智慧树知到《人工智能导论（哈尔滨工程大学）》见面课答案

蒙特卡洛树搜索的主要流程是选择、扩张、模拟、反馈。蒙特卡洛树搜索的流程1、利用CPOP算法求出DAG图的关键路径。2、选择阶段：设定搜索树的根节点为S0，从根节点S0开始，每经过一个结点，开始判断经过的这个结点是否扩展完。3、扩展阶段：若当前为扩展任务结点，则从待调度的任务队列中选择一个任务，添加到搜索树上，作为新的任务结点。4、模拟阶段：从扩展结点开始，在每一个位置Si，使用随机策略交替选择任务和处理器，并将同一状态下选择的任务调度到处理器上，直到模拟到全部任务都被调度到处理器上为止，最后会得到一个makespan值。5、回传阶段：当模拟结束后，获得搜索树中各节点的信息，同时根据makespan值，将搜索后所得最新结点由叶子结点回传到根节点上进行更新。6、重复执行以上步骤直到DAG图的最后一个任务结点被调度到处理器上为止，并最后根据结果找到一条能使makespan值最小的调度顺序。

蒙特卡洛树搜索的主要流程是选择、扩张、模拟、反馈。蒙特卡洛树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果。而蒙特卡洛树搜索方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。这也是以概率和统计理论方法为基础的一种计算方法。是使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。蒙特卡洛树基本原理当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。这就是蒙特卡罗方法的基本思想。蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。可以把蒙特卡罗解题归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。

蒙特卡洛树搜索（Monte Carlo tree search；简称：MCTS）是一种用于某些决策过程的启发式搜索算法，最引人注目的是在游戏中的使用。一个主要例子是计算机围棋程序，它也用于其他棋盘游戏、即时电子游戏以及不确定性游戏。 比如围棋，棋手需要针对盘面的情况，选择下一步走哪个位置。这个决策过程可以认为是一个决策函数 a = f(s) ，即面对 可能的状态s ， 决策函数f 会提供一个 行动a （落子位置）。当然，我们希望 f 尽可能优秀，其决策a能够尽可能赢棋。 我们也可以将f构造为一颗决策树。从盘面初始状态开始（没有棋子），令初始状态为根节点，第一手棋有19*19=361个位置，因此根节点下面有361个子节点，第二手棋有360个可能的位置，即361个节点下，每个节点又有360个子节点......随着双方的落子，树的分枝越来越多，每个分支最终会进入叶子状态（对局结束，黑胜或白胜）。理论上可以列举所有可能的情况，做一棵完整的决策树，但实际上这个数据量大到不可能实现。因此，我们必须在有限的时间和空间之内，高效的构建一个子树，这是一个不完整但 尽量好的决策树 。 即便只是尽量好的决策，也是很困难的。因为一步棋的好坏通常不能立即判断出来，最终的评判要到下完的时候才能决定谁赢，况且即便赢了棋，也不代表其中每一步都是好的。 但是，无论怎样，必须提供某种方法让AI知道一步棋好不好，也就是要提供一些 启发 ，于是我们可以采用蒙特卡洛树搜索方法。 刚才我们说到下一盘棋不能判定其中走法的好坏，但如果下很多次呢？比如在某个特定盘面s1情况下，进行n次对局（接着s1盘面往后走），如果统计下来黑棋赢得多，说明s1情况对黑棋比较有利。这就是蒙特卡洛方法的思想，用大量随机事件逼近真实情况。 虽然通过蒙特卡罗方法可以近似估计一个状态的好坏，但我们依然无法对太多状态进行估算。因此，我们需要有选择的集中力量对决策树中的可能更有价值的那些节点进行估算。这就需要使用蒙特卡洛树搜索，它提供了一种选择机制，使我们能够尽量选择决策树中比较有潜力的节点进行蒙特卡洛模拟，从而使得树可以尽量集中在“较好”的策略上进行“生长”。 蒙特卡洛树搜索有四个主要步骤： 从根节点R开始，选择连续的子节点向下至叶子节点L。让决策树向最优的方向扩展，这是蒙特卡洛树搜索的精要所在。也就是要选择一个尽量”有潜力“的树节点，那么怎样的节点是有潜力呢？ 一个是胜率高，另一个是被考察的次数少 。 胜率高的节点（状态）意味着最后赢棋的概率较大，当然应该多花些精力分析其后续走法。被考察次数少的节点意味着该节点（状态）尚未经过充分研究，有成为黑马的可能。 具体来说，通常用UCB1（Upper Confidence Bound，上置信区间）公式来计算一个节点的”潜力“： wi：第 i 次移动后取胜的次数 ni：第 i 次移动后仿真的次数 c：探索参数/权衡参数，理论上等于 根号2，在实际中通常可凭经验选择 t：仿真总次数，等于所有 ni 的和 看一个例子（参考 28 天自制你的 AlphaGo（五） ） 上图中每个节点代表一个局面。而 A/B 代表这个节点被访问 B 次，黑棋胜利了 A 次。例如一开始的根节点是 12/21，代表总共模拟了 21 次，黑棋胜利了 12 次。 图中展示了蒙特卡洛树搜索的四个步骤，我们先看左边第一个树（Selection）。假设根节点是轮到黑棋走。那么我们首先需要在 7/10、5/8、0/3 之间选择，采用上面的UCB1公式： 假设 C 比较小（比如C=1），上述3个分数为 1.25 1.245 1，于是我们选择 7/10 节点（它得分1.25是最高的）。然后接下来 7/10 下面的 2/4 和 5/6 之间选择。注意，由于现在是白棋走，需要把胜率估计倒过来。即图上黑棋胜率是 2/4 和 5/6，则白棋胜率是 (1 - 2/4) 和 (1 - 5/6)： 那么白棋应该选 2/4 节点。（图中扩展的是 5/6 节点，这不是很合理）。 在所选的叶子节点L，如果已经能判定输赢，则该轮游戏结束，否则创建一个或多个子节点并选取其中一个节点C。 看上图第2个树（Expansion），假设黑棋选择了（当前的）叶子节点 3/3，然后创建了一个子节点，初始状态 0/0。 从节点C开始，用随机策略进行游戏，直到分出输赢（获得一次准确的回报）。这一步骤又称为playout或者rollout。 虽然原则上蒙特卡洛方法是采用随机策略，不过实际中也可以采用一些“有经验”的策略，或者两者的结合。所谓有经验的策略就像一个有一定水平的棋手，ta 可以下出一些比较好的走法。我们可以在仿真的某个阶段采用棋手的走法，另外一些阶段采用随机走法。 不过总的来说，仿真需要很快速的完成，这样才能得到尽量多的仿真结果，使统计结果逼近真实的胜率。 看上图第3个树（Simulation），黑棋从 0/0 节点开始进行模拟游戏直到终局，假设黑棋输，所以得分是 0/1。 使用随机游戏的结果，更新从C到R的路径上的节点信息。 看上图第4个树（Backpropagation），从 0/0 节点开始遍历父节点，直到根节点R，这条路径上的每个节点都添加一个 0/1。 当构建了一棵蒙特卡洛树以后，需要用它来做决策时，应该选择访问量最大的节点，而不是胜率最高的节点，也不是UCB分数最高的节点。 访问量不够大的节点，即使胜率高，也不够可靠（因为模拟次数不够多）。而访问量最大的节点，通常也有一定的胜率，想想UCB公式，如果胜率不高是不会经常被选中的（访问量不会大）。所以采用访问量最大的节点，AI的表现会更加稳定。 对于围棋AI，仅使用蒙特卡洛树搜索是不够的，尤其是 AlphaGO 这样的顶级AI，更多分析请参考： 左右互搏，青出于蓝而胜于蓝？阿尔法狗原理解析 28 天自制你的 AlphaGo（五） AlphaGo背后的力量：蒙特卡洛树搜索入门指南 蒙特卡洛树搜索（MCTS）算法 维基百科——蒙特卡洛树搜索 维基百科——蒙特卡罗方法

AlphaGo Zero跟AlphaGo的最大区别是抛弃人类棋谱的，完全通过自我对弈来学会下棋的，并且仅用40小时就到达了AlphaGo的棋力。 过程是这样，首先生成棋谱，然后将棋谱作为输入训练神经网络，训练好的神经网络用来预测落子和胜率。如下图： 在AlphaGo Zero中蒙特卡洛树搜索主要是用来生成棋谱的 MCTS算法是一种决策算法，每次模拟（simulation）分为4步： 第一、二步的流程（遍历、拓展节点）： 1.从状态S0开始，要在下面两个动作中进行选择（假设只有两个动作可选），选择的标准就是 值， 选择最大化 UCT 的节点作为下一个节点 。初始情况两个 ,按顺序选择S1 2.判断目前的结点S1(current node)是不是叶节点，这里叶节点是指其没有被展开（expansion）过。 3.接下来，按照流程图，需要判断结点S1被访问的系数是否为0。是0，则要进行Rollout。(Rollout其实就是在接下来的步骤中每一步都随机采取动作，直到停止点（围棋中的对局结束），得到一个最终的value。)==>假设Rollout最终值为20. 4.Backpropagation，即利用Rollout最终得到的value来更新路径上每个结点的T,N值。(之后把Rollout的结果删除：MCTS的想法就是要从出S0发不断的进行迭代，不断更新结点值，直到达到一定的迭代次数或者时间。) 5.如果没有达到一定的迭代次数或者时间，继续从根节点进行1-4 第三步rollout模拟: 例子说明见: 蒙特卡洛树搜索（MCTS）算法-计算过程 ，视频讲解见B站: 【MCTS】Youtube上迄今为止最好的蒙特卡罗树搜索讲解 相比极大极小法（minimax）。这个策略假定你的对手发挥了最好的博弈水平，然后以此调整策略来最大化你的收益。简单地说，给定状态，你想要找到一个能产生最大收益的 move ，假定你的对手想要最小化你的收益（最大化他自己的收益）。因此，名字叫作 极小化极大 。 极小化极大算法的最大劣势 是，需要扩展整个博弈树。对于分支因子较高的博弈（例如围棋或者国际象棋），这会导致庞大的博弈树从而失败。 UCT是一个让我们从已访问的节点中选择下一个节点来进行遍历的函数，也是MCTS的核心函数。 第一部分是 u200b ，也称作exploitation component 可以看做是子节点Vi的胜率估计（总收益/总次数=平均每次的收益）。但是不能只选择胜率高的下一步，因为这种贪婪方式的搜索会很快导致游戏结束，这往往会导致搜索不充分，错过最优解。 举个简单的例子。现在假设MCTS的UCT函数只用了探索成分，从根节点开始，我们对所有子节点进行了一次模拟，然后在下一步中只访问至少赢了一次的子节点。那么在第一次模拟中那些不幸未被选中的节点（实际中rollout策略函数通常是随机的）将会被立刻抛弃 ，这个成分更倾向于那些想对较少被探索的节点N(Vi)小。 参数c是exploitation和exploration之间的折中系数。 终止条件(or)： 当MSCT程序结束时，最佳的移动通常是访问次数最多的那个节点，也是UCT最大的点。 深度学习入门：AlphaGo Zero蒙特卡洛树搜索 蒙特卡洛树搜索（MCTS）算法-计算过程 【MCTS】Youtube上迄今为止最好的蒙特卡罗树搜索讲解 python实现的基于蒙特卡洛树搜索(MCTS)与UCB的五子棋游戏 mctspy：蒙特卡洛树搜索算法的python实现

计算数学学派。经查询国家教育局信息显示，蒙特卡洛树搜索是数学的一个计算方式，是属于计算数学学派，用于数学的计算。学派：学问或学术派别，如：儒家学派、道家学派、法家学派、墨家学派、兵家学派等。

蒙特卡罗树搜索(MCTS)会逐渐的建立一颗不对称的树。可以分为四步并反复迭代：(1)选择从根节点，也就是要做决策的局面R出发向下选择一个最急迫需要被拓展的节点T；局面R是第一个被检查的节点，被检查的节点如果存在一个没有被评价过的招式m，那么被检查的节点在执行m后得到的新局面就是我们所需要展开的T；如果被检查的局面所有可行的招式已经都被评价过了，那么利用ucb公式得到一个拥有最大ucb值的可行招式，并且对这个招式产生的新局面再次进行检查；如果被检查的局面是一个游戏已经结束的游戏局面，那么直接执行步骤4；通过反复的进行检查，最终得到一个在树的最底层的最后一次被检查的局面c和它的一个没有被评价过的招式m，执行步骤2。(2)拓展对于此时存在于内存中的局面c，添加一个它的子节点。这个子节点由局面c执行招式m而得到，也就是T。(3)模拟从局面T出发，双方开始随机的落子。最终得到一个结果(win/lost)，以此更新T节点的胜利率。(4)反向传播在T模拟结束之后，它的父节点c以及其所有的祖先节点依次更新胜利率。一个节点的胜利率为这个节点所有的子节点的平均胜利率。并从T开始，一直反向传播到根节点R，因此路径上所有的节点的胜利率都会被更新。

蒙特卡洛树搜索算法如果找不到终局无影响。蒙特卡洛是摩纳哥公国的一座城市，位于欧洲地中海之滨、法国的东南方。蒙特卡洛树搜索是一种基于树数据结构、能在搜索空间巨大仍然比较有效的启发式搜索算法MCTS是一种逼近纳什均衡的搜索策略。

MoGo。围棋单机对弈软件中，公认最强的是MOGO，曾经被让七子战胜过周俊勋九段，但是这个软件要配合打谱软件Drago才能用，设置起来很麻烦。蒙特卡洛树搜索（MCTS）是一种在人工智能问题中进行决策优化的方法，通常是对于那些在组合游戏中需要移动规划的部分。

您想问的是第一个使用蒙特卡洛树搜索的围棋程序是谁吗？Mo Go。在2016年3月6日，Goolge旗下DeepMind公司开发的AlphaGo围棋程序首次与围棋世界冠军职业九段棋手李世石进行围棋人机大战，Mo Go以4比1的总比分获胜因此第一个使用蒙特卡洛树搜索的围棋程序是MO GO。程序，是管理方式的一种，是能够发挥出协调高效作用的工具，在我们的社会主义建设事业或者说现代化建设中，应该充分重视它的作用，应该不断地将我们的工作从无序整改到有序程序不是医治百病的灵丹妙药。

阿尔法围棋用到了很多新技术，如神经网络、深度学习、蒙特卡洛树搜索法等，使其实力有了实质性飞跃。美国脸书公司“黑暗森林”围棋软件的开发者田渊栋在网上发表分析文章说，阿尔法围棋系统主要由几个部分组成：1、策略网络（Policy Network），给定当前局面，预测并采样下一步的走棋。2、快速走子（Fast rollout），目标和策略网络一样，但在适当牺牲走棋质量的条件下，速度要比策略网络快1000倍。3、价值网络（Value Network），给定当前局面，估计是白胜概率大还是黑胜概率大。4、蒙特卡洛树搜索（Monte Carlo Tree Search），把以上这四个部分连起来，形成一个完整的系统。“阿尔法狗”采用的是利用“价值网络”去计算局面，用“策略网络”去选择下子。阿尔法狗依旧处于一个弱人工智能的水平。什么是弱人工智能？简单的说，所谓弱人工智能就是仅在单个领域比较牛的人工智能程序。比如我们熟悉的苹果Siri，就是一个会卖萌的弱人工智能程序。而阿尔法狗根据这个标准，依旧在这个范围以内。充其量，最多是人类围棋的陪练。而这场人际对决，本质上更像是谷歌的一场科技秀。阿尔法围棋（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。2017年5月27日，在柯洁与阿尔法围棋的人机大战之后，阿尔法围棋团队宣布阿尔法围棋将不再参加围棋比赛。2017年10月18日，DeepMind团队公布了最强版阿尔法围棋，代号AlphaGo Zero。2017年7月18日，教育部、国家语委在北京发布《中国语言生活状况报告（2017）》，“阿尔法围棋”入选2016年度中国媒体十大新词。

AlphaGo依靠精确的专家评估系统（value network）、基于海量数据的深度神经网络（policy network），及传统的人工智能方法蒙特卡洛树搜索的组合，以及可以通过左右互搏提高自己的水平，这个真的是有的恐怖了有木有。李世石九段固然厉害，可人类毕竟是动物，机器软件程序是无休止的工作，这一点也是客观因素了。AlphaGo依靠精确的专家评估系统（value network）、基于海量数据的深度神经网络（policy network），及传统的人工智能方法蒙特卡洛树搜索的组合，以及可以通过左右互搏提高自己的水平，这个真的是有的恐怖了有木有。李世石九段固然厉害，可人类毕竟是动物，机器软件程序是无休止的工作，这一点也是客观因素了。比赛已经结束了，李世石一比四不敌alphago。有一种观点人为，只要下AlphaGo棋谱中所未记载的招数就能获胜，哪怕这些下法根本不符合围棋棋理。这种做法的可行性并不高。AlphaGo并非是对人类棋手弈棋棋谱记忆后的简单再现，而是具备了一定模拟人类神经网络的“思考”能力，既不是像过去那样采用穷举法寻找最有选项，也不是复制棋谱中所记载的定势或手筋。而是会对选择进行“思考”，删除那些胜率低的选择，并对具有高胜率的选项进行深度“思考”，最终从无数个落子的选择中基于自己的“思考”选择一个最优项。 因此，若是人类棋手想凭借下几步不符合围棋棋理，或未被棋谱记载的围棋下法，就轻而易举战胜AlphaGo的可能性并不高。因为AlphaGo是人工智能，而不是一台只会复制人类棋手招数的机器。

