的嗎？」
「這也太快了吧？」
單東河也眼睛一亮，趕緊大步上去，「吳哥，是誰發來的？」
吳長河撇了撇嘴，「你別管是誰了，反正是個搞數學工作的。」
螢幕很快打出來了！
眾人全部看去！
向榮也抬起頭！
peter。
這是一款圍棋人工智慧程式。
主要包括4個部分：
1.走棋網路（policy-netork），給定當前局面，預測取樣下一步的走棋。
2.快速走子（fast-rollout），目標和1一樣，但在適當犧牲走棋質量的條件下，速度要比1快1000倍。
3.估值網路（value-netork），給定當前局面，估計是白勝還是黑勝。
4.蒙特卡羅樹搜尋（monte-carlo-tree-search，mcts)，把以上這三個部分連起來，形成一個完整的系統。
它的主要工作原理是深度學習。深度學習是指多層的人工神經網路和訓練它的方法。一層神經網路會把大量矩陣數字作為輸入，通過非線性啟用方法取權重，再產生另一個資料集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織連結一起，形成神經網路‘大腦’進行精準複雜的處理，就像人們識別物體標註圖片一樣。它有兩個「大腦」，是通過兩個不同神經網路「大腦」合作來改進下棋。這些大腦是多層神經網路跟那些圖片搜尋引擎識別圖片在結構上是相似的。它們從多層啟發式二維過濾器開始，去處理圍棋棋盤的定位，就像圖片分類器網路處理圖片一樣。經過過濾，13個完全連線的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。
第一大腦：落子選擇器（move-picker）。
第二大腦：棋局評估器（position-evaluator）。
等等等等！
兩千字的研究分析，好像一個科研專案書，太專業了！
眾多職業棋手們都看傻了，好多專業性的單詞和詞語，他們甚至都看不懂，只能靠蒙，但大致也理解了peter到底是個什麼東西！
向榮九段驚愕道：「這是誰寫的？」
院長單東河也道：「吳哥，你還認識這種高人？到底哪位數學家啊？」
「你管是誰呢。」吳長河反正看不懂這些東西，「你就說有沒有用吧？」
「當然有用！」陳瑛是最激-動的，她不但是個頂尖女棋手，還是個學霸，她是正兒八經清華數學系的學生，「這份分析資料太重要了！這已經把peter的運作模式都曝光了！如果這是真的，這個人工智慧絕不是老美吹噓的那樣會思考，它根本不會思考，只是讓人以為它會思考而已，它的核心還是資料處理！」
兩個「大腦」？
深度學習？
終於知道了！
終於知道這個peter的真面目了！(未完待續。)