根据席尔瓦介绍，谷歌在训练AlphaGo时，是通过人类专家进行监督式学习，再通过策略网络实现强化学习输入价值网络。AlphaGo树搜索通过策略网络减少搜索的宽度，以价值网络减少搜索的深度。

与李世石对战的AlphaGo Lee在谷歌云上有50个TPUs在运作，搜索50个棋步为10000个位置/秒，而昨天打败柯洁的AlphaGo Master是在单个TPU上进行游戏，AlphaGo成为自己的老师，它从自己的搜索里学习，有着更强大的策略和价值网络。

简单来说吧，按照Deepmind的预测，与柯洁对战的AlphaGo Master要比去年同李世石对战的AlphaGo Lee强三个子。

在昨天的对战中，柯洁最终是以1/4子的劣势输给谷歌了AlphaGo Master。

对此，柯洁也在微博上感慨“我到底是在和一个怎样可怕的对手下棋...”。

柯洁微博全文如下：

早就听说新版alphago的强大....

但...让...让三个？我的天

这个差距有多大呢？简单的解释一下就是一人一手轮流下的围棋，对手连续让你下三步...又像武林高手对决让你先捅三刀一样...

我到底是在和一个怎样可怕的对手下棋...