MoGo。MoGo是第一个使用蒙特卡洛树搜索的围棋程序的。围棋，一种策略型两人棋类游戏，中国古时称“弈”，西方名称“Go”。

第一个战胜围棋世界冠军的人工智能程序是阿尔法狗。在韩国首尔举行的2016围棋人机大战中，阿尔法狗战胜了韩国名手李世石。AlphaGo程序是美国谷歌公司旗下DeepMind团队开发的一款人机对弈的围棋程序，被中国棋迷们戏称为阿尔法狗。游戏是人工智能最初开发的主要阵地之一，比如博弈游戏就要求人工智能更聪明、更灵活，用更接近人类的思考方式解决问题。扩展资料：AlphaGo通过蒙特卡洛树搜索算法和两个深度神经网络合作来完成下棋。在与李世石对阵之前，谷歌首先用人类对弈的近3000万种走法来训练“阿尔法狗”的神经网络，让它学会预测人类专业棋手怎么落子。然后更进一步，让AlphaGo自己跟自己下棋，从而又产生规模庞大的全新的棋谱。谷歌工程师曾宣称AlphaGo每天可以尝试百万量级的走法。参考资料来源：人民网——“阿尔法狗”为什么厉害

中国象棋的引擎有很多种，其中较知名的引擎包括AlphaGo、Leela Chess Zero（LCZero）、Stockfish、Lichess等。这些引擎都是经过深度学习和人工智能技术训练而成，能够在象棋中提供强大的分析和推荐。AlphaGo是由DeepMind开发的人工智能程序，曾经在围棋领域战胜过世界冠军。尽管它的主要领域是围棋，但它的技术原理可以应用于其他棋类游戏，包括中国象棋。LCZero是一个开源的象棋引擎，利用神经网络和蒙特卡洛树搜索方法进行决策。它通过自我训练和与其他强大引擎对弈不断提升自己的棋艺。Stockfish则是一个开源的国际象棋引擎，它拥有强大的搜索和分析能力，常被用于国际象棋的研究与竞技。Lichess是一个知名的在线国际象棋平台，它提供了强大的棋谱分析功能，并集成了多个象棋引擎用于分析对局。这些引擎都综合运用了计算机科学、机器学习和人工智能等技术，能够辅助棋手们进行对局分析、学习和提高棋艺。它们为象棋爱好者提供了一个强大的工具，使得象棋的研究和对弈更加丰富和有趣。

阿尔法狗(AlphaGo)是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，由谷歌(Google)公司的团队开发。其主要工作原理是“深度学习”。2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平。起源围棋，起源于中国，中国古代称为“弈”，可以说是棋类之鼻祖，围棋至今已有4000多年的历史。据先秦典籍《世本》记载：“尧造围棋，丹朱善之。”晋张华在《博物志》中继承并发展了这种说法：“尧造围棋，以教子丹朱。若白：舜以子商均愚，故作围棋以教之。”1964年版的《大英百科全书》就采纳这种说法，甚至将其确切年代定在公元前2356年。唐代诗人皮日休所作的《原弈》认为：“弈之始作，必起自战国，有害诈争伪之道，当纵横者流之作矣。岂曰尧哉！”明朝陈仁锡在《潜确类书》中又提出“乌曹作博、围棋”。乌曹相传是尧的臣子，有的人又说他是夏桀的臣子。后来，董斯张的《广博物志》、张英的《渊鉴类函》等也采录了这种说法。

原理： 二分法查找，也称为折半法，是一种在有序数组中查找特定元素的搜索算法。 一般步骤： （1）确定该区间的中间位置K； （2）将查找的值T与array[k]比较。 若相等，查找成功返回此位置；否则确定新的查找区域，继续二分查找。每一次查找与中间值比较，可以确定是否查找成功，不成功当前查找区间将缩小一半，递归查找即可。 原理： 一种通过重复将问题分解为同类的子问题而解决问题的方法 典型例子： 斐波那契数列 描述： 斐波那契数列 指的是这样一个数列 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368.....自然中的斐波那契数列") 自然中的斐波那契数列，这个数列从第3项开始，每一项都等于前两项之和。 解决方式： 原理： 在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就“回溯”返回，尝试别的路径。 回溯法是一种选优搜索法，按选优条件向前搜索，以达到目标。 但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。 解决问题一般步骤： 1、 针对所给问题，定义问题的解空间，它至少包含问题的一个（最优）解。 2 、确定易于搜索的解空间结构,使得能用回溯法方便地搜索整个解空间 。 3 、以深度优先的方式搜索解空间，并且在搜索过程中用剪枝函数避免无效搜索。 典型例子： 八皇后问题 描述：在8×8格的国际象棋上摆放八个皇后，使其不能互相攻击，即任意两个皇后都不能处于同一行、同一列或同一斜线上，问有多少种摆法。 解决方式： https://blog.csdn.net/weixin_41865447/article/details/80034433 概念： 将杂乱无章的数据元素，通过一定的方法按关键字顺序排列的过程叫做排序。 分类： 非稳定排序算法：快速排序、希尔排序、堆排序、直接选择排序 稳定的排序算法：基数排序、冒泡排序、直接插入排序、折半插入排序、归并排序 十个常用排序算法 利用计算机的高性能来有目的的穷举一个问题解空间的部分或所有的可能情况，从而求出问题的解的一种方法。 分类： 枚举算法、深度优先搜索、广度优先搜索、A*算法、回溯算法、蒙特卡洛树搜索、散列函数等算法。 将一个数据转换为一个标志，这个标志和源数据的每一个字节都有十分紧密的关系。 很难找到逆向规律 只要符合散列思想的算法都可以被称为是Hash算法 对不同的关键字可能得到同一散列地址，即key1≠key2，而f(key1)=f(key2)，这种现象称为 碰撞 。 原理 在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在 某种意义上的局部最优解 。 从问题的某一个初始解出发一步一步地进行，根据某个优化测度，每一步都要确保能获得局部最优解。每一步只考虑一个数据，他的选取应该满足局部优化的条件。若下一个数据和部分最优解连在一起不再是可行解时，就不把该数据添加到部分解中，直到把所有数据枚举完，或者不能再添加算法停止。 一种近似算法 一般步骤： 1、建立数学模型来描述问题； 2、把求解的问题分成若干个子问题； 3、对每一子问题求解，得到子问题的局部最优解； 4、把子问题的解局部最优解合成原来解问题的一个解。 典型例子： 0/1背包问题 马踏棋盘 均分纸牌 例题： https://www.cnblogs.com/hust-chen/p/8646009.html 概念： 分治算法的基本思想是将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。即一种分目标完成程序算法，简单问题可用二分法完成。 一般步骤： （1）分解，将要解决的问题划分成若干规模较小的同类问题； （2）求解，当子问题划分得足够小时，用较简单的方法解决； （3）合并，按原问题的要求，将子问题的解逐层合并构成原问题的解。 典型例子： 排序中：归并排序、堆排序、快速排序； 实例：找伪币、求最值、棋盘覆盖 https://baike.baidu.com/item/%E5%88%86%E6%B2%BB%E7%AE%97%E6%B3%95/3263297 概念： 用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。 动态规划一般可分为线性动规，区域动规，树形动规，背包动规四类。 举例： 线性动规：拦截导弹，合唱队形，挖地雷，建学校，剑客决斗等； 区域动规：石子合并， 加分二叉树，统计单词个数，炮兵布阵等； 树形动规：贪吃的九头龙，二分查找树，聚会的欢乐，数字三角形等； 背包问题：01背包问题，完全背包问题，分组背包问题，二维背包，装箱问题，挤牛奶（同济）等； 应用实例： 最短路径问题 ，项目管理，网络流优化等； https://baike.baidu.com/item/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92/529408?fromtitle=%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%AE%97%E6%B3%95&fromid=15742703&fr=aladdin 概念： 在一个给定的字符文本内搜寻出自己想要找的一个字符串，平常所用的各种文本编辑器里的ctrl+F大多就是使用的这些字符匹配算法。 分类： KMP、BM、Sunday、Horspool、RK 参考： https://cloud.tencent.com/developer/news/282694 https://blog.csdn.net/paincupid/article/details/81159320

李世石比赛结束，alphago四比一完胜李世石，仅胜利的一局也有很多人认为是谷歌为了让alphago有世界排名而故意输的一局，因为如果一个棋手一直连胜，是没有世界排名的，输了一局才有排名，按照官方发布目前alphago排名世界第二

A。出自自考专升本计算机考试，Deepmin研制的ALPHAGO没有涉及到以下哪个算法，A、强化学习。B、深度学习。C、蒙特卡洛树搜索。D、逻辑推理。正确答案是A强化学习。

这些天都在没日没夜地关注一个话题，谷歌人工智能程序AlphaGo（国内网友亲切地称为“阿尔法狗”）以5:0击败欧洲职业围棋冠军樊麾二段，并在和世界冠军的比赛中2:0领先。 什么！！ 19年前计算机击败国际象棋冠军卡斯帕罗夫的情景还历历在目，现在计算机又要来攻克围棋了吗！？ 虚竹在天龙八部里自填一子，无意中以“自杀”破解“珍笼”棋局，逍遥子方才亲传掌门之位。难道以后“阿尔法狗”要出任逍遥派掌门了？ 1933年，东渡日本19岁的吴清源迎战当时的日本棋坛霸主、已经60岁的本因坊秀哉，开局三招即是日本人从未见过的三三、星、天元布阵，快速进击逼得对方连连暂停“打卦”和弟子商量应对之策。随后以“新布局”开创棋坛新纪元。难道阿尔法狗会再造一个“新新布局”？ 作为一个关心人工智能和人类命运的理科生，近些天刷了好些报道，记者们说“阿尔法狗是个‘价值神经网络"和‘策略神经网"络综合蒙特卡洛搜索树的程序”，但我觉得光知道这些概念是不够的。我想看看“阿尔法狗”的庐山真面目。 准备好棋盘和脑容量，一起来探索吧？ 围棋棋盘是19x19路，所以一共是361个交叉点，每个交叉点有三种状态，可以用1表示黑子，-1表示白字，0表示无子，考虑到每个位置还可能有落子的时间、这个位置的气等其他信息，我们可以用一个361 * n维的向量来表示一个棋盘的状态。我们把一个棋盘状态向量记为s。 当状态s下，我们暂时不考虑无法落子的地方，可供下一步落子的空间也是361个。我们把下一步的落子的行动也用361维的向量来表示，记为a。 这样，设计一个围棋人工智能的程序，就转换成为了，任意给定一个s状态，寻找最好的应对策略a，让你的程序按照这个策略走，最后获得棋盘上最大的地盘。 如果你想要设计一个特别牛逼惊世骇俗的围棋程序，你会从哪里开始呢？对于在谷歌DeepMind工作的黄士杰和他的小伙伴而言，第一招是： 蒙特卡洛搜索树（Monte-Carlo Tree Search）是一种“大智若愚”的方法。面对一个空白棋盘S0，黄士杰的老师Coulum最初对围棋一无所知，便假设所有落子方法分值都相等，设为1。然后扔了一个骰子，从361种落子方法中随机选择一个走法a0。Coulum想象自己落子之后，棋盘状态变成S1，然后继续假设对手也和自己一样二逼，对方也扔了一个筛子，随便瞎走了一步，这时棋盘状态变成S2，于是这两个二逼青年一直扔骰子下棋，一路走到Sn，最后肯定也能分出一个胜负r，赢了就r记为1，输了则为0，假设这第一次r=1。这样Coulum便算是在心中模拟了完整的一盘围棋。 Coulum心想，这样随机扔骰子也能赢？运气不错啊，那把刚才那个落子方法（S0,a0）记下来，分值提高一些： 我刚才从（S0, a0）开始模拟赢了一次，r=1，那么新分数=2，除了第一步，后面几步运气也不错，那我把这些随机出的局面所对应落子方法(Si,ai)的分数都设为2吧。然后Coulum开始做第二次模拟，这次扔骰子的时候Coulum对围棋已经不是一无所知了，但也知道的不是太多，所以这次除（S0, a0）的分值是2之外，其他落子方法的分数还是1。再次选择a0的概率要比其他方法高一点点。 那位假想中的二逼对手也用同样的方法更新了自己的新分数，他会选择一个a1作为应对。如法炮制，Coulum又和想象中的对手又下了一盘稍微不那么二逼的棋，结果他又赢了，Coulum于是继续调整他的模拟路径上相应的分数，把它们都+1。随着想象中的棋局下得越来越多，那些看起来不错的落子方案的分数就会越来越高，而这些落子方案越是有前途，就会被更多的选中进行推演，于是最有“前途”的落子方法就会“涌现”出来。 最后，Coulum在想象中下完10万盘棋之后，选择他推演过次数最多的那个方案落子，而这时，Coulum才真正下了第一步棋。 蒙特卡洛搜索树华丽转身为相当深刻的方法，可以看到它有两个很有意思的特点： 1）没有任何人工的feature，完全依靠规则本身，通过不断想象自对弈来提高能力。这和深蓝战胜卡斯帕罗夫完全不同，深蓝包含了很多人工设计的规则。MCTS靠的是一种类似遗传算法的自我进化，让靠谱的方法自我涌现出来。让我想起了卡尔文在《大脑如何思维》中说的思维的达尔文主义[6]。 2）MCTS可以连续运行，在对手思考对策的同时自己也可以思考对策。Coulum下完第一步之后，完全不必要停下，可以继续进行想象中的对弈，直到对手落子。Coulum随后从对手落子之后的状态开始计算，但是之前的想象中的对弈完全可以保留，因为对手的落子完全可能出现在之前想象中的对弈中，所以之前的计算是有用的。这就像人在进行对弈的时候，可以不断思考，不会因为等待对手行动而中断。这一点Coulum的程序非常像人，酷毙了。 但黄士杰很快意识到他老师的程序仍然有局限：初始策略太简单。我们需要更高效地扔骰子。 如何更高效的扔骰子呢？ 用P_human()来扔。 如果某一步被随机到很多次，就应该主要依据模拟得到的概率而非P_human。 所以P_human的初始分会被打个折扣： 这样就既可以用P_human快速定位比较好的落子方案，又给了其他位置一定的概率。看起来很美，然后实际操作中却发现：“然并卵”。因为，P_human()计算太慢了。 一次P_human()计算需要3ms，相对于原来随机扔骰子不到1us，慢了3000倍。如果不能快速模拟对局，就找不到妙招，棋力就不能提高。所以，黄士杰训练了一个简化版的P_human_fast()，把神经网络层数、输入特征都减少，耗时下降到了2us，基本满足了要求。先以P_human()来开局，走前面大概20多步，后面再使用P_human_fast()快速走到最后。兼顾了准确度和效率。 这样便综合了深度神经网络和MCTS两种方案，此时黄士杰的围棋程序已经可以战胜所有其他电脑，虽然距离人类职业选手仍有不小的差距，但他在2015年那篇论文的最后部分信心满满的表示：“我们围棋软件所使用的神经网络和蒙特卡洛方法都可以随着训练集的增长和计算力的加强（比如增加CPU数）而同步增强，我们正前进在正确的道路上。” 看样子，下一步的突破很快就将到来。同年2月，黄士杰在Deepmind的同事在顶级学术期刊nature上发表了“用神经网络打游戏”的文章[2]。这篇神作，为进一步提高MCTS的棋力，指明了前进的新方向： 红白机很多人小时候都玩过，你能都打通吗？黄士杰的同事通过“强化学习”方法训练的程序在类似红白机的游戏机上打通了200多个游戏，大多数得分都比人类还好。 “强化学习”是一类机器学习方法，Agent通过和环境s的交互，选择下一步的动作a，这个动作会影响环境s，给Agent一个reward，Agent然后继续和环境交互。游戏结束的时候，Agent得到一个最后总分r。这时我们把之前的环境状态s、动作a匹配起来就得到了一系列<s,a>，设定目标为最后的总得分r，我们可以训练一个神经网络去拟合在状态s下，做动作a的总得分。下一次玩游戏的时候，我们就可以根据当前状态s，去选择最后总得分最大的动作a。通过不断玩游戏，我们对<s,a>下总得分的估计就会越来越准确，游戏也玩儿得越来越好。 打砖块游戏有一个秘诀：把球打到墙的后面去，球就会自己反弹得分。强化学习的程序在玩了600盘以后，学到这个秘诀：球快要把墙打穿的时候评价函数v的分值就会急剧上升。 机器学习的开山鼻祖Samuel早在1967年就用自对弈的方法来学习国际跳棋[7]，而之前的蒙特卡洛搜索树也是一个自对弈的过程。但是现在黄士杰不仅有一个从人类对弈中学习出的P_human这样一个高起点，而且有一个神经网络可以从对弈样本中学习，有理由相信这次会有更好的结果。 黄士杰准备在MCTS框架之上融合局面评估函数v()。这次还是用P_human作为初始分开局，每局选择分数最高的方案落子，下到第L步之后，改用P_human_fast把剩下的棋局走完，同时调用v(SL)，评估局面的获胜概率。然后按照如下规则更新整个树的分数： 前两项和原来一样，如果待更新的节点就是叶子节点，那局面评估分就是v(SL)。如果是待更新的节点是上级节点，局面评估分是该节点所有叶子节点v()的平均值。 如果v()表示大局观，“P_human_fast模拟对局”表示快速验算，那么上面的方法就是大局观和快速模拟验算并重。如果你不服，非要做一个0.5: 0.5之外的权重，黄士杰团队已经实验了目前的程序对阵其他权重有95%的胜率。 以上，便是阿尔法狗的庐山真面目。 上图演示了阿尔法狗和樊麾对弈时的计算过程，阿尔法狗执黑，红圈是阿尔法狗实际落子的地方。1、2、3和后面的数字表示他想象中的之后双方下一步落子的地方。白色方框是樊麾的实际落子。在复盘时，樊麾觉得位置1的走法更好。 深度学习、蒙特卡洛搜索树，自我进化三招齐出，所有其他围棋ai都毫无还手之力。99%的胜率不说，“阿尔法狗”还可以在让四子的情况下以77%的胜率击败crazystone。“阿尔法狗”利用超过170个GPU，粗略估算超过800万核并行计算，不仅有前期训练过程中模仿人类，自我对弈不断进化，还有实战时的模拟对局可以实时进化，已经把现有方法发挥到了极限，是目前人工智能领域绝对的巅峰之作。 围棋是NP-hard问题，如果用一个原子来存储围棋可能的状态，把全宇宙的原子加起来都不够储存所有的状态。于是我们把这样的问题转换为寻找一个函数P，当状态为S时，计算最优的落子方案a = P(s)。我们看到，无论是“狂拽酷炫”的深度学习，还是“大智若愚”的MCTS，都是对P(s)的越来越精确的估计，但即使引入了“左右互搏”来强化学习，黄士杰和团队仍然做了大量的细节工作。所以只有一步一个脚印，面对挑战不断拆解，用耐心与细心，还有辛勤的汗水，才能取得一点又一点的进步，而这些进步积累在一起，终于让计算机达到并超过了人类职业选手的水平。

