【业余选手用计算机战胜顶级围棋AI】
美国业余选手凯林·佩里恩说，围棋机器人没有注意到它的弱点，即使在包围圈接近完成时也是如此。“但人会很容易发现。”
佩里恩的策略是由一个计算机程序提出的，该程序由美国研究公司FAR AI设计，与顶级围棋系统之一的KataGo进行了超过100万场比赛，以找到人类棋手可以利用的“盲点”。
一名人类棋手在围棋中击败了一个排名第一的人工智能系统。
据《金融时报》2月18日报道，美国业余选手凯林·佩里恩（Kellin Pelrine）利用另一台计算机发现的先前未知的AI缺陷击败了AI选手。在这场对弈中，佩里恩赢得了15局中的14局，且没有在计算机的直接支持下进行比赛。
这一胜利凸显了最先进的计算机围棋程序的弱点。
【围棋ai什么是基于剪枝算法的】
Alpha Beta剪枝算法的基本依据是：棋手不会做出对自己不利的选择。依据这个前提，如果一个节点明显是不利于自己的节点，那么就可以直接剪掉这个节点。
前面讲到过，AI会在MAX层选择最大节点，而玩家会在MIN层选择最小节点。那么如下两种情况就是分别对双方不利的选择：
在MAX层，假设当前层已经搜索到一个最大值X，如果发现下一个节点的下一层（也就是MIN层）会产生一个比X还小的值，那么就直接剪掉此节点。
解释一下，也就是在MAX层的时候会把当前层已经搜索到的最大值X存起来，如果下一个节点的下一层会产生一个比X还小的值Y，那么之前说过玩家总是会选择最小值的。也就是说这个节点玩家的分数不会超过Y，那么这个节点显然没有必要进行计算了。
通俗点来讲就是，AI发现这一步是对玩家更有利的，那么当然不会走这一步。
在MIN层，假设当前层已经搜索到一个最小值Y，如果发现下一个节点的下一层（也就是MIN层）会产生一个比Y还大的值，那么就直接剪掉此节点。
这个是一样的道理，如果玩家走了一步棋发现其实对AI更有利，玩家必定不会走这一步。
【围棋ai吃显卡还是cpu】
用AI来下围棋，那么选用的算法必定是强化学习相关的。根据强化学习的理论，状态空间决定了对硬件资源的消耗程度。如果你要解决的问题是一个小状态空间的问题，那么主流级别显卡(即6级别的显卡)的频率与显存大小是足以支持完成整个训练的，区别仅仅是时间长短的问题。但是如果是为了解决围棋这样的具有极大状态空间（3的19*19次方）问题，那么不仅对频率有所要求，对显存也是有极大的需求的，因此需要更好的显卡。
现在英伟达的产品线单独划分出了A与V系列的人工智能专用显卡，其具有更强的数值稳定性与更快的推理速度，但其售价较高且主要面向数据中心与人工智能领域的企业销售（这些机构不允许购买消费级显卡来进行相关研究），因此对个人开发者来说，肯定是消费级显卡更加具有性价比，因此20/30系的高端显卡(即8/9级别的显卡)更适合个人开发者选择。
