上次看了一个deepmind关于破解红帽子难题的论文，觉得很有意思。
觉得有些东西不需要穷举，也能得出绝对正解——这对于我们人类来说很简单，叫做推理。
但对于AI来说这能不能实现？
“完全破解围棋”的定义：
——数年后，betaGo2.0对决DeepZenGo2.0，前者长考1小时，落子在星位，后者长考1小时，愤而认输！全局只有1手。

这实际上是优化问题。。。我们听说过各式各样的优化算法，但是为什么不叫最优化算法，如果有的话

就算能穷局，电脑是怎么判断哪步最优呢？

有些东西不穷举也能证明，但有的问题暂时只能穷举才能证明，围棋其实算好的因为是有限的，大量的数学问题范围是无限的，只能另想办法。

深度学习和强化学习结合，多agent系统（MAS）
红蓝帽子问题：
监狱里有100位囚犯，在他们之间将进行一个“游戏”：把这100位囚犯排成一队，给每位囚犯戴上一顶红帽子或者蓝帽子。每一位囚犯都能看见他前面所有囚犯头上帽子的颜色，但他看不见自己的，也看不见他背后所有囚犯所戴的帽子颜色。现在，从排在最后（队尾）的囚犯开始，每位囚犯依次猜测自己头上帽子的颜色：若猜对，则该囚犯得以存活，否则就将他悄无声息地处死。换句话说，每个人都能听见其它所有人说的话，但无法得知他的猜测是对的（活）还是错的（死）。
在这个“游戏”开始的前一天晚上，这帮囚犯聚到了一起，试图密谋出一个策略来帮助他们。他们应该怎么做？

。。。

不用穷举，能比李世石多举一步就足够赢他了

不用穷举，能比李世石多举一步就足够赢他了

不用穷举，能比李世石多举一步就足够赢他了

不用穷举，能比李世石多举一步就足够赢他了

我水下经验。。

死循环，最后都死了。
　　　　　　　没什么大不了的，十年回头，肯定又是一笑！
　　　--来自助手版贴吧客户端

如果这种，那我都能打败它

不穷举不太可能吧。好像7路棋牌已穷举破解了，再大就不行了。

一般人类下棋也不是穷举棋盘的吧需要大量的能量和时间，所以穷举其实是没有效率的。不需要穷究棋盘数据的情况下，整体处理，只是直觉，可以试试区域生长算法法或者迷宫染色
整体上，把棋盘当作画板，将对手完全看做随机因素会不断涌现出来，切断干扰的连接，用最大化效率为目的的生长算法将自己连起来。在切断和连接之间做一个均衡取舍，用精简后类似迷宫染色的方法评估各处连接的威胁度/面积做优先级，要求尽量识别出区域/危险度的分布，计算出预计损失和获利，对手的非随机因素在这里得到处理。然后交给上级生长算法做均衡处理。
这些不需要做通盘推导处理。只需要根据盘面棋子计算。
并且对局着重在上半段注重防守多一些，到了后期能计算的范围更可靠才进攻。这样胜率更高。
这样按照等级来说就是 生长算法指导迷宫算法，盘面落子过3分一之后可以改用更广的搜索参数。