　　阿尔法狗是美国的。 　　阿尔法狗是第一个击败人类职业围棋选手，第一个战胜围棋世界冠军的人工智能程序，由谷歌旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发，其主要工作原理是“深度学习”，运用到了很多新技术，如神经网络、深度学习、蒙特卡洛树搜索法等，使其实力有了实质性飞跃。阿尔法围棋系统主要由策略网络、快速走子、价值网络、蒙特卡洛树搜索四部分组成。

凭借自己的努力和专业，张霁成为BAT以及华为眼中的香饽饽。最终入选华为天才少年计划，华为开出201万年薪，将这位天才少年收入囊中。当数以百万计的大学应届生走入社会，二本三本的同学都会问，这辈子还有机会赶上985/211的同学吗？而张霁则是一个最好的例子。前提是要付出和张霁一样甚至更多的努力，但张霁的牛可不是一般人的努力来形容的。出身三本民办学校，一步步走到华中科技大学的博士生；张霁在自己的专业领域的两个方向都做出了突出的贡献，数据库以及磁盘故障预测两个领域；放弃360万年薪，历经七层面试，最终选择华为的201万年薪。出身民办学校，却能考中华科博士张霁出生于1993年，2009年考入民办二本武昌理工学院，一所二本学院，大多数学生都抱着不挂科即可的态度而去。张霁却没有像身边的人一样浑浑噩噩的过日子，自己有着清晰的规划，制定了自己大学学习计划，甚至精确到日。无论什么课，教室的第一排永远会出现他的身影，空闲时间也全部在图书馆度过。大学期间，张霁的成绩便一直名列前茅，四六级考试一次便过。成功取得全国ITAT职业技能资格证书，成为名副其实的超级学霸。大三便开始准备考研的张霁显的格格不入，他选择考研的目标也非985/211。而是立足于自身，选择自己能够够得到的武汉邮科院的研究生。而这并不是他的最终目标，因为他更高的追求是华中科技大学的博士学位。当梦想照进现实，努力并没有辜负他的梦想。2016年张霁成功拿到了华中科技大学光电国家研究中心计算机系统结构专业的博士录取通知书，完成了从“双非”院校到985/211大学的逆袭。从2009年到2020年，整整十一年的埋头苦干，这种学习态度和能力不是一般人能够理解的。他的“牛”已经不能够用普通人的努力来形容了，专业领域的专精天才少年张霁的博士生导师周可说到：“张霁在校期间学习成绩非常好，对新知识的接受程度非常快，一旦遇到问题就会迅速寻找到解决方法。”这也是张霁就读博士期间不断在顶会发表各种论文的原因。读博期间，张霁就已经被博士生导师张可派往腾讯，负责AI ofsystem（人工智能系统）的研究工作，虽然是作为实习，但一个能拿到腾讯的认可也是不容小觑。从2017年开始，张霁就读博士期间迅速做出大量科研成果，迅速在各大顶会（顶会论文指的是在领域内的顶级学术交流会议中宣读和发表的论文）发布。数据库方面偏向强化学习数据库调优，相关论文发布在SIGMOD（数据管理国际会议）；数据库查询优化，论文发表在VLDB（超大型数据库会议）。磁盘故障预测方面论文发表则是ATC、DAC等A类会议以及ICPP。除此之外，顶级期刊TPDS也收录了张霁关于磁盘故障预测的相关论文。在这两个领域，张霁已经走在了全中国人民的前方。七层面试，却还是选择201万的华为华为“天才少年”的选拔标准非常严格，从简历筛选到人力资源面试一共要经过七轮，每个面试环节都会有严格的考核和筛选。虽然困难重重，但张霁依旧拒绝了深圳两家初创企业给张霁开出最高360万元的年薪。最终选择了华为，因为在张霁的眼中，一群志同道合的人做些有意义的事情比那一百多万年薪差距重要的多。“最近华为在国外受到所谓的制裁，我希望自己能够把所学所用在华为最困难的时候发挥出来，尽自己最大能力去做一些有意义的事情。如果可能，咱们尽力帮助华为渡过一些难关。”这是张霁在接受采访的时候说的一段话。或许是因为华为是一家真正能够沉下来做技术的企业；也或许是因为华为现在面临的局面困难重重；也许是华为的狼性文化，让张霁做出了最终的选择。这些都不重要，重要是张霁很“牛”。因为是金子，在哪里都是万丈光芒。

中国象棋界大师勉强能战和人工智能，甚至不敌。随着人工智能的发展，机器计算能力必将远远超过人类。2006年08月15日北京香格里拉大饭店，历经1小时40分钟，中象第一人许银川落下最后一子，与超级计算机浪潮天梭的第一局比赛以平局结束。尽管许大师发挥极佳，但终未能为人类扳回一局，留下些许遗憾。在围棋界，五盘棋输了四盘，围棋世界冠军李世石输给了机器。谷歌人工智能围棋程序“AlphaGO”以碾压式的胜利显示了人工智能目前的水平，让棋手们和它的创造者震惊。扩展资料：人工智能的发展：在对弈中使用的策略网络、估值网络和蒙特卡洛树搜索算法和人类的思考方式还不能相提并论。对人工智能来说，人机大战也仅仅是个开始。在科技发展的驱动下，人工智能将继续进步，一方面会将科技成果应用到医疗、机器人、无人驾驶汽车等各种为人类服务的领域。另一方面，人工智能将走向何方，是否真的会出现类人的智能，还是个未知数。参考资料来源：人民网-人机大战进入终极PK 许银川首战平浪潮天梭参考资料来源：人民网-人民日报评围棋人机大战：胜出的是我们自己

电脑是如何下棋的 　　围棋起源于中国，是最古老的棋类运动之一，我们常说的“琴棋书画”中的“棋”就是指围棋。喜欢下棋吗?有没有和计算机下过?现在，弈棋计算机的棋艺日益高强。让我们通过分析以围棋和国际象棋为代表的弈棋计算机，对人工智能的研究有一个更为深入的理解。 　　弈棋计算机 　　弈棋自古被视为一种关乎智力的高级挑战。和其他智力测试相比，弈棋具有直接对抗的特点，没有什么比在紧张的对局中看到对手一手精妙凶狠的棋招更 能让人感觉到一种智力上的刺激和挑战了。弈棋相比于其他牌类游戏而言，随机和不可控因素更小，因此对局双方的决策能够更直接地控制整个局面的走势，这进一步增强了智力的对抗性。 　　毫不意外，在国际象棋更加流行的西方国家，人工智能领域自创建之初就在考虑如何制造一个会下国际象棋的机器。几乎所有人工智能先驱，包括信息论 创始人香农、“人工智能”之父约翰·麦卡锡(John McCarthy)、计算机科学创始人图灵，都曾严肃思考过制造国际象棋机器的问题。20世纪80年代初，贝尔实验室的工程师们(其中包括著名操作系统 Unix的联合创作者肯·汤姆森)开发出历史上第一个具有人类大师级水平的国际象棋机器“Belle”。到80年代末，卡内基梅隆大学的许峰雄博士在 “Bella”的思路基础上(将在后面详细介绍)进一步改进，研制出了第一个特级大师水平的国际象棋机器，取名“深思”(源自《银河系漫游指南》中的超级 计算机)。随后，许博士加入IBM研究院，在那里和其他几个团队成员一起研制出了实力更强的弈棋机器“深蓝”，并最终于1997年的一场历史性的人机大战 中以3.5：2.5的比分战胜了人类国际象棋冠军卡斯帕罗夫(卡斯帕罗夫不但是当时的人类冠军，同时也是人类历史上国际象棋等级分最高的职业选手)。 　　在围棋更加流行的东方，围棋大师的头衔同样是智力超群的象征。自从计算机在国际象棋上挑战人类成功之后，所有人的目光就聚焦在了围棋这项古老的 东方棋类运动上。然而对计算机来说，围棋似乎是个比国际象棋更“难”的东西。1985年，企业家应昌期先生悬赏一百万美金寻找能够打败人类职业棋手的计算 机，可时至30年后的今日仍然没有一台计算机能够做到。20世纪90年代，以我国陈志行教授开发的“手谈”程序以及著名开源软件组织GNU开发的“GNU Go”程序为代表的“计算机围棋冠军”们，棋力尚且不及人类的业余初段。进入21世纪之后，研究者们开始探索一套被称为“蒙特卡洛树搜索”的全新思路(将 在后面详细介绍)，并终于在2006年在9×9的“小棋盘”上率先产生突破。以法国的MoGo和CrazyStone为代表的新一代围棋程序在9路围棋上 基本已经达到人类职业棋手的水平，甚至曾在公开场合战胜过职业棋手周俊勋九段。另一方面，在真正的19路围棋棋盘上，以日本的ZEN(天顶围棋)和法国的 CrazyStone为代表的一流围棋程序沿着“蒙特卡洛方法”的思路不断改进，在和人类顶尖职业棋手进行的一系列让子棋比赛中屡有佳绩，而近些年人类棋 手能“让”计算机的子数也越来越少。最有趣的是在2013年，计算机程序CrazyStone在受让四子的情况下战胜被称为“人脑计算机”的日本棋手石田 芳夫九段，并被认为已有业余五～六段的水平。 　　截至目前，尽管计算机在公平的`围棋比赛中还不足以直接抗衡人类职业棋手，但相关的研究热度却很高，大家普遍对近期前景持较为乐观的态度。“深蓝之父”许峰雄博士甚至在2007年10月的一期《IEEE Spectrum》杂志上表示，相信10年内超级计算机将能挑战世界冠军级别的人类棋手。 　　计算机下棋的思考模式 　　现在主流弈棋计算机的基本“思考模式”很简单，就是对当前局面下的每一种合法走法所直接导致的局面进行评估，然后选择“获胜概率”最高的局面所 对应的那个走法。也就是说，“准确评估给定局面的胜率”是主流弈棋计算机的核心问题，同时也是主要难点所在。在进一步深入讨论这一核心技术问题之前，我们 先在基本思考模式层面简单比较一下计算机棋手与人类棋手的异同。 　　可以说，计算机的基本策略是所有“人类有可能采用”的策略中最原始最简单的一种。毫无疑问，人类的思考模式中必然也包含“局面评估”的部分，然而人类至少还同时拥有另一个重要的思考模式——战略性思考，也就是把一个基本目标有效分解成一系列“子目标”。 　　以围棋为例，“获胜”是围棋的最终目的，而胜的定义是“结束比赛时拥有更多棋子和空”(中国规则)。但是人类棋手在对弈时显然并不是每时每刻都 在基于这个“胜”的定义进行思考的——通常我们只在棋局进入中后期时才经常性地“数目”。在对弈的大部分时间里我们是在思考诸如“如何借助右上角黑棋的毛 病扩张”、“如何做活”、“如何侵消对手的模样”、“如何在劫争中转换”、“如何分断”等等一系列具体问题。我们注意到，每一个这样的“具体问题”实际上 是改变了思考的目标，把一个“求胜”的问题转化成了一系列“分断”或者“做活”之类的子问题。这样的一个“战略计划”，其背后的逻辑当然是，我们的大脑相 信在当前情况下“分断对手大龙”是最有可能导致最终赢棋的子目标。一旦确立了子目标，人类棋手便集中精力考虑具体战术走法来完成这个子目标，而不是“赢 棋”这个最终目标。与之不同的是，目前主流的弈棋计算机从基本思考模式上并不依赖于“生成并确定子目标”的战略能力。在大多数时刻，这些弈棋计算机只关心 一个问题，就是按照“胜”的基本定义来赢得比赛*1。“在当前局面下，我走在x点的话最终能赢几子”，计算机就是通过不停地重复问自己这个问题来完成对弈 的。尽管这听起来很“原始”，但正如前面所说，这样思考的计算机却已经在很多棋类中达到了相当令人惊讶的水平! ;

人工智能领域涉及的专业有计算机科学与技术、软件工程、网络工程、信息安全、物联网工程、数字媒体技术、智能科学与技术、空间信息与数字技术、电子与计算机工程电子信息类：通信工程、信息工程、水声工程、电子信息工程、广播电视工程等。 人工智能领域 人工智能是一门新兴的高尖端学科，属于社会科学与自然科学的交叉学科，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论。研究的范畴包含自然语言的处理、机器算法的学习、神经网络、模式识别、智能搜索。应用的领域包含机器翻译、语言和图像理解、自动程序设计、专家系统等。 人工智能的细分领域也非常多。主要从业方向有算法优化、决策树、模式识别、运筹控制、计算机神经网络、自然语言识别、机器学习（深度学习）、计算机影像学、大数据处理、分布式计算、蒙特卡洛树搜索等等。 人工智能专业相关研究方向，有很多的分支学科，包含模式识别与智能系统、计算机应用技术、智能科学与技术、信息与通信工程、计算机科学与技术、控制科学与工程、人工智能与信息处理、计算机应用技术、生物信息处理方向、计算机科学与技术超级计算方向等。 涉及的专业 1、计算机类 计算机科学与技术、软件工程、网络工程、信息安全、物联网工程、数字媒体技术、智能科学与技术、空间信息与数字技术、电子与计算机工程电子信息类：通信工程、信息工程、水声工程、电子信息工程、广播电视工程、医学信息工程、微电子科学与工程、光电信息科学与工程、电子科学与技术、电磁场与无线技术、电子信息科学与技术、电波传播与天线、电信工程及管理、应用电子技术教育、集成电路设计与集成系统 2、自动化类 自动化、轨道交通信号与控制 3、数学类 数学与应用数学、信息与计算科学、数理基础科学、数据科学与大数据技术

“AI如何看待李昌镐白88这步棋？”这个问题很有意思，正好我一直想跟大家聊聊关于如何看待AI的意见这个话题，所以今天就着大家这个提问，跟大家一起讨论一下。在讨论之前，我先抛两个问题出来：1：如果李昌镐白88这步棋不在AI的考虑范围内，那这步棋就一定是问题手吗？2：如果AI给李昌镐白88这步棋降了胜率，那就代表李昌镐在这盘棋中的胜算变小了吗？这两个问题其实可以合成一个大问题：AI给出的意见，就一定是好的吗？下面我们先来看看AI是如何看待李昌镐白88这步棋的：图1：我们先回顾一下李昌镐白88下在了哪里？白88下在了上面的一路立，这步棋看着很慢，其实意境深远。关于这步棋的故事，我之前已经说了，这里就不多讲了。我在写李昌镐白88这步棋之前，就看过星阵的建议，白88这步棋不在星阵的选择范围内。而星阵的首选，也就是它推荐的一手棋是：图2：我估计李昌镐若在当时看到星阵白1这步推荐，应该会吓一大跳。这是孤身单挑黑三角六子的节奏。的确，别说是李昌镐这样谨慎的棋风，就是剑法最霸道的申真谞来了，估计也不会去动黑三角六子的脑筋。当然星阵有它的理由，它显然不认为你黑棋三角六子很强，它要来攻击黑三角六子。那么星阵推荐的这步棋就一定适合李昌镐来下吗？下面我就以虚构的形式，来跟大家推演一下，如果李昌镐采取了星阵的推荐，会发生什么情况：（以下内容纯属虚构）图3：李昌镐正准备下白88（白A），心里想着：“这步棋虽然实地价值小了，但是可使白三角大块彻底净活，而黑三角大块则没有安定。关键这样简化了局势，接下来慢慢小刀割肉。这种局面是我最擅长的。”正当李昌镐要落下白88时，星阵突然出现，悄悄跟李昌镐说：“我觉得白1这步棋胜率最高，我推荐白1这步棋。”李昌镐一看白1这步棋，心想：“白1这步棋不像是优势情况下的招，倒像是形势不利下的胜负手，可这时候明明是白棋形势好，这步棋靠谱吗？但星阵实力那么强，它推荐的招，总不会错吧。”于是李昌镐就改变原计划，采取了星阵的意见，下出了白1这步棋。而此时李昌镐的对手，正处于劣势下的马晓春，正愁全盘找不到敌人可以搞乱局面。突然发现李昌镐白1自己找来了，心中大喜：“此时不反击，更待何时！”于是黑2反包围白1一子是必然的选择。那么接下来白棋该如何处理呢？图4：白1靠，利用黑三角孤单一子做文章，是星阵的后续手段。李昌镐下出此手后，马晓春黑2长也是必然，不然在A的位扳的话，白棋在黑2位一虎，黑棋形有问题。当黑4压的时候，星阵选择了白5、7顶断后，白9长出。

在13日结束的AlphaGo与李世石五番棋对决中的第四局，李世石胜出。连败三局之后，人类终于扳回一局。但这场胜利来得有些迟，AlphaGo此前已经痛快得赢得这场人机大赛的胜利。这场生生夺走一周眼球的人机围棋大战，人们最想追问的是，AlphaGo为什么能战胜人类？赛前，无论是职业棋手还是科技界，并不看好机器胜利机器赢了人类，这个结果让无数人感到吃惊与意外。在这场比赛开始前，很多职业棋手认为 AlphaGo 不可能赢得比赛。棋圣聂卫平在赛前下定论认为：电脑和人下围棋，百分之百是人赢。而科技界对 AlphaGo 是否能赢得比赛表示谨慎看好，并没有十足信心。这从 AlphaGo 创始人德米什 · 哈萨比斯（Demis Hassabis）在第二场比赛结束后的发言可以看出，他当时认为 AlphaGo 的胜利难以置信。在与李世石对弈前，AlphaGo 于去年 10 月与欧洲围棋冠军樊麾进行了对弈，以 5：0 战胜了樊麾，而在非正式对局当中, 樊麾则 2 次中盘战胜了 AlphaGo。这也被外界认为 AlphaGo 很难战胜李世石的原因。樊麾的等级为职业棋手二段，李世石为职业九段。围棋界公认，这两人的围棋水平为：樊麾是踏在了职业门槛，而李世石则是职业顶尖，前围棋世界第一人，代表了人类围棋最高水平。但仅仅过了 5 个月，AlphaGo 在五番棋中以 3：0 战胜了李世石，并且在比赛过程中下出了很多令专业人士都非常惊讶的妙手。很多关注人机大战的人都想要知道一个问题：Google是怎么设计AlphaGo的？比如，AlphaGo 的运行机理是什么？进入自我学习的阶段之后，谷歌团队是否还需要人工对其进行不断的人工优化、改良以及提升？还是完全凭借其自身的学习能力来提升？最近两天 ，DoNews 记者在 Twitter 上就该问题向德米什 · 哈萨比斯进行了两次提问，但德米什 · 哈萨比斯没有进行回应。在对外公布的所有信息中，包括其在《Nature》上发表过的两篇论文中，都只提到了他们的 AlphaGo 能够做什么，都没有透露 AlphaGo 的运行机制是什么，即 AlphaGo 到底是怎么做到的。德米什 · 哈萨比斯仅透露，就 AlphaGo 的对弈水平而言，他们的神经网络训练算法远比它使用的那些硬件重要得多。此外，这次人机对战所消耗的计算量差不多与 AlphaGo 和樊辉对弈中消耗的相当，使用的是分布式方案搜寻，能有效节省决策用时。人工智能战胜人类，为何引起这么多关注？围棋这项发源于中国的有两千年历史的智力游戏，曾被认为是最后一个人工智能不能超越人类的游戏。围棋游戏的规则是：棋盘由纵横各十九条等距离、垂直交叉的平行线构成。形成 361 个交叉点，在围棋中简称为 “点”。对局双方各执一色棋子，轮流下子，最后谁占的点多，谁就赢。虽然围棋规则简单，但建立在此规则之上的各种策略、棋理、布局、定式、手筋、手段，却是无穷无尽的。聂卫平曾解释了其中的原因，围棋棋盘上有 361 个点，其理论变化值是 361 阶乘，阶乘到底本身就是一个无限大的数，无法表达。比如，棋手在下第一手时有 361 个点可以选，下第二手有 360 个点，第三手是 359，361×360×359×……2×1，即 361 阶乘。（有数据统计，结果约是 1.43 乘以 10 的 768 次方。）这个数字有多大呢？Google 灵感来源于一个单词 Googol，以表示知识之海无穷无尽。Googol 代表 “10 的 100 次方”，这个数字是人类目前最有想象力的数字。即使人类已知宇宙中原子数量，也不过是 10 的 80 次方。同时，在围棋对弈中，还包含着很多变化：打二还一，打三还一，打劫，倒扑等，每一种变化都会衍生出无数的变化。在下棋过程中，棋手需要有一种判断。而此前，电脑被认为无法承担这种判断，因为这不是计算就能够完成的。AlphaGo 是怎么做到的?AlphaGo 结合了 3 大块技术：蒙特卡洛树搜索 (MCTS) 是大框架，这也是很多博弈 AI 都会用的算法；强化学习 (RL) 是学习方法，用来提升 AI 的实力；深度神经网络 (DNN) 是工具，用来拟合局面评估函数和策略函数。我们在这里用比较通俗的语言来解释一下：棋盘上有 361 个点，AlphaGo 会进行一层层分析：下在哪个点或区域是有利的？这时它会参考输入的过往的棋谱，对局和模拟，进行选择、推演，并对推演结果进行估值。AlphaGo 能够理解会根据“赢”这个目标来进行估值，选择出一个对“赢”足够优的解。围棋？AI 能超越人类的还有很多.AlphaGo 的胜利，引发了大讨论。因为人类开始面临着一个前所未有的情况：人类造出了，在智能的某个点上，超越自己的东西。 通过黑白纹枰上的胜利，AI 已经在人类的智力围墙打开了第一个缺口，但这绝非最后一个。在过往漫长的岁月里，机器都只是人类劳动的一种替代与工具，无论飞机、汽车、起重机还是电子计算机、互联网，尽管看上去有着无限的能力，但却从未侵入由人类大脑所把持的领域——“创造”。而随着 AlphaGo 的胜利，这一天或许将成为历史。实际上，过去几天，这台人工智能在围棋盘上发挥的创造能力，已经超越了人类两千年于此道上积累的智慧结晶。如果我们检索人类的“资源库”，会发现，复杂程度超越围棋的智力行为并不多见。这也意味着很多传统人类脑力劳动的形态，发生改变。很多从事创作、设计、推演、归纳的工作，都将被 AI 部分替代。如果将思路拓展出去，可以应用在音乐的创作，等其他类似于元素组合式的创造，从某中意义上说，它能够击败围棋的顶尖高手，也就有可能让人难辨真假的音乐和旋律。甚至做出更多我们想不到的事情。按照德米什 · 哈萨比斯的设想，人工智能未来的主要用途将是医疗、智能助理和机器人。而人们通过这次比赛担忧的是，如果人工智能拥有创造性的思维，加上远超出人类的运算能力，是否有一天会统治人类。就像网友评论里说的段子一样，“第四局AlphaGo输了，是不是AlphaGo故意输的？细思极恐”。

AlphaGo的配置是可变的，最低配置是48个CPU加一个GPU，这种配置下由于计算能力太弱，所以它的围棋能力很弱，最高配置是1920个CPU加280个GPU。和李世石下棋的就是这个配置。部分媒体翻译有误，说和李世石对战的AlphaGo是单机版，实际上不是这样，和李对战的AlphaGo连接的是谷歌的内网，把当前战况发送到谷歌的计算中心，通过计算后，决定要怎么走，再发送回来。最高配置的AlphaGo的计算能力大概相当于天河二号超级计算机的计算能力的十分之一。至于具体是哪一款，官方没有说，我猜是英特尔的至强E7，因为谷歌也是美国公司，完全可以买到英特尔的E7，不像我们的天河二号，想买E7，美国不让卖，只能买到E5，还不是最强的E5。实际上从计算能力的对比也可以看出来，天河二号用了3.2万个E5，计算能力仅为AlphaGo的10倍，如果AlphaGo也用E5，应该是没有这么强，所以应该是18核36线程版的E7，而天河二号用的是12核24线程的E5。换算一下差不多，18核的E7性能相当于12核E5的1.5倍，1920个18核E7，相当于2880个12核E5，性能相当于使用了3.2万个12核E5的天河二号的十分之一，这数字就对上了。至于AlphaGo的GPU用的可能是英伟达的特斯拉，用于加速运算，由于同配置下的GPU的浮点计算能力比CPU强大得多，在部分需要大量浮点计算的场景调用GPU辅助运算，可以大大提高效率。从AlphaGo的规模来看，总功耗预计会在2000KW左右，也就是下一个小时的棋，要消耗2000度电。

蒙特卡洛树搜索的主要流程是：选择、扩展、模拟、回传。1、利用CPOP算法求出DAG图的关键路径。2、选择阶段：设定搜索树的根节点为S0，从根节点S0开始，每经过一个结点，开始判断经过的这个结点是否扩展完。3、扩展阶段：若当前为扩展任务结点，则从待调度的任务队列中选择一个任务，添加到搜索树上，作为新的任务结点。4、模拟阶段：从扩展结点开始，在每一个位置Si，使用随机策略交替选择任务和处理器，并将同一状态下选择的任务调度到处理器上，直到模拟到全部任务都被调度到处理器上为止，最后会得到一个makespan值。5、回传阶段：当模拟结束后，获得搜索树中各节点的信息，同时根据makespan值，将搜索后所得最新结点由叶子结点回传到根节点上进行更新。6、重复执行以上步骤直到DAG图的最后一个任务结点被调度到处理器上为止，并最后根据结果找到一条能使makespan值最小的调度顺序。蒙特卡洛树搜索的含义：蒙特卡洛树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡洛树搜索方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。这也是以概率和统计理论方法为基础的一种计算方法，是使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。

蒙特卡洛树搜索的主要流程是：选择、扩展、模拟、回传。1、利用CPOP算法求出DAG图的关键路径。2、选择阶段：设定搜索树的根节点为S0，从根节点S0开始，每经过一个结点，开始判断经过的这个结点是否扩展完。3、扩展阶段：若当前为扩展任务结点，则从待调度的任务队列中选择一个任务，添加到搜索树上，作为新的任务结点。4、模拟阶段：从扩展结点开始，在每一个位置Si，使用随机策略交替选择任务和处理器，并将同一状态下选择的任务调度到处理器上，直到模拟到全部任务都被调度到处理器上为止，最后会得到一个makespan值。5、回传阶段：当模拟结束后，获得搜索树中各节点的信息，同时根据makespan值，将搜索后所得最新结点由叶子结点回传到根节点上进行更新。6、重复执行以上步骤直到DAG图的最后一个任务结点被调度到处理器上为止，并最后根据结果找到一条能使makespan值最小的调度顺序。蒙特卡洛树搜索的含义：蒙特卡洛树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡洛树搜索方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。这也是以概率和统计理论方法为基础的一种计算方法，是使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。

蒙特卡罗树搜索大概可以分为四部，分别是选择拓展模拟和反向传播。蒙特卡罗树搜索大概可以被分成四步，分别包括选择(Selection)，拓展(Expansion)，模拟(Simulation)，反向传播(Backpropagation)。利用CPOP算法求出DAG图的关键路径，设定搜索树的根节点为S0，从根节点S0开始，每经过一个结点，开始判断经过的这个结点是否扩展完。若当前为扩展任务结点，则从待调度的任务队列中选择一个任务，添加到搜索树上，作为新的任务结点。从扩展结点开始，在每一个位置Si，使用随机策略交替选择任务和处理器，并将同一状态下选择的任务调度到处理器上，直到模拟到全部任务都被调度到处理器上为止，最后会得到一个makespan值。蒙特卡罗树搜索是什么蒙特卡罗树搜索(Monte Carlo Tree Search)并不是一种"模拟人"的算法。而是通过随机的对游戏进行推演来逐渐建立一棵不对称的搜索树的过程。可以看成是某种意义上的强化学习，当然这一点学界还有一些争议。蒙特卡洛树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果。

蒙特卡洛树搜索的主要流程是选择、扩张、模拟、反馈。蒙特卡洛树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果。而蒙特卡洛树搜索方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。这也是以概率和统计理论方法为基础的一种计算方法。是使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。蒙特卡洛树基本原理当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。这就是蒙特卡罗方法的基本思想。蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。可以把蒙特卡罗解题归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。

蒙特卡洛树搜索的主要流程是选择、扩张、模拟、反馈。蒙特卡洛树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果。而蒙特卡洛树搜索方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。这也是以概率和统计理论方法为基础的一种计算方法。是使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。蒙特卡洛树基本原理当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。这就是蒙特卡罗方法的基本思想。蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。可以把蒙特卡罗解题归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。

蒙特卡洛树搜索的主要流程是选择、扩张、模拟、反馈。一、选择阶段设定搜索树的根节点为S0，从根节点S0开始，每经过一个结点，开始判断经过的这个结点是否扩展完。二、扩张阶段若当前为扩展任务结点，则从待调度的任务队列中选择一个任务，添加到搜索树上，作为新的任务结点。三、模拟阶段从扩展结点开始，在每一个位置Si，使用随机策略交替选择任务和处理器，并将同一状态下选择的任务调度到处理器上，直到模拟到全部任务都被调度到处理器上为止，最后会得到一个makespan值。四、反馈阶段当模拟结束后，获得搜索树中各节点的信息，同时根据makespan值，将搜索后所得最新结点由叶子结点回传到根节点上进行更新。蒙特卡洛树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡洛树搜索方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。

选择；扩张；模拟；反馈。蒙特卡洛树搜索又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡洛树搜索方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。

AlphaGo用了一个深度学习的模型：卷积神经网络模型。阿尔法围棋（AlphaGo）是一款围棋人工智能程序。其主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。扩展资料：阿尔法围棋用到了很多新技术，如神经网络、深度学习、蒙特卡洛树搜索法等，使其实力有了实质性飞跃。美国脸书公司“黑暗森林”围棋软件的开发者田渊栋在网上发表分析文章说，阿尔法围棋系统主要由几个部分组成：一、策略网络（Policy Network），给定当前局面，预测并采样下一步的走棋；二、快速走子（Fast rollout），目标和策略网络一样，但在适当牺牲走棋质量的条件下，速度要比策略网络快1000倍；三、价值网络（Value Network），给定当前局面，估计是白胜概率大还是黑胜概率大；四、蒙特卡洛树搜索（Monte Carlo Tree Search），把以上这三个部分连起来，形成一个完整的系统。参考资料来源：百度百科-阿尔法围棋（围棋机器人）百度百科-深度学习

AlphaGo依靠精确的专家评估系统（value network）、基于海量数据的深度神经网络（policy network），及传统的人工智能方法蒙特卡洛树搜索的组合，以及可以通过左右互搏提高自己的水平，这个真的是有的恐怖了有木有。李世石九段固然厉害，可人类毕竟是动物，机器软件程序是无休止的工作，这一点也是客观因素了。AlphaGo依靠精确的专家评估系统（value network）、基于海量数据的深度神经网络（policy network），及传统的人工智能方法蒙特卡洛树搜索的组合，以及可以通过左右互搏提高自己的水平，这个真的是有的恐怖了有木有。李世石九段固然厉害，可人类毕竟是动物，机器软件程序是无休止的工作，这一点也是客观因素了。比赛已经结束了，李世石一比四不敌alphago。有一种观点人为，只要下AlphaGo棋谱中所未记载的招数就能获胜，哪怕这些下法根本不符合围棋棋理。这种做法的可行性并不高。AlphaGo并非是对人类棋手弈棋棋谱记忆后的简单再现，而是具备了一定模拟人类神经网络的“思考”能力，既不是像过去那样采用穷举法寻找最有选项，也不是复制棋谱中所记载的定势或手筋。而是会对选择进行“思考”，删除那些胜率低的选择，并对具有高胜率的选项进行深度“思考”，最终从无数个落子的选择中基于自己的“思考”选择一个最优项。 因此，若是人类棋手想凭借下几步不符合围棋棋理，或未被棋谱记载的围棋下法，就轻而易举战胜AlphaGo的可能性并不高。因为AlphaGo是人工智能，而不是一台只会复制人类棋手招数的机器。

深度学习。阿尔法围棋（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。深度学习阿尔法围棋（AlphaGo）是一款围棋人工智能程序。其主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。阿尔法围棋用到了很多新技术，如神经网络、深度学习、蒙特卡洛树搜索法等，使其实力有了实质性飞跃。美国脸书公司“黑暗森林”围棋软件的开发者田渊栋在网上发表分析文章说，阿尔法围棋系统主要由几个部分组成：1、策略网络（Policy Network），给定当前局面，预测并采样下一步的走棋。2、快速走子（Fast rollout），目标和策略网络一样，但在适当牺牲走棋质量的条件下，速度要比策略网络快1000倍。3、价值网络（Value Network），给定当前局面，估计是白胜概率大还是黑胜概率大。4、蒙特卡洛树搜索（Monte Carlo Tree Search），把以上这四个部分连起来，形成一个完整的系统。

中国象棋界大师勉强能战和人工智能，甚至不敌。随着人工智能的发展，机器计算能力必将远远超过人类。2006年08月15日北京香格里拉大饭店，历经1小时40分钟，中象第一人许银川落下最后一子，与超级计算机浪潮天梭的第一局比赛以平局结束。尽管许大师发挥极佳，但终未能为人类扳回一局，留下些许遗憾。在围棋界，五盘棋输了四盘，围棋世界冠军李世石输给了机器。谷歌人工智能围棋程序“AlphaGO”以碾压式的胜利显示了人工智能目前的水平，让棋手们和它的创造者震惊。扩展资料：人工智能的发展：在对弈中使用的策略网络、估值网络和蒙特卡洛树搜索算法和人类的思考方式还不能相提并论。对人工智能来说，人机大战也仅仅是个开始。在科技发展的驱动下，人工智能将继续进步，一方面会将科技成果应用到医疗、机器人、无人驾驶汽车等各种为人类服务的领域。另一方面，人工智能将走向何方，是否真的会出现类人的智能，还是个未知数。参考资料来源：人民网-人机大战进入终极PK 许银川首战平浪潮天梭参考资料来源：人民网-人民日报评围棋人机大战：胜出的是我们自己

