计算机是如何学会下棋的

01 第 02 门课程

1. 01 计算机博弈概论：状态空间、博弈树与人机对弈史 本文围绕“计算机博弈概论：状态空间、博弈树与人机对弈史”对课程 ASR 进行高密度论文式重构，并围绕 game tree、state space、perfect-information game、search 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
2. 02 Minimax：有限深度对抗搜索与评价函数 本文围绕“Minimax：有限深度对抗搜索与评价函数”对课程 ASR 进行高密度论文式重构，并围绕 minimax、utility、evaluation function、depth-limited search 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
3. 03 Alpha–Beta Pruning：边界传播、剪枝条件与搜索效率 本文围绕“Alpha–Beta Pruning：边界传播、剪枝条件与搜索效率”对课程 ASR 进行高密度论文式重构，并围绕 alpha-beta pruning、alpha bound、beta bound、move ordering 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正 →
4. 04 围棋为何困难：巨大分支因子、局面估值与 Monte Carlo 思路 本文围绕“围棋为何困难：巨大分支因子、局面估值与 Monte Carlo 思路”对课程 ASR 进行高密度论文式重构，并围绕 computer Go、branching factor、Monte Carlo evaluation、rollout 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边 →
5. 05 Monte Carlo Tree Search：Selection、Expansion、Simulation 与 Backup 本文围绕“Monte Carlo Tree Search：Selection、Expansion、Simulation 与 Backup”对课程 ASR 进行高密度论文式重构，并围绕 MCTS、UCT、UCB1、rollout、backup 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进 →
6. 06 AlphaGo：深度策略学习、价值评估与蒙特卡洛树搜索的统一框架 AlphaGo 是将深度卷积神经网络、强化学习（Reinforcement Learning，RL）与蒙特卡洛树搜索（Monte Carlo Tree Search，MCTS）统一到同一在线决策系统中的代表性工作。其关键创新并不是以神经网络取代搜索，而是分别利用策略模型提供行动先验、利用价值模型近似长期胜负结果，并通过树搜索在当前局面上对这些近似进行前瞻验证与统计修正。原始 AlphaGo 构造了监督学习策略网络 $p\sigma$、强 →
7. 07 AlphaGo 中的策略梯度强化学习与自我博弈 本文围绕“AlphaGo 中的策略梯度强化学习与自我博弈”对课程 ASR 进行高密度论文式重构，并围绕 policy gradient、REINFORCE、self-play、RL policy 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
8. 08 基于价值评估的强化学习：状态价值、TD 思想与 Value Network 本文围绕“基于价值评估的强化学习：状态价值、TD 思想与 Value Network”对课程 ASR 进行高密度论文式重构，并围绕 value function、Monte Carlo return、temporal difference、value network 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 →
9. 09 AlphaGo Zero：从零自我博弈、Policy–Value Network 与改进 MCTS 本文围绕“AlphaGo Zero：从零自我博弈、Policy–Value Network 与改进 MCTS”对课程 ASR 进行高密度论文式重构，并围绕 AlphaGo Zero、self-play、residual network、policy-value network、MCTS 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织 →
10. 10 计算机博弈方法总结：Deep Blue、MCTS 与 AlphaGo 范式比较 本文围绕“计算机博弈方法总结：Deep Blue、MCTS 与 AlphaGo 范式比较”对课程 ASR 进行高密度论文式重构，并围绕 Deep Blue、minimax、alpha-beta、MCTS、AlphaGo 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →