天文可公度模板与拓扑结构学是大数据应用的内核

DeepMind 如约公布了他们最新版AlphaGo论文，也是他们最新的Nature论文，介绍了迄今最强最新的版本AlphaGo Zero，使用纯强化学习，将价值网络和策略网络整合为一个架构，3天训练后就以100比0击败了上一版本的AlphaGo。AlphaGo已经退休，但技术永存。DeepMind已经完成围棋上的概念证明，接下来就是用强化学习创造改变世界的价值。

今年5月乌镇围棋大赛时，DeepMind CEO Hassabis 表示，将在今年晚些时候公布战胜了柯洁的那版AlphaGo的技术细节。今天，DeepMind在他们最新发表于Nature的一篇论文中，描述了迄今最强大的一版AlphaGo—— AlphaGo Zero 的技术细节。

AlphaGo Zero完全不依赖于人类数据，因此，这一系统的成功也是朝向人工智能研究长期以来的目标——创造出在没有人类输入的条件下，在最具挑战性的领域实现超越人类能力的算法——迈进的一大步。

作者在论文中写道，AlphaGo Zero 证明了即使在最具挑战的领域，纯强化学习的方法也是完全可行的：不需要人类的样例或指导，不提供基本规则以外的任何领域知识，使用强化学习能够实现超越人类的水平。此外，纯强化学习方法只花费额外很少的训练时间，但相比使用人类数据，实现了更好的渐进性能（asymptotic performance）。

在很多情况下，人类数据，尤其是专家数据，往往太过昂贵，或者根本无法获得。如果类似的技术可以应用到其他问题上，这些突破就有可能对社会产生积极的影响。

是的，你或许要说，AlphaGo已经在今年5月宣布退休，但AlphaGo的技术将永存，并进一步往前发展、进化。DeepMind已经完成围棋上的概念证明，接下来，就是用他们的强化学习改变世界。

这也是为什么接下来我们要介绍的这篇论文如此重要——它不仅是很多人期盼已久的技术报告，也是人工智能一个新的技术节点。在未来，它将得到很多引用，成为无数AI产业和服务的基础。

迄今最强大的围棋程序：不使用人类的知识

新系统AlphaGo Zero实现了超人的表现，以100：0的成绩击败了此前发表的AlphaGo。

DeepMind这篇最新的Nature，有一个朴素的名字——《不使用人类知识掌握围棋》。

从此，阿尔法狗让天下一先！

我们来看看围棋建立的可公度模板：

太一居中，三百六十度周天环绕，形成周天运算模式，而落子行间普遍在三，四线为主更加合理，与易经之不三不四，雷风相薄之位契合。

我们再来看看围棋建立的拓扑结构：

黑子，白字，象征阴阳；死活象征生死；两眼则活象征阴阳一呼一吸，生生不息。

而计算地球上面的万事万物的复杂性巨大，但是万变不离其宗，也就是建立立体周天的模板，把可公度模式建立起来，拓扑结构则是五行，八卦，九宫，十天干，十二支，二十四山，二十八宿度，三十六宫，六十四卦，七十二候，三百八十四爻等等。如果觉得拓扑结构的名词比较神秘或者拗口，可以换成其他的名词，例如ABC，12345等等，只要你喜欢。

我们简单举例说明：通过可公度法计算经纬交点，指向立体天球的最南端，对于地球而言就是南极区域；然后以南极区域进行再一次可公度法计算，算出经纬交点指向南极某地；的以南极某地再次进行可公度计算，得到中国南极考察站。以中国南极考察站再次进行可公度计算，得出隔壁老王的具体位置。这样就通过拓扑原理达到了精准定位。

可公度法和拓扑原理都是西方的发明，我们其实早在数千年前，上古中国就已经具有了这样的完善知识，只是应用名词不同，最终被神秘化。

当文明处于低层次的时候，没有办法具体量化数据，这时候神秘文化越有市场，圣人则出。一旦人类文明突破量化思维的瓶颈，寻找到可公度法应用路径，圣人不圣，万物元有，返璞归真！