阿尔法狗是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人。其英文名为AlphaGo，音译中文后戏称为阿尔法狗。阿尔法狗其主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。扩展资料：2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册帐号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。参考资料来源：人民网——“阿尔法狗”为什么厉害

是这本《天命传说》作 者：天使奥斯卡男主叫方知晓

美国Ka-Bar刀具公司的代表产品。刀身两侧带椭圆形的血槽，非常便于插入目标后迅速的拔出。刀柄采用纯牛皮压制而成，即使沾上鲜血、汗液也不会打滑。刀柄带有军刀通用的5道防滑槽，手感非常好。不锈钢护手，可以保证使用时的绝对安全。刀尖上部开有假刃，并且已经开锋，非常锋利，极大的增强了它的穿透性。 巴克650 平刃夜鹰此款军刀是巴克公司出品的获奖产品650平刃夜鹰的军刀。刀柄采用塑胶防滑设计，刀柄护手为一体，柄芯为全龙骨柄芯。刀身涂有军用BT层，牢固耐磨损。刀刃与刀柄浑为一体，非常实用。刀鞘为高强度军用塑料，外裹尼龙套，可固定在腰间。此款刀很适合战斗和防身。刀身硬度55HRC Strider-BT（虎-BT）世界最著名的Strider刀具公司出品的虎系列产品之BT。回顾Strider Knives的历史和它辉煌的测试战绩，BT可说是Strider刀厂的经典代表之作。Strider虎系列全部采用ATS-34 这种高碳 、高铬、高钼、低杂质的不锈钢. 同时拥有坚硬度和韧性。Strider虎系列采用了特殊的处理流程，包括非常高温的热处理、零度以下的淬火，保持最大程度的坚韧性。刀身硬度58-60HRC。虎-BT本身1/4寸厚的刀身，能承受使用任何情况下的剧烈使用，所以在国外讨论区上评论Strider-BT时，大家都公认BT是一把有利刃的“撬杆”。Strider虎系列的刀具大都采用黑色氧化表面处理。保证刀身不反光，减少维护时间；对于追求美学效果的用户也提供缎面打磨。虎-BT给人的第一印象就是它粗壮的外型和那带有美式强悍风格tanto几何刀头。 M9-D80虎牙材质：425高碳钢此刀硬度58-60HRC。此款刀为先锋最新开发产品，取材于美国巴克(BUCK)公司的太师(BUCKMASTER)求生刀，与M9军刀的不同之处是把锯齿去掉改进成了背齿，可以掰断细铁丝，增强格斗杀伤能力等。可以装配在M16步枪上使用。

上面几位的所谓十大名刀都只是虚构而已中国历史名刀二刀：指雌雄两把古代名刀。《古今刀剑录》："后燕慕容垂以建兴元年，造二刀长七尺，一雄一雌，若别处之则鸣。"五色：古代名刀。梁·陶弘景《古今刀剑录》载："少帝义符以景平元年造一刀，铭曰"五色"。"中山：古代名刀。梁·陶弘景《古今刀剑录》载："后秦姚苌以建初元年造一刀，铭曰"中山"。"永安：古代名刀。梁·陶弘景《古今刀剑录》载："北京以永安三年，造刀一百口，铭曰"永安""。白鹿：古代名刀。梁·陶弘景《古今刀剑录》："后魏宣武帝恪，以景明元年于白鹿山造一刀，文曰"白鹿"。"幼平：古代名刀。梁·陶弘景《古今刀剑录》："周幼平击曹公胜，拜平虏将军。因造一刀，铭背曰幼平。"司马：古代名刀。梁·陶弘景《古今刀剑录》："晋武帝司马炎咸宁元年造八千口刀，铭曰：司马。"兴国：古代名刀。梁·陶弘景《古今刀剑录》："晋武帝衍以咸和元年，造十三口刀，铭曰兴国"。百胜刀：古代名刀。梁·陶弘景《古今刀剑录》："李以永建元年造珠碧刀一口，名曰百胜。"安国：古代名刀。梁·陶弘景《古今刀剑录》："黄武中累功作安国将军，作一佩刀，文曰安国。"赤冶刀：古代名刀。梁·陶弘景《古今刀剑录》："后魏昭成帝，以建国元年，于赤冶城铸刺刀十口，全镂赤冶宋。"定业：古代名刀。梁·陶弘景《古今刀剑录》："齐高帝肖道成，以建元二年造一刀，铭曰定业。"定国：古代名刀。梁·陶弘景《古今刀剑录》："宋武帝刘裕，以永初元年铸一刀，铭其背曰定国。"神术：古代名刀。梁·陶弘景《古今刀剑录》："前秦符坚，以甘露四年造一刀，用五千二，铭曰神术。"建义：古代名刀。梁·陶弘景《古今刀剑录》："西奈乞伏国仁，以建义三年造一刀，铭名建义。"建平：古代名刀。梁·陶弘景《古今刀剑录》："后赵石勒以建平元年造一刀，用五百金，工用万人，头尖，长三尺六寸，铭曰"建平"，隶书。"善胜：古代名刀。《梁书·陶弘景传》载："大通初，令献二刀于高祖，其一名善胜，一名威胜，并为传宝。"威胜：古代名刀，见"善胜"条。朝之：古代名刀。梁·陶弘景《古今刀剑录》云："明帝鸾以建武二年造一刀，铭曰"朝之"。"腾马：古代名刀。梁·陶弘景《古今刀剑录》："后蜀李雄，以晏平元年造刀五百口，文曰腾马。"麟嘉：古代名刀。梁·陶弘景《古今刀剑录》："后凉吕光，以麟嘉元年造一刀，铭曰麟嘉。七圣刀：古代名刀。大夏龙雀：古代名刀。《晋书·赫连勃勃载记》："又造百炼钢刀，为龙雀大环，号曰"大夏龙雀"，铭其背曰："古之利器，吴楚湛卢，大夏龙雀，名冠神都。可以怀远，可以柔逋；如风靡草，威服九区。"世世珍之。"文刀：古代名刀。《唐书·地理表》："忠州贡文刀。"巨刀：刀的一种。《湘烟录》："魏文帝造宝刀曰露陌……查原文恐有误，名曰巨刀"。半垂：古代名刀。《与弟超书》："窦侍中遗促舟全错，半垂刀一枚。"龙刀：古代名刀。《梁·简文帝》："龙刀横脖上，画尺堕众前。"龙泉太阿：古代名刀。《南史·王蕴传》："为广德令，欲以将领自奋。每抚刀曰：龙泉太阿，汝知我者"。龙鳞：①古代名刀。魏文帝《典论》："丕作陌露刀，一名龙鳞。"《续汉书》载："龙鳞，御刀也。"②古代名匕首。《典论》："魏太子邳造百辟匕首三。……其三状似龙文，名曰龙鳞。"玉环刀：古代名刀。《南史·刘怀慰传》："齐高帝以怀慰为齐郡。太守手敕曰："有文事必有武备，今赐卿玉环刀一口。""玉把刀：古代名刀。《宋史·于阗国传》："开宝二年，国王男总贡玉把刀"。百炼：古代宝刀。晋·崔豹《古今注·上·舆服》："吴大皇帝有宝刀三……一曰百炼，……"。百辟刀：古代兵器。魏武帝曹操令制。《艺文类聚·六十·魏》："往岁作百辟刀五枚，炼成，先以一与五官将（曹丕），其余四，吾诸子中有不好武而好文学，将与次与之。"曹植《宝刀赋》：""建发中，家父魏王命有司造宝刀五枚，以龙、虎、熊、鸟、雀为识。太子得一，余及余弟饶阳修各得一焉，其余二枚，家父自仗之。"安陵：古人名刀。高启《游侠篇》："新削安陵刀，光夺众目眠。"犵党：古代名刀。宋·辅《溪蛮丛笑》："出入坐卧，必以刀自随，小者尤铦利，名犵党。"阮师刀：古代名刀。晋·杨泉《物理论》："古有阮师之刀，天下之所宝贵也。……其刀平背狭刀，方口洪首，截轻微之绝然发之系，斫坚钢无变动之异，世不百金精求不可得也。"赤刀：古代名刀。《尚书》："陈宝赤刀大训弘壁琬琰在西序。"郑玄注："赤刀者武王诛纣时刀，赤为饰，周之正色。"《博物志》："赤刀，周之宝器。"含章：古代名刀。《典论》："丕造百辟宝刀，……其二彩似丹霞，名曰含章。"灵宝：古代名刀。《典论》："丕造百辟宝刀，其一文似灵龟，名曰灵宝。"张飞刀：名刀的一种。三国时期张飞所佩的腰刀。又称"新亭侯"。《刀剑录》："张刀初拜新亭侯，自命匠炼赤珠山铁为一刀。铭曰："新亭侯。""宝钿刀：古代名刀。《唐史·阿史那社尔传》："太宗美其廉，赐高昌宝钿刀。"郑刀：古代名刀。《周礼·考工记》："郑之刀，宋之斤，鲁之削，吴越之剑，迁乎其地而弗能为良也。"青犊：古代名刀。《古今注·上·舆服》："吴大皇帝有宝刀三，……二曰青犊……"。鸣鸿刀：古代名刀。《洞宴记》："武帝解鸣鸿之刀，以赐东方朔，刀长三尺，朔曰："此刀黄帝采首山之铜，铸之雄已飞去，雌者犹存，帝恐人得此刀，欲销之，刀自手中化为鹊，赤色飞去云中"。"昆吾刀：古代名刀。《宋史·李公麟传》："朝廷得玉玺，下礼官诸儒议言人人殊。公麟曰："秦玺用蓝田玉，今玉色正青，以龙蚓鸟鱼为文，著帝王受命之符，玉质坚甚，非昆吾刀，蟾肪不可治，法中绝真，秦李斯所为不疑，议由是定"。"孟劳：古代名刀。《谷粱传·鲁僖公元年》："公子友谓莒不回："吾二人不相悦，士卒何罪？"屏左右相搏。公子友处下，左右回："孟劳？"孟劳者，鲁之宝刀也。公子友以杀之。"神刀：刀的一种。相传为诸葛亮指挥下百炼而成。《蒲元传》："元性多奇思，于斜谷，为诸葛亮铸刀三千口。刀成，自方汉水钝弱，不在淬。用蜀江爽烈，足渭大金之元精，天分其野。乃命人于成都取江水，元以淬刀，言杂涪水不可用。取水者捍言不杂。元以刀画水，言杂八升。取水者叩头云：于涪津覆水，遂以涪水八升益之。以竹筒内铁珠满，申举刀断之，应手虚落，因曰神力。今屈目环者，乃是其遗范。"项羽刀：相传为项羽所佩之刀。《王侯鲭》："董卓少耕野得一刀，无文，四面隐起山云文，斫王如木。及贵，以视蔡邕，邕曰：此项羽刀。"泰山宝环刀：古代名刀。《列异传》："仙人王方平，降陈节之有，以刀一口，长五尺三寸，名泰山宝环，……曰：此刀不能为馀益，独卧卦可使无鬼，入军不伤，勿以入厕，溷且不宜，久服三年后有从汝求者，可争与之。后果有与载钱百万清刀者。"素质：古代名刀。《北堂书钞》魏文帝曹丕《典论》："余造百辟宝刀三，……其三，锋似严霜，刀身剑侠，名曰素质。"《太平御览·兵部·刀》："（素质）长四尺三寸，重二斤九两。"桂溪刀：古代名刀。黄庭坚："我有桂溪刀，聊凭东风去。"宿铁刀：古代名刀。《北名·綦母怀文传》："怀文造宿铁刀，其法烧出铁精，以重柔铤，数宿则成。"鸾刀：古代名刀。《礼记》："割刀之用，鸾刀之贵，反本修古，不忘其初也。"《诗经》："执其鸾刀，以启其毛，取其血筋。"铜口刀：古代名刀。《傅成奏事》："尚书旧给介士二百人，人给大铜口刀一枚。"银装刀：古代名刀。《南史·席阐文传》："梁武帝起兵，阐文劝。仍遣客私报帝，并献银装刀，帝报以金如意。"脱光：古代名刀。《太公兵法》："刀之神，名曰脱光。"朝仪刀：《刀剑录》："明帝鸾建武二年造一刀，铭曰朝仪刀。小篆书，长四尺。"新亭侯：古代名刀。见"张飞刀"条。漏景：古代名刀。《古今注·上·舆服》："吴大皇帝有宝刀三：……三曰漏景。"警恶刀：古代名刀。《山堂肆考》："杨贵妃文玄琰，小时尝有一刀，每出入道途间佩之，或前有恶兽盗贼，则所佩之刀铿然有声，似警于人也，故名曰警恶刀。"短刀：刀的一种。短刀的刀身相对长于刀柄（刀把），刀柄只可一手或两手执之。单刃有单刀和双刀之分。单刀有斩马刀、柳叶刀、朴刀、雁翎刀、大环刀、虎牙刀等。单刀一般为单使，也有与其他兵器一起使用的。如单刀夹拐、单刀夹鞭、单刀碟、刀牌等。单刀一般式样较大，重量也大。双刀为二刀并用，其式样和重量都较刀单刀为小。双刀有鸳鸯刀、蝴蝶刀等。(摘自《中华古今兵械图考》，下同)九环刀：大环刀的一种。为步战所用。形状与一般刀相同，惟其刀身厚，刀背上穿有九个铁环，刀尖部平，不朝前突，刀柄略细弯度较大，柄后有刀环。大砍刀：为步战所用。与一般手刀相同，惟其刀背厚，刀刃锋利，刀尖部平，不朝前突，刀柄直，柄后有刀环。大横刀：唐代短刀的一种。多为帝王所赐，佩者以此为荣。《新唐书·五及善传》："尔佩大横刀在朕侧，亦知此官贵呼。"千牛刀：利刀的别称。《庄子·养生主》中记载，庖丁宰牛数千头，所用刀仍锋利无比。故后世称锋利的刀为千牛刀。南朝梁元帝《金楼子·一·箴戒》："时杨玉夫见昱醉无所知，乃与杨万年同入幄中，以千牛刀斩之。"马刀：为骑战所用之短兵器。马刀身狭，略带弯曲，刀把也长。可两手同时握把。马刀一般较轻，锋利无比，威力较大。子母刀：刀身很短，刀柄处有一护手刀，称为子刀；母刀刀背笔直，刀身宽。子刀细小绕柄半圈，且有一刀尖。云头刀：刀身近柄持处小，刀刃弯曲向前至顶端，继续弯向刀背，刀头呈圆形，形似云头，故得此名。手刀：古刀名。宋·曾公亮《武经总要前集·卷十三·器图》有"刀八色"。手刀即其中一种。《三才图会》："手刀一旁刃，柄短如剑。"后演变成现今短刀。双手单刀：刀身细长，刀尖锋利，与苗刀相似，刀柄直面长，可双手执柄。片刀：古刀名。《大清会典图·六十五·武备图》载："片刀，通长七尺一寸二分，刃长二尺，阔一寸三分。上锐而仰，銎厚二分，柄长四尺七寸，围四寸。木质铜朱，末铁鐏长四寸。"仪刀：唐代军刀。《唐六典》："武库令刀之制有四：仪刀、鄣刀、横刀、陌刀。"始为禁卫军使用，晋时称为御刀，隋代定名为仪刀，以木或金银制成，仅供帝王仪仗队使用，故名。《制兵·刀》："仪刀，古班剑之类。晋、宋以来谓之御刀；后魏曰长刀，皆施龙凤环。隋为之仪刀，装以金银，羽仪所执。"少林鱼头刀：全长三尺，形似鱼头样，是历代武士和僧徒炼武防身之器。连环刀：刀身宽大，刀背带环，环的数量不一，刀尖突出，锋利异常。护手圆盘形，紧裹刀身，刀柄稍弯，并系刀彩。其刀可砍可劈，可撩可扎，使用起来虎虎生风，铃铃有声。护手狼牙刀：其刀背形如狼牙且刀背直而不曲。刀柄处有一月牙弯刀护手。其主要用法有劈、扎、撩、绞、格、拦、推、架等。戒刀：僧人佩刀。只供中国古代僧人出行时割切三衣（袈裟）用，不得用以杀生，故称戒刀。拍髀：因佩带时拍髀旁，故名。《释名·释兵》："短刀曰拍髀，带时拍髀旁也。"直背刀：其刀背笔直，刀刃弯向刀背，刀尖突出，刀刃锋利，刀柄略弯。其用法与一般短刀相似。服刀：多随身佩带。《汉书·九六上·西域传·婼羌》："山有铁，自作兵，兵有弓、矛、服刀、剑、甲。"佩刀：多佩带于腰间。《释名·释兵》："佩刀，在佩旁之刀也。"柳叶刀：其刀身形似柳叶，故名。削：属于书刀，指一种长刃有柄的小刀，为青铜或铁制成，用来修削木简或竹简上的文字。汉行于东周和秦汉时。《考工记·筑氏》："筑氏为刂，长尺，博寸。"鬼头刀：刀身宽，刀背略弯，刀尖突出，刀柄弯曲。钩刀：其式样与一般刀同。惟其尖上 而成倒钩状。《齐东野语》："令二壮士执钩刀，夜伏田中。"破风刀：刀身小，刀尖突出，刀刃锋利，刀背薄，刀柄弯曲。麻札刀：《宋史·岳飞传》："飞戒步卒，以麻札刀入陈，斫马足，遂大败之。"掇刀：《唐书·南蛮传》："以千人为军，十军为部，强弩二首，枪斧铺之，劲马二百，越粮刀铺之。长戈二百，掇刀铺之。"割刀：《礼记》："割刀之用，鸾也之贵，贵其义也。"《正义》曰："割刀今之刀，鸾刀，古之刀也。今刀便利，可以为割物之用。古刀迟缓，用之为难，宗庙不用今之刀，而用古刀修古也。"温铜刀：古代名刀。清代梁绍王《两般秋雨追随笔》载："传为明戎政尚书陆公完字遗物，恩陵赐也。"猨刀：古代刀的一种。"猨"通"猿"。《隋书·礼仪志》："行各二人，执金花师于楯，猨刀。"雁翅刀：古代兵器。步战用刀。又名金背大环刀。其刀背厚，刀头宽大，刀体重。刀背上有五至九个小孔，孔内有空穿铜环一枚。挥动时，环击刀背，连连作响，声似雁鸣。《玉海》："乾道元道十一月二日，命军器所造雁翎刀，以三千柄为一料。"腰刀：刀长约三飞，刀身狭，柄短。明·茅元仪《武备志·军资乘·器械》："腰刀造法，铁要多练，用纯钢自背起用平铲平削至刃，刃芒平磨无肩，乃利秒尤在尖。"腰刀多与藤片并用，故共称"腰也藤牌。"二人夺：刀鞘形似手枚，中藏利刀，合之为杖，二人分夺时，则刀离鞘可作防身之用。少林龙鳞宝刀：全长三尺五寸，为历代武林名士防身之刀。普净僧尼备此刀，明四海云游除反徒用此刀。少林滚珠宝刀：全长三尺三寸峭右代名士防身之用。明代广会高僧备此刀，精此术也。白杨刀：短刀的一种。左延年《秦女休行》："休年十四五，为宋行报仇，左执白杨刀，右据宛鲁矛。"大食刀：古代阿拉伯所造之刀。杜甫《荆南兵马使太常卿赵公大食刀歌》曰："吁嗟光禄英雄弭，大食宝刀聊可比。"大理刀：少数民族兵器。有谓："蛮刀以大理所出理佳……今世所谓吹毛透风乃大理刀之类。"大理刀有铎销，柄部饰金，极名贵。云贵刀：少数民族兵器。短刀的一种。梁·陶弘景《古今刀剑录》："云南刀，即大理所作，铁青黑沉沉不錎，南大最贵之，以象皮为鞘，朱之上，亦书犀毗花纹，一鞘两室，各函一刀，靶以皮条缠束，贵人以金银丝。"壮族尖刀：少数民族兵器。短刀的一种。刀身长一尺二寸，刃向外曲凸，刀身最宽处为一寸二分。刀背一面有锋，锋与刃尖之间有三个凹形齿口，刃较为锋利，铁护手呈"S"形。柄以木制，长四寸半。铜制柄首呈棱形状。阿昌刀：少数民族兵器。平时可弯曲而系于腰间。取用时则自然挺直。质地精良，尤以刀鞘与刀把制作考究，有木制、皮制、铜制、银制之不同，饰以精美的传统民族图案。苗刀：古代日本所制的佩刀。短刀的一种。后又称之为倭刀。其大者又名太刀，小者名胁差。鱼皮贴香木为鞘。刀身长而窄，两面开刃，刀刃犀利，装饰精美。故宋欧阳修有《日本刀歌》赞之。苗刀刀柄较长，为双手执用，杖其锋利，故刀法较为简单，明代武术家程宋猷将其用法化入我国传统刀术，著有《单刀法选》，使之广为流行。苗族尖刀：少数民族兵器。短刀的一种。刀长一尺二，向外曲凸。刀背随刃而曲，两侧有两条血槽及两条纹波形指甲印花纹，刃异常犀利，柄长三寸至四寸，用两片木料，牛角或兽骨夹制而成，以销钉固定。苗家演练时常以笋笙伴奏。环刀：元代蒙古骑战用刀，其刀刃身略弯，柄小而稍扁，较犀利。峒刀：少数民族兵器。梁·陶弘景《古今刀剑录》："峒刀，西刀州峒及诸外蛮，无不带刀者，一鞘二刀，与云南刀同，但以黑漆杂皮为鞘。"铦刀：古代婆罗门国用的短刀。《唐书·礼乐志》："睿宋时，婆罗门国献人倒行以足舞，仰植铦刀，府身就锋。"傣族刀：少数民族兵器。在生产工具短砍刀的基础上，逐步发展成为长刀。这种刀极为锋利，既是劳动工具，也是练功和自卫的武器。景颇尖刀：少数民族兵器。景颇刀历来精细别致，种类亦多，长短不一。刀形有直、曲两种，均有血槽。刃尖呈斜形，斜度各异。柄有木制、骨制、角制几种。刀鞘为木质，工艺精美，有龙及其他花纹凹雕，鞘上系有三道铜或银箍。也有细竹蔑编制的箍，鞘上系有皮带作背挎之用。僳僳族弯尖刀：少数民族兵器。短刀的一种。这种刀大小不等，也刃近似直形，刃尖向背曲凹，刀锋锐利。刀柄稍向背曲凸，以木制或角制而成。黎刀：少数民族兵器，短刀的一种。梁·陶弘景《古今刀剑录》："黎刀，海南黎山所制，刀长不过一二尺，靶长乃三四寸。织细藤缠束之。靶端插白角片尺许，如鸱鹗尾，以为饰。"藏刀：少数民族兵器。又称"西番刀"。短刀的一种。是我国藏族人民随身携带且须臾不离的防身器械。藏刀刀身短，刀尖锐利。刀鞘及刀把上多装饰精美。技法上常利用宽大藏袍作掩护，或突击闯刺，转腕变锋，或逼身擒举，使人防不胜防。常用招式有"牦牛闯阵""雄鹰啄蹄""骗马盖顶""喇嘛祭刀""举羊势"等，演练时，刀风嗖嗖，喊嚎惨人。彝族短体插刀：少数民族兵器。短刀的一种。多为彝族男性所用，平时将刀将于腰带中。刀为曲刃短刀，有刀柄及铅花银制刀鞘。刃背向外曲凸，刃锋居于内面，而刃尖稍向外再度曲凸，柄与刃均同一曲度。刀形精美优质，极为犀利尖锐。宝刀：锋利钢刀的泛称。《南史·陈世祖传》："为临川王，梦梁武帝以宝刀授已。"魏文帝《典论》："丕造百辟宝刀，其一文似灵龟，名曰灵宝；其二彩丹霞，名曰含章；其三锋似崩霜，刀身剑侠，名曰素质。"回回刀：古代名刀。《云烟过眼录》："刘汉卿所藏回回刀，小品，背上皆全紫全错。回回刀内全错出，一人面兽，精甚。闻回回国王所佩者。"吴刀：古代名刀。古时以吴地作刀最为锋利，故张华诗赞曰："吴刀鸣手中，利剑严秋霜。"斩马刀：宋代有名的步战用刀。从唐代陌刀演变而来。《玉梅》："熙宁五年，作坊造斩马刀，长三尺余，镡长尺余，首为大环，上出以示蔡挺、挺奏，便于操击，战阵之利器也。五月庚辰，朔命置局造数万口分赐边臣。"葛党刀：古代名刀。《梦溪笔谈》："吴钩，刀名也。弯，今南蛮用之，谓之葛党刀。"蜀刀：汉代军的一种。刀首有环。《汉书·文翁传注》："刀凡蜀刀，有环者也"。

