如此一来，就可以对整个棋盘361个点，建立数学数值。
然后，程序就可以对这群数值进行反复的运算。
元霄画出一个概念图：“第一个我们需要的是，可以称为策略神经网络。”
策略神经网络的作用，是判断当前局势下，下一步棋下在哪里最合适。
元霄认为，这里的选点，可以参考人类棋手的棋谱。
模仿人类棋手的思考模式，快速将一些低概率的点淘汰掉。
柯杰叹了口气：“看来，到时候我还要提供目前为止所有人类的对局棋谱了。”
理论上而言，棋谱数量越多，策略神经网络的成熟度也越高。
“这一点，我们让计算机自主学习。”元霄支出其中的关键。
反复推演学习的结果，将会使策略神经网络更加强大，选点更为准确。
“而要做到这一步，还需要另外一个神经网络的结合。”元霄写下一个公式。
价值神经网络。
其作用是能够计算出，每个选点的胜率。
每一步都进行这样的估值判断，直到棋局的结束，得到最精准的胜率数值。
而同样，这东西也可以自己学习。
总结起来其实很简单。
就是模拟人类下棋的思维。
首先判断在哪些地方可以下，每个地方的胜率是多少。
然后对这些选点进行集中计算，推演出最后的结果。
每一步都这么执行。
那么得到的每一手，自然就是最佳的下法。