肯定是有存在的，但是应该不像狼群那般辉煌，试想着很多的外国大片都出现过雇佣军的身影。《狼群》毕竟是文艺作品，在很多地方进行了美化，主人公身上融合了多位人物的能力于一身——而现实中很难有人那么完美。总之，《狼群》中的故事、邢天、狼群都是混合体

格斗：01.护腕02.握拳03.来回巴掌04.皮手套05.铁爪06.手力07.超级手指虎08.要害刺拳09.拳茧10.交叉反击拳11.手指虎箭12.魔手13.毒手14.百万吨拳15.愤怒的铁拳16.音速拳17.刺刺手套18.虎爪19.气功手20.金属拳21.白银臂22.恶魔之手23.空手道手刀24.风神拳25.雷神拳26.正拳突刺27.幻影拳28.病魔29.龙神拳30.黄金臂31.灾难拳32.魔神拳33.白金臂34.银河拳35.地球两半拳36.天罚之拳37.黄道带38.魔王拳39.神之手40.最强之星剑：01.普剑02.短剑03.碎剑者04.青铜剑05.长剑06.忍者剑07.利刃08.长柄剑09.阔剑10.魔力之剑11.双叉剑12.犀利剑13.电击剑14.死人之剑15.超能力者剑16.砍人菜刀17.除恶军刀18.眠眠剑19.村正剑20.光剑21.金刚杵22.风神剑23.雷神剑24.食人树25.正宗剑26.龙神剑27.金刚剑28.杀鬼剑29.除龙剑30.夜斩31.魔神剑32.圣战之剑33.草剃剑34.王者之剑35.七支刀36.魔王剑37.艾隆戴特38.天之羽羽切39.宇宙银河刀40.魔剑良纲枪：01.普矛02.铁枪03.骑士之枪04.诈称长枪05.长矛06.腰元矛07.武士道长枪08.三叉戟09.麻痹枪10.隼长枪11.遗忘之枪12.黑骑士之枪13.白银长枪14.功夫矛15.毒枪16.月光17.串签18.风神之枪19.雷神之枪20.限定版长枪21.邪光22.黄金长枪23.飞龙长枪24.月影25.龙神之枪26.弁庆长枪27.恶魔矛28.星影29.清正长枪30.勇者之枪31.白金长枪32.神枪33.魔神之枪34.华尔奇丽耶35.坤古尼尔36.盖博格37.卡拉德博格38.魔王之枪39.朗基努斯40.荣光之枪弓：01.普弓02.猎人之弓03.长弓04.巨箭05.破魔矢06.妖精之弓07.魔法箭08.战士之弓09.精灵之弓10.毒弓11.仙灵之弓12.圣灵之弓13.武艺箭14.破坏之弓15.正义之弓16.白银箭17.辧弓室18.电浆箭19.勇者之弓20.光之弓21.风神之弓22.雷神之弓23.黄金箭24.制裁之弓25.飞天弓26.白金箭27.九鬼28.破邪之弓29.魔天弓30.与一箭31.龙神之弓32.帕西发尔33.普罗米修斯34.星天弓35.魔神之弓36.格拉姆37.火焰弓38.魔王之弓39.阿提密丝40.银河系金仓01.RQ普通型02.二十四年式03.RQ38改装型04.海豚EX05.RQ-P3806.魔界三十五型07.KLZ90008.RQ44麦格农09.四十八年式10.大型麦格农11.魔界五十八型12.ZK自动型1313.光线枪·忍者14.五十六年式15.RQ飞龙型16.LDT52-R17.魔界七十二型18.P50-XXX19.光线枪·武士20.RQ66圣徒型21.GH401WZ22.H3000023.PS-71424.RQ77魔神杀手25.魔界一百零八型26.T-199X27.卡尔登28.RQ99终极型29.基加美修30.奥林帕斯31.奥德赛32.菲利潘33.光线枪·富士山34.人狼35.提亚马特36.布伦希尔德37.齐格菲38.芬理尔39.魔王炮40.灿星枪斧01.普斧02.村民斧03.战斧04.铜斧05.铁斧06.印第安斧07.战士之斧08.轰斧爆09.钢铁斧10.耐力斧11.魔力斧12.妖精斧13.隼斧14.魔法斧15.白银斧16.矮人族斧17.染血之斧18.梅格罗巨斧19.恶魔之斧20.美梦之斧21.猎头斧22.勇者之斧23.风神之斧24.雷神之斧25.黄金斧26.毕格罗巨斧27.死神之斧28.卢恩斧29.大地之斧30.地狱之斧31.龙神之斧32.白金斧33.屠杀之斧34.墨丘利35.魔神之斧36.天空之斧37.巴尔曼克38.魔王之斧39.杜兰达尔40.启示录（魔境之间怪物身上偷取）杖：01.普通手杖02.轻手杖03.魔女之杖04.魔法师之杖05.殴打棍棒06.高级手杖07.睡眠手杖08.体力手杖09.藏刀手杖10.妖精之杖11.忘却之杖12.死者之杖13.魔力之杖14.白银手杖15.仙灵之杖16.驱魔之杖17.贤者之杖18.希望之杖19.魔法手杖20.风神之杖21.雷神之杖22.破邪之杖23.黄金手杖24.大贤者之杖25.卢恩之杖26.彩虹棒27.龙神之杖28.神圣手杖29.圣女之杖30.梅林之杖31.魔神之杖32.堕天使之杖33.波林之杖34.世界树之杖35.妙尔尼尔36.黑暗物质37.巴利沙尔达38.魔王之杖39.宇宙银河之杖40.全知全能之杖魔物专用01.肉垫手套02.勾爪03.蟹箝04.电水母05.毒针06.蝙蝠伞07.猫拳08.蜥蜴尾巴09.豪猪10.电鳗11.眼镜蛇扭转12.千支针13.狼牙14.奇怪的触手15.吸盘16.猩猩踢17.狮心18.灰熊爪19.虎牙20.猫熊猛拳21.土龙攻击22.梅杜莎之眼23.破坏武器24.鬼手25.恶魔爪26.魔兽原力27.巨人上勾拳28.神秘之眼29.大地军刀30.毁灭武器31.雷兽之牙32.飞龙牙33.难解之谜34.奥尔哈利康之爪35.黄金国36.飞龙心37.彼列原力38.亚蒙原力39.撒旦原力40.咪子魂（别的魔界魔女身上偷取）41.魔界大战（超魔王巴尔身上偷取）42.魔界大战2（超魔王企鹅巴尔身上偷取）防具系：01.护身符02.护具03.防弹背心04.高级锅盖05.皮外套06.锁帷子07.异次元披风08.威力夹克09.武士道套装10.魔法背心11.肌肉铠甲12.铁甲13.皮草大衣14.绅士袍15.隐形披风16.异味夹克17.鬼灵披风18.大贤者的长袍19.白银套装20.毅力背心21.风神铠甲22.雷神铠甲23.仙人掌铠甲24.英雄披风25.黄金套装26.死神铠甲27.黑骑士铠甲28.九尾皮草29.白金套装30.武神夹克31.奥尔哈利康之盾32.龙神铠甲33.邪神铠甲34.伊吉斯盾35.天界铠甲36.魔王披风37.魔王之盾38.魔王铠甲39.涅盘40.超合金机器人套装（超魔王巴尔身上偷取）腰带系：01.小力量腰带02.力量腰带03.努力腰带04.干劲腰带05.百万力量腰带06.怪力腰带07.超级腰带08.钢铁腰带09.灵气腰带10.爱的腰带11.气势腰带12.英雄腰带13.斗魂腰带14.铁人培养腰带15.勇者腰带16.毅力腰带17.少林腰带18.黑带19.查克拉腰带20.银河王者腰带靴系：01.拖鞋02.运动鞋03.忍者布鞋04.隼之靴05.天使之靴06.加速装置07.超时空引擎（40号装备连下100层不回城，打败道具神2后系统赠送）宝珠系：01.普通灵珠02.精神灵珠03.黑暗灵珠04.鲜血灵珠05.灿星灵珠06.月亮灵珠07.王者灵珠08.神圣灵珠09.浑沌灵珠10.森罗万象灵珠眼镜系：01.普通眼镜02.放大镜03.高级眼镜04.花朵眼镜05.歌剧眼镜06.夜视眼镜07.典范眼镜08.远见眼镜09.命运眼镜10.天意眼镜肌肉系：01.肌肉结实02.肌肉奋发03.肌肉精神04.肌肉战斗05.肌肉王牌06.肌肉胜利07.肌肉梦想08.肌肉世界09.肌肉之星10.宇宙肌肉特殊系：01.强取扒手02.豪夺扒手03.贪心扒手04.狂喜扒手05.神技扒手06.梦幻扒手（道具收集每收集到10%的整数道具屋赠送1个）07.出口（道具界整10层道具界的怪物全清，奖励表里赠送）记号系01.皇帝护符02.黑暗念珠03.恶魔戒指04.普莉欧尔的羽毛05.苏菲亚的镜子06.普劳达的项链07.皇家戒指08.圣经09.出埃及记10.阿卡迪亚EX系01.马的肉棒02.玛霍伽尼的脑子03.黑博库雷斯的身体04.仆人的根性05.克罗温蒂娅之美06.米温的猫耳07.普利尼外套08.星彩外套我制作人物出现率100%所以很肯定 普利尼一共5种 最后的魔王打败了也不能制作的40号武器可以从39号武器的100层偷40号武器和防具的100层可以复制该道具超时空引擎是不脱出地打完任意40号道具的100层，一共就一个EX前3样从 魔王所谓的工作 这一章的最后一个地图的小BOSS一个僵尸那里偷EX4-6收服魔女她身上就有EX7在魔王普利尼身上，42号魔物专用也是EX8在人间界的BOSS身上40号防具41号魔物专用在魔王拜尔身上强化20次后在星之墓场的魔书上也有稀有道具另一个魔王收服后身上也带有一些道具应该差不多了，还有什么不懂的可以再追问

用旧的好一点。[1)轩辕剑 黄帝所铸 首山之铜 天文古字 广黄帝东行纪云帝崩葬乔山五百年后山崩室空惟剑在焉一旦亦失去画影(1)腾空 颛顼所有 拾遗记曰颛顼高阳氏有此剑若四方有兵此剑飞赴指其方则克在匣中常如龙吟虎啸 (2)禹剑 夏禹所铸 腹上刻二十八宿面文明星晨，背记山川 藏之会稽山(3)启剑 夏王启铸 铜 三尺九寸 后藏之秦望山(4)太康剑 夏王太康铸 铜 三尺二寸 太康在位二十九年辛卯三日铸 (5)夹剑 夏王孔甲铸 牛首山之铁 铭曰夹 四尺一寸 孔甲在位三十一年以九年甲辰铸一剑铭曰夹 (6)定光 殷太甲铸 文曰定光古文篆书 二尺 太甲在位三十二年以四年甲子铸一剑曰定光(7)照胆 殷武丁铸 铭曰照胆古文篆书 三尺 武丁在位五十九年以元年戊午铸一剑曰照胆(8)含光 殷代 列子曰卫周孔其得殷之宝剑童子服之却三军之众一曰含光二曰承景三曰脊练 承景脊练 (9)镇岳尚方 周昭王铸 铭曰镇岳尚方古文篆书 五尺 昭王在位五十一年以二年壬年铸五剑各投五岳铭曰镇岳尚方(10)昆吾剑 周穆王时西戎献 链钢 长欠有咫 用之切玉如泥(11)骏 周简王铸 铭曰骏大篆书 三尺 简王在位十四年以元年癸酉铸(12)干将 吴人干将莫邪所造 铁 吴越春秋载吴王闯庐使干将作二剑其妻莫邪断发翦爪投炉中剑成雄号干将雌号莫邪 莫邪 (13)越五剑 越欧冶子造 铜锡 越绝书载欧冶因天之精神悉其伎巧铸成五剑一曰湛卢二曰纯ぬ三曰胜邪四曰鱼肠五曰巨阙(14)越八剑 越王使工人所铸 采金 拾遗记载越王以白牛白马祀昆吾之神以成八剑名曰掩日断水转魄悬翦惊鲵灭魂却邪真刚(15)龙渊 楚命欧冶干将所造 铁英 越绝书载楚王闻吴有干将越有欧冶子命风胡子往见之使作铁剑因成龙渊(16)太阿工布铁剑三枚太阿工布诫 秦昭王铸 铭曰诫大篆书 三尺 昭王在位五十二年以元年丙午铸(17)定秦 秦始王铸 采北祗铜 铭曰定秦小篆书李斯刻 三尺六寸 皇在位三十七年以三年丁巳铸(18)神剑 汉太公所得 命诀载太公微时有冶为天子铸剑指太公腰间佩刀曰若得杂冶即成神剑可以克天下太公解投冶中剑成授太公 (19)赤霄 汉高帝所得 铁 铭曰赤霄大篆书 三尺 高帝以秦始皇三十四年得於南山及贵常服之斩蛇即此剑(20)神龟 汉文帝铸 三尺六寸 同时铸三剑刻龟形故名 帝崩命入剑玄武宫(21)八服 汉武帝铸 铭曰八服小篆书 三尺六寸 以元光五年铸凡八剑五岳皆埋之(22)茂陵剑 汉昭帝所得 上铭直千金寿万岁 昭帝时茂陵人献一宝剑故名(23)毛 汉宣帝铸 二剑铭皆小篆书 三尺 以本始四年铸一曰毛二曰贵以足下有毛故为之贵 (24)衍 汉平帝所得 上有帝名大篆书 平帝在位五年以元始元年辛酉掘得上有帝名衍因服之 (25)乘胜万里伏 王莽铸 铭曰乘胜万里伏小篆书 三尺六寸 莽造威斗及神剑皆链五色石为之(26)更国 更始刘圣公铸 铭曰更国小篆书 (27)秀霸 汉光武所得 铭曰秀霸小篆书 未贵时在南阳鄂山得之(28)玉具剑 光武以赐冯异 七尺 冯异传赤眉暴乱三辅以冯异为征西将军讨之车驾送至河南赐以乘舆七尺玉具剑(29)龙彩 汉明帝铸 永平元年铸上作龙形沉之洛水中水清时常有见之者(30)金剑 汉章帝铸 金质 建初八年铸投入伊水中 (31)安汉 汉顺帝铸 铭曰安汉小篆书 三尺四寸 永建元年铸(32)中兴 汉灵帝铸 文曰中兴小篆书 建宁三年铸同时铸四剑铭文皆同后一剑无故自失 (33)孟德 曹操所得 上有金字铭曰孟德 三尺六寸 献帝建安二十年操於幽谷得之(34)思召 袁绍所得 上铭曰思召 古今注袁绍在黎阳梦神人授一宝剑及觉果在卧所铭曰思召解思召为绍字(35)蜀八剑 蜀昭烈帝铸 采金牛山铁 三尺六寸 一备自服余赐太子禅梁王理鲁王永诸葛亮关羽张飞赵云各一(36)镇山剑 蜀后帝禅造 一丈二尺 廷熙二年造此巨剑以镇剑口山故名(37)倚天 其利断铁如泥一自佩一赐夏侯恩青虹 魏武帝铸魏(38)三剑 魏太子丕造 一曰飞星一曰流采一曰华铤(39)文士剑 杨修献魏文帝 文士传杨修以宝剑与魏文帝帝佩之语人曰此杨修剑也 (40)吴六剑 吴大帝所有 古今注载吴大皇帝有宝剑六一曰白虹二曰紫电三曰辟邪四曰流星五曰青冥六曰百里 (41)大吴 吴大帝孙权铸 采武昌铜铁 文曰大吴小篆书 各三尺九寸 黄武五年共作剑千口(42)流光 吴王孙高铸 文曰流光小篆书 建兴二年铸 (43)皇帝吴王 吴主孙皓铸 文曰皇帝吴王小篆书 建衡元年铸） (44)步光 晋怀帝铸 铭曰步光小篆书 五尺 永嘉元年铸(45)五方单符 晋穆帝铸 铭曰五方单符(46)隶书 以永和五年於房山造剑五口神剑 晋孝帝铸 铭曰神剑隶书 以太元元年埋此於华山顶(47)定国 宋武帝铸 铭曰定国小篆书 永初元年铸此剑后入于梁(48)永昌 宋废帝昱造 铭曰永昌篆书 元徽二年造於蒋山之巅(49)梁神剑 陶弘景造 金银铜锡铁五色合为之 文曰服之者永治四方小篆书 长短各依剑术法 梁武帝依普通中庚子命弘景造神剑十三口（镇山 北魏道武帝造 隶书 登国元年帝於嵩阿铸此二剑 ）(50)沉水龙雀 夏赫连氐造 铭曰大夏龙雀 魏志赫连百链为剑号曰大夏龙雀铭其背(51)太常 北魏明元帝造 铭背曰太常(52)四尺千金剑 唐晋公王铎所有 剑侠传唐晋公有千金剑以获李龟寿(53)火精剑 唐德宗所有 杜阳杂绵载夜见数尺光明斫铁即碎 (54)酉蕃宝剑 宋 宋监载右相都督张浚请御前降西蕃宝剑给赐有功将士以为激劝(55)古铜剑 宋苏轼所得 东坡集载郭祥正遗古铜剑东坡谢以诗云一双铜剑秋水色两首新诗争剑(56)楚铜剑 宋郑文所得 方舆志载宋奉官郑文尝官楚武昌江岸裂出古铜剑文得之冶铸精巧非人工所能成者(57)安定剑 明初安定王所贡 咸宾集载洪武甲寅安定王遣使贯异剑赐以织金文绮命其酋长立为四部岁入贯为常二刀：指雌雄两把古代名刀。《古今刀剑录》："后燕慕容垂以建兴元年，造二刀长七尺，一雄一雌，若别处之则鸣。" 五色：古代名刀。梁·陶弘景《古今刀剑录》载："少帝义符以景平元年造一刀，铭曰"五色"。" 中山：古代名刀。梁·陶弘景《古今刀剑录》载："后秦姚苌以建初元年造一刀，铭曰"中山"。" 永安：古代名刀。梁·陶弘景《古今刀剑录》载："北京以永安三年，造刀一百口，铭曰"永安""。 白鹿：古代名刀。梁·陶弘景《古今刀剑录》："后魏宣武帝恪，以景明元年于白鹿山造一刀，文曰"白鹿"。" 幼平：古代名刀。梁·陶弘景《古今刀剑录》："周幼平击曹公胜，拜平虏将军。因造一刀，铭背曰幼平。" 司马：古代名刀。梁·陶弘景《古今刀剑录》："晋武帝司马炎咸宁元年造八千口刀，铭曰：司马。" 兴国：古代名刀。梁·陶弘景《古今刀剑录》："晋武帝衍以咸和元年，造十三口刀，铭曰兴国"。 百胜刀：古代名刀。梁·陶弘景《古今刀剑录》："李以永建元年造珠碧刀一口，名曰百胜。" 安国：古代名刀。梁·陶弘景《古今刀剑录》："黄武中累功作安国将军，作一佩刀，文曰安国。" 赤冶刀：古代名刀。梁·陶弘景《古今刀剑录》："后魏昭成帝，以建国元年，于赤冶城铸刺刀十口，全镂赤冶宋。" 定业：古代名刀。梁·陶弘景《古今刀剑录》："齐高帝肖道成，以建元二年造一刀，铭曰定业。" 定国：古代名刀。梁·陶弘景《古今刀剑录》："宋武帝刘裕，以永初元年铸一刀，铭其背曰定国。" 神术：古代名刀。梁·陶弘景《古今刀剑录》："前秦符坚，以甘露四年造一刀，用五千二，铭曰神术。" 建义：古代名刀。梁·陶弘景《古今刀剑录》："西奈乞伏国仁，以建义三年造一刀，铭名建义。" 建平：古代名刀。梁·陶弘景《古今刀剑录》："后赵石勒以建平元年造一刀，用五百金，工用万人，头尖，长三尺六寸，铭曰"建平"，隶书。" 善胜：古代名刀。《梁书·陶弘景传》载："大通初，令献二刀于高祖，其一名善胜，一名威胜，并为传宝。" 威胜：古代名刀，见"善胜"条。 朝之：古代名刀。梁·陶弘景《古今刀剑录》云："明帝鸾以建武二年造一刀，铭曰"朝之"。" 腾马：古代名刀。梁·陶弘景《古今刀剑录》："后蜀李雄，以晏平元年造刀五百口，文曰腾马。" 麟嘉：古代名刀。梁·陶弘景《古今刀剑录》："后凉吕光，以麟嘉元年造一刀，铭曰麟嘉。 七圣刀：古代名刀。 大夏龙雀：古代名刀。《晋书·赫连勃勃载记》："又造百炼钢刀，为龙雀大环，号曰"大夏龙雀"，铭其背曰："古之利器，吴楚湛卢，大夏龙雀，名冠神都。可以怀远，可以柔逋；如风靡草，威服九区。"世世珍之。" 文刀：古代名刀。《唐书·地理表》："忠州贡文刀。" 巨刀：刀的一种。《湘烟录》："魏文帝造宝刀曰露陌……查原文恐有误，名曰巨刀"。 半垂：古代名刀。《与弟超书》："窦侍中遗促舟全错，半垂刀一枚。" 龙刀：古代名刀。《梁·简文帝》："龙刀横脖上，画尺堕众前。"龙泉太阿：古代名刀。《南史·王蕴传》："为广德令，欲以将领自奋。每抚刀曰：龙泉太阿，汝知我者"。 龙鳞：①古代名刀。魏文帝《典论》："丕作陌露刀，一名龙鳞。"《续汉书》载："龙鳞，御刀也。"②古代名匕首。《典论》："魏太子邳造百辟匕首三。……其三状似龙文，名曰龙鳞。" 玉环刀：古代名刀。《南史·刘怀慰传》："齐高帝以怀慰为齐郡。太守手敕曰："有文事必有武备，今赐卿玉环刀一口。"" 玉把刀：古代名刀。《宋史·于阗国传》："开宝二年，国王男总贡玉把刀"。 百炼：古代宝刀。晋·崔豹《古今注·上·舆服》："吴大皇帝有宝刀三……一曰百炼，……"。 百辟刀：古代兵器。魏武帝曹操令制。《艺文类聚 六十 魏》："往岁作百辟刀五枚，炼成，先以一与五官将（曹丕），其余四，吾诸子中有不好武而好文学，将与次与之。"曹植《宝刀赋》：""建发中，家父魏王命有司造宝刀五枚，以龙、虎、熊、鸟、雀为识。太子得一，余及余弟饶阳修各得一焉，其余二枚，家父自仗之。" 安陵：古人名刀。高启《游侠篇》："新削安陵刀，光夺众目眠。" 犵党：古代名刀。宋·辅《溪蛮丛笑》："出入坐卧，必以刀自随，小者尤铦利，名犵党。" 阮师刀：古代名刀。晋·杨泉《物理论》："古有阮师之刀，天下之所宝贵也。……其刀平背狭刀，方口洪首，截轻微之绝然发之系，斫坚钢无变动之异，世不百金精求不可得也。" 赤刀：古代名刀。《尚书》："陈宝赤刀大训弘壁琬琰在西序。"郑玄注："赤刀者武王诛纣时刀，赤为饰，周之正色。"《博物志》："赤刀，周之宝器。" 含章：古代名刀。《典论》："丕造百辟宝刀，……其二彩似丹霞，名曰含章。" 灵宝：古代名刀。《典论》："丕造百辟宝刀，其一文似灵龟，名曰灵宝。" 张飞刀：名刀的一种。三国时期张飞所佩的腰刀。又称"新亭侯"。《刀剑录》："张刀初拜新亭侯，自命匠炼赤珠山铁为一刀。铭曰："新亭侯。"" 宝钿刀：古代名刀。《唐史·阿史那社尔传》："太宗美其廉，赐高昌宝钿刀。" 郑刀：古代名刀。《周礼·考工记》："郑之刀，宋之斤，鲁之削，吴越之剑，迁乎其地而弗能为良也。" 青犊：古代名刀。《古今注·上·舆服》："吴大皇帝有宝刀三，一曰……，二曰青犊……"。 鸣鸿刀：古代名刀。《洞宴记》："武帝解鸣鸿之刀，以赐东方朔，刀长三尺，朔曰："此刀黄帝采首山之铜，铸之雄已飞去，雌者犹存，帝恐人得此刀，欲销之，刀自手中化为鹊，赤色飞去云中"。" 昆吾刀：古代名刀。《宋史·李公麟传》："朝廷得玉玺，下礼官诸儒议言人人殊。公麟曰："秦玺用蓝田玉，今玉色正青，以龙蚓鸟鱼为文，著帝王受命之符，玉质坚甚，非昆吾刀，蟾肪不可治，法中绝真，秦李斯所为不疑，议由是定"。" 孟劳：古代名刀。《谷粱传·鲁僖公元年》："公子友谓莒不回："吾二人不相悦，士卒何罪？"屏左右相搏。公子友处下，左右回："孟劳？"孟劳者，鲁之宝刀也。公子友以杀之。" 神刀：刀的一种。相传为诸葛亮指挥下百炼而成。《蒲元传》："元性多奇思，于斜谷，为诸葛亮铸刀三千口。刀成，自方汉水钝弱，不在淬。用蜀江爽烈，足渭大金之元精，天分其野。乃命人于成都取江水，元以淬刀，言杂涪水不可用。取水者捍言不杂。元以刀画水，言杂八升。取水者叩头云：于涪津覆水，遂以涪水八升益之。以竹筒内铁珠满，申举刀断之，应手虚落，因曰神力。今屈目环者，乃是其遗范。" 项羽刀：相传为项羽所佩之刀。《王侯鲭》："董卓少耕野得一刀，无文，四面隐起山云文，斫王如木。及贵，以视蔡邕，邕曰：此项羽刀。" 泰山宝环刀：古代名刀。《列异传》："仙人王方平，降陈节之有，以刀一口，长五尺三寸，名泰山宝环，……曰：此刀不能为馀益，独卧卦可使无鬼，入军不伤，勿以入厕，溷且不宜，久服三年后有从汝求者，可争与之。后果有与载钱百万清刀者。" 素质：古代名刀。《北堂书钞》魏文帝曹丕《典论》："余造百辟宝刀三，……其三，锋似严霜，刀身剑侠，名曰素质。"《太平御览·兵部·刀》："（素质）长四尺三寸，重二斤九两。" 桂溪刀：古代名刀。黄庭坚："我有桂溪刀，聊凭东风去。" 宿铁刀：古代名刀。《北名·綦母怀文传》："怀文造宿铁刀，其法烧出铁精，以重柔铤，数宿则成。" 鸾刀：古代名刀。《礼记》："割刀之用，鸾刀之贵，反本修古，不忘其初也。"《诗经》："执其鸾刀，以启其毛，取其血筋。铜口刀：古代名刀。《傅成奏事》："尚书旧给介士二百人，人给大铜口刀一枚。" 银装刀：古代名刀。《南史·席阐文传》："梁武帝起兵，阐文劝。仍遣客私报帝，并献银装刀，帝报以金如意。" 脱光：古代名刀。《太公兵法》："刀之神，名曰脱光。" 朝仪刀：《刀剑录》："明帝鸾建武二年造一刀，铭曰朝仪刀。小篆书，长四尺。" 新亭侯：古代名刀。见"张飞刀"条。 漏景：古代名刀。《古今注·上·舆服》："吴大皇帝有宝刀三：……三曰漏景。" 警恶刀：古代名刀。《山堂肆考》："杨贵妃文玄琰，小时尝有一刀，每出入道途间佩之，或前有恶兽盗贼，则所佩之刀铿然有声，似警于人也，故名曰警恶刀。" 短刀：刀的一种。短刀的刀身相对长于刀柄（刀把），刀柄只可一手或两手执之。单刃有单刀和双刀之分。单刀有斩马刀、柳叶刀、朴刀、雁翎刀、大环刀、虎牙刀等。单刀一般为单使，也有与其他兵器一起使用的。如单刀夹拐、单刀夹鞭、单刀碟、刀牌等。单刀一般式样较大，重量也大。双刀为二刀并用，其式样和重量都较刀单刀为小。双刀有鸳鸯刀、蝴蝶刀等。九环刀：大环刀的一种。为步战所用。形状与一般刀相同，惟其刀身厚，刀背上穿有九个铁环，刀尖部平，不朝前突，刀柄略细弯度较大，柄后有刀环。 大砍刀：为步战所用。与一般手刀相同，惟其刀背厚，刀刃锋利，刀尖部平，不朝前突，刀柄直，柄后有刀环。 大横刀：唐代短刀的一种。多为帝王所赐，佩者以此为荣。《新唐书·五及善传》："尔佩大横刀在朕侧，亦知此官贵呼。" 千牛刀：利刀的别称。《庄子·养生主》中记载，庖丁宰牛数千头，所用刀仍锋利无比。故后世称锋利的刀为千牛刀。南朝梁元帝《金楼子·一·箴戒》："时杨玉夫见昱醉无所知，乃与杨万年同入幄中，以千牛刀斩之。" 马刀：为骑战所用之短兵器。马刀身狭，略带弯曲，刀把也长。可两手同时握把。马刀一般较轻，锋利无比，威力较大。 子母刀：刀身很短，刀柄处有一护手刀，称为子刀；母刀刀背笔直，刀身宽。子刀细小绕柄半圈，且有一刀尖。 云头刀：刀身近柄持处小，刀刃弯曲向前至顶端，继续弯向刀背，刀头呈圆形，形似云头，故得此名。 手刀：古刀名。宋·曾公亮《武经总要前集·卷十三·器图》有"刀八色"。手刀即其中一种。《三才图会》："手刀一旁刃，柄短如剑。"后演变成现今短刀。 双手单刀：刀身细长，刀尖锋利，与苗刀相似，刀柄直面长，可双手执柄。 片刀：古刀名。《大清会典图·六十五·武备图》载："片刀，通长七尺一寸二分，刃长二尺，阔一寸三分。上锐而仰，銎厚二分，柄长四尺七寸，围四寸。木质铜朱，末铁鐏长四寸。" 仪刀：唐代军刀。《唐六典》："武库令刀之制有四：仪刀、鄣刀、横刀、陌刀。"始为禁卫军使用，晋时称为御刀，隋代定名为仪刀，以木或金银制成，仅供帝王仪仗队使用，故名。《制兵·刀》："仪刀，古班剑之类。晋、宋以来谓之御刀；后魏曰长刀，皆施龙凤环。隋为之仪刀，装以金银，羽仪所执。" 少林鱼头刀：全长三尺，形似鱼头样，是历代武士和僧徒炼武防身之器。 连环刀：刀身宽大，刀背带环，环的数量不一，刀尖突出，锋利异常。护手圆盘形，紧裹刀身，刀柄稍弯，并系刀彩。其刀可砍可劈，可撩可扎，使用起来虎虎生风，铃铃有声。 护手狼牙刀：其刀背形如狼牙且刀背直而不曲。刀柄处有一月牙弯刀护手。其主要用法有劈、扎、撩、绞、格、拦、推、架等。 戒刀：僧人佩刀。只供中国古代僧人出行时割切三衣（袈裟）用，不得用以杀生，故称戒刀。 拍髀：因佩带时拍髀旁，故名。《释名·释兵》："短刀曰拍髀，带时拍髀旁也。" 直背刀：其刀背笔直，刀刃弯向刀背，刀尖突出，刀刃锋利，刀柄略弯。其用法与一般短刀相似。 服刀：多随身佩带。《汉书·九六上·西域传·婼羌》："山有铁，自作兵，兵有弓、矛、服刀、剑、甲。" 佩刀：多佩带于腰间。《释名·释兵》："佩刀，在佩旁之刀也。" 柳叶刀：其刀身形似柳叶，故名。 削：属于书刀，指一种长刃有柄的小刀，为青铜或铁制成，用来修削木简或竹简上的文字。汉行于东周和秦汉时。《考工记·筑氏》："筑氏为刂，长尺，博寸。" 鬼头刀：刀身宽，刀背略弯，刀尖突出，刀柄弯曲。 钩刀：其式样与一般刀同。惟其尖上 而成倒钩状。《齐东野语》："令二壮士执钩刀，夜伏田中。" 破风刀：刀身小，刀尖突出，刀刃锋利，刀背薄，刀柄弯曲。 麻札刀：《宋史·岳飞传》："飞戒步卒，以麻札刀入陈，斫马足，遂大败之。" 掇刀：《唐书·南蛮传》："以千人为军，十军为部，强弩二首，枪斧铺之，劲马二百，越粮刀铺之。长戈二百，掇刀铺之。" 割刀：《礼记》："割刀之用，鸾也之贵，贵其义也。"《正义》曰："割刀今之刀，鸾刀，古之刀也。今刀便利，可以为割物之用。古刀迟缓，用之为难，宗庙不用今之刀，而用古刀修古也。" 温铜刀：古代名刀。清代梁绍王《两般秋雨追随笔》载："传为明戎政尚书陆公完字遗物，恩陵赐也。" 雁翅刀：古代兵器。步战用刀。又名金背大环刀。其刀背厚，刀头宽大，刀体重。刀背上有五至九个小孔，孔内有空穿铜环一枚。挥动时，环击刀背，连连作响，声似雁鸣。《玉海》："乾道元道十一月二日，命军器所造雁翎刀，以三千柄为一料。" 腰刀：刀长约三飞，刀身狭，柄短。明·茅元仪《武备志·军资乘·器械》："腰刀造法，铁要多练，用纯钢自背起用平铲平削至刃，刃芒平磨无肩，乃利秒尤在尖。"腰刀多与藤片并用，故共称"腰也藤牌。" 二人夺：刀鞘形似手枚，中藏利刀，合之为杖，二人分夺时，则刀离鞘可作防身之用。 少林龙鳞宝刀：全长三尺五寸，为历代武林名士防身之刀。普净僧尼备此刀，明四海云游除反徒用此刀。 少林滚珠宝刀：全长三尺三寸峭右代名士防身之用。明代广会高僧备此刀，精此术也。 白杨刀：短刀的一种。左延年《秦女休行》："休年十四五，为宋行报仇，左执白杨刀，右据宛鲁矛。" 大食刀：古代阿拉伯所造之刀。杜甫《荆南兵马使太常卿赵公大食刀歌》曰："吁嗟光禄英雄弭，大食宝刀聊可比。" 大理刀：少数民族兵器。有谓："蛮刀以大理所出理佳……今世所谓吹毛透风乃大理刀之类。"大理刀有铎销，柄部饰金，极名贵。 云贵刀：少数民族兵器。短刀的一种。梁·陶弘景《古今刀剑录》："云南刀，即大理所作，铁青黑沉沉不錎，南大最贵之，以象皮为鞘，朱之上，亦书犀毗花纹，一鞘两室，各函一刀，靶以皮条缠束，贵人以金银丝。" 壮族尖刀：少数民族兵器。短刀的一种。刀身长一尺二寸，刃向外曲凸，刀身最宽处为一寸二分。刀背一面有锋，锋与刃尖之间有三个凹形齿口，刃较为锋利，铁护手呈"S"形。柄以木制，长四寸半。铜制柄首呈棱形状。 阿昌刀：少数民族兵器。平时可弯曲而系于腰间。取用时则自然挺直。质地精良，尤以刀鞘与刀把制作考究，有木制、皮制、铜制、银制之不同，饰以精美的传统民族图案。 苗刀：古代日本所制的佩刀。短刀的一种。后又称之为倭刀。其大者又名太刀，小者名胁差。鱼皮贴香木为鞘。刀身长而窄，两面开刃，刀刃犀利，装饰精美。故宋欧阳修有《日本刀歌》赞之。苗刀刀柄较长，为双手执用，杖其锋利，故刀法较为简单，明代武术家程宋猷将其用法化入我国传统刀术，著有《单刀法选》，使之广为流行。 苗族尖刀：少数民族兵器。短刀的一种。刀长一尺二，向外曲凸。刀背随刃而曲，两侧有两条血槽及两条纹波形指甲印花纹，刃异常犀利，柄长三寸至四寸，用两片木料，牛角或兽骨夹制而成，以销钉固定。苗家演练时常以笋笙伴奏。 环刀：元代蒙古骑战用刀，其刀刃身略弯，柄小而稍扁，较犀利。 峒刀：少数民族兵器。梁·陶弘景《古今刀剑录》："峒刀，西刀州峒及诸外蛮，无不带刀者，一鞘二刀，与云南刀同，但以黑漆杂皮为鞘。" 傣族刀：少数民族兵器。在生产工具短砍刀的基础上，逐步发展成为长刀。这种刀极为锋利，既是劳动工具，也是练功和自卫的武器。 景颇尖刀：少数民族兵器。景颇刀历来精细别致，种类亦多，长短不一。刀形有直、曲两种，均有血槽。刃尖呈斜形，斜度各异。柄有木制、骨制、角制几种。刀鞘为木质，工艺精美，有龙及其他花纹凹雕，鞘上系有三道铜或银箍。也有细竹蔑编制的箍，鞘上系有皮带作背挎之用。 僳僳族弯尖刀：少数民族兵器。短刀的一种。这种刀大小不等，也刃近似直形，刃尖向背曲凹，刀锋锐利。刀柄稍向背曲凸，以木制或角制而成。 黎刀：少数民族兵器，短刀的一种。梁·陶弘景《古今刀剑录》："黎刀，海南黎山所制，刀长不过一二尺，靶长乃三四寸。织细藤缠束之。靶端插白角片尺许，如鸱鹗尾，以为饰。" 藏刀：少数民族兵器。又称"西番刀"。短刀的一种。是我国藏族人民随身携带且须臾不离的防身器械。藏刀刀身短，刀尖锐利。刀鞘及刀把上多装饰精美。技法上常利用宽大藏袍作掩护，或突击闯刺，转腕变锋，或逼身擒举，使人防不胜防。常用招式有"牦牛闯阵""雄鹰啄蹄""骗马盖顶""喇嘛祭刀""举羊势"等，演练时，刀风嗖嗖，喊嚎惨人。 彝族短体插刀：少数民族兵器。短刀的一种。多为彝族男性所用，平时将刀将于腰带中。刀为曲刃短刀，有刀柄及铅花银制刀鞘。刃背向外曲凸，刃锋居于内面，而刃尖稍向外再度曲凸，柄与刃均同一曲度。刀形精美优质，极为犀利尖锐。 宝刀：锋利钢刀的泛称。《南史·陈世祖传》："为临川王，梦梁武帝以宝刀授已。"魏文帝《典论》："丕造百辟宝刀，其一文似灵龟，名曰灵宝；其二彩丹霞，名曰含章；其三锋似崩霜，刀身剑侠，名曰素质。" 回回刀：古代名刀。《云烟过眼录》："刘汉卿所藏回回刀，小品，背上皆全紫全错。回回刀内全错出，一人面兽，精甚。闻回回国王所佩者。" 吴刀：古代名刀。古时以吴地作刀最为锋利，故张华诗赞曰："吴刀鸣手中，利剑严秋霜。" 斩马刀：宋代有名的步战用刀。从唐代陌刀演变而来。《玉梅》："熙宁五年，作坊造斩马刀，长三尺余，镡长尺余，首为大环，上出以示蔡挺、挺奏，便于操击，战阵之利器也。五月庚辰，朔命置局造数万口分赐边臣。" 葛党刀：古代名刀。《梦溪笔谈》："吴钩，刀名也。弯，今南蛮用之，谓之葛党刀。" 蜀刀：汉代军的一种。刀首有环。《汉书·文翁传注》："刀凡蜀刀，有环者也"。

我想我知道为什么，因为我以前做首映的AVI的视频格式，可以在不同类型的性质进行细分。 我没有在这里列出。不同类型需要不同的解码器。你可以去网上查找关于AVI格式的类型信息。明白为什么朋友会知道你可能编码的AVI文件首映不支持，先用解码器来显示。如果没有，那么将使用的软件的支持来转换其它格式，然后在Premiere处理。希望能帮到你

不好下载 就录呗

我在网盘里，你能加我网盘么。

1，关于VOA的提问 我怎么才能听得懂VOA的常速？ 无厘头的目标当作学英语的目标，VOA的词汇经过钟道隆的统计需要至少9600个词汇才可能完全听懂，你不觉得现在还在手榴弹和雇佣兵初期的你设定这么高的目标太不切实际了么？ 另一个 最无趣的VOA真正的原因是英语播客的小编说的，我觉得很有道理，贴在这里，我和这家播客没任何利益联系，我甚至建议大家去VC上找音频下载，所以你不用担心我在说假话。 “VOA、BBC一类的节目本身就不专为英语学习而设，自然也就不那么适合用来做教材。EnglishPod的课程设置了不同的等级难度和频道分类，再加上外教的细心讲解，和一知半解的状况相比，这样的细说举例是不是对你的英语学习更有帮助呢？” “读者留言：很实用，比新闻要要生动许多 小编对此深表同意！EnglishPod反对“填鸭式”的灌输教学，也不崇尚死板的学习方式。我们的博客课程结合了实用性和趣味性，在富于趣味的故事情节中加入实用地道的英语表达，这样学起来就不再枯燥了！相信你也这么认为吧？” 现在明白为什么一定要是Podcast了吧，教育类的Podcast很吃香，我渴望有天它们能全面取代VOA和BBC 如果真的有人对新闻很感兴趣，我建议你还是听CNN和NPR，这个自己在Itunes订阅就行，或者去普特找。 不过我想我已经说的很清楚了，放弃VOA，投入到各种Pod的怀抱中吧！初期不要用Itunes订阅，你会成为下载狂的，只听我推荐的两个就够了，等你成为了杀手再去接触别的Pod。 2，听力练到什么程度才行？ http://www.tudou.com/programs/view/NAzgx6KO-7g/ 看这个视频，回答这几个问题 Taylor对前男友有什么坏习惯？ 她对此的解释是？everybody does that, but···· Taylor喜欢的歌手，她在格莱美最想见到的人是？她在什么show看到他后就想去见他的。 好了，再看下这个演讲，http://www.tudou.com/programs/view/66M1bD-m1VA/如果你看这些都能百分百听懂，那么恭喜你！你的听力没问题了，继续学习的话就直接从G2就好了！完全不用担心词汇。 3，四六级怎么过？词汇问题怎么解决？ 现在去图书馆借三本Listen To This，我的图书馆有，那么全国的图书馆都有，别找借口，没有去买，然后去VC下载MP3，那个1G附带网盘分流的版本。 接着就是做，一天做几课的题目，视自己的条件而定，流水账的式的做完，注意在每做一课前先把单词背完。 对于错的比较多的课数，要列个计划表，定期复习一下。 对这个，基础好的同学一般2个月就可以搞定，最多也就三个月，要注意及时复习生词啊，地名和人名不用复习 那我的阅读和写作怎么准备和复习啊？ 这个你自己看书就明白了，里面有大量的语段听力题目，做完了你阅读差不了，写作的话，你觉得自己听熟了的句子和单词用不出来？ 要点为三：做之前背生词，系统规划流水线似的做题，定时复习。 本建议完全独立于我的英文性教学之外，如果你没有考试压力，我建议你老老实实的从手榴弹，GI,G2，G3慢慢过一遍，请无视这种拔苗助长式的学习。 其实我是在对你们和考试妥协。 4，我发音不好，怎么解决 自己去看赖世雄和程秧秧的解说，一个音频一个视频，自己去百度，一个在官网，一个在土豆，我不给现成的。 5，我词汇不错，怎么就是听不懂快速的英语？ 我要批评你了，你认真读了我的重火力雇佣兵没有！看了G2没有？你认为我是为了好看才写上去的，那上面写的就是如何通过一部电影去突破快速听力的，任何材料，只要是你喜欢的，都可以去套用此法。 提问的格式和注意要点： 1，注明自己学英语的目标，短期迫切和长期憧憬都写上。 2，写清楚自己的层次，手榴弹还是G1，在各个层次的前半段还是中段。我不接受杀手的咨询，相反我希望你们帮我解答下，顺便提供下自己认为的好材料。 3，对自己的具体欠缺点来阐述，不要笼统的说怎么怎么的，主要尽量三句话来说完。 4，请用1，2，3这样的格式来写，这样清楚我容易回答，如果还有话说，请用4来表明 5，坚决杜绝我怎么过四级，英语怎么学，怎么提高口语和听力啊，词汇到底怎么去提高这样的小白问题！请注意细节，细节！我又没见过你，对你什么都不了解，一个26个字母刚认全和一个专八已过但是发音诡异的人的口语当然不能是一样的提高方法 6，不接受豆邮不接受咨询的留言，因为大家的问题可能一样，请不要不好意思，直接贴下面就好，你的问题可能就是他人的启发 7，不要求地址，不要求材料。我也没时间发邮件给你，我提供的任何材料都很容易找到，伟大的VC和谷歌你总懂吧，如果你连这点都不愿意用，那你得到了也不会珍惜 8，不要成为下载狂！每次只下个一点点就好，MP3加头戴式耳机是最好组合，至于每次听的时间，音乐和说话的频率是不同的，听英语每天至少可以三小时，注意在喧闹的地方不可以听。 9，自己在接下来到4月份厦门大学复试口试结束这几个月时间里真的会很忙，但是我尽量每周抽出些时间来解答，如果是我好不留情的拍你板砖了，要么是你没看说明，要么是我那天心情超级臭。对于不能及时解答和和颜悦色的解答这点，我先说声抱歉！

没有邮箱怎么发给您？