这些时间就可以更好地分配到前面的步骤中去，每人多半小时思考。

至于第二天具体李世石走到多少步之后彻底双放手交给阿尔法GO，李世石准备吃完饭稍微和阿尔法狗试几个150手左右的中盘残局——从他本人历史上和对手下的比较胶着的棋局中挑——来试试看阿尔法GO的水准。

“另外，阿尔法GO在布局阶段也谈不上什么能力，只能是给你一些参考定式，你看了之后挑出其中最好的一个结果就行——我们只能保证，最好的结果肯定在那个八屏选项之内，但是具体是哪一个，阿尔法GO判断不出。”

“阿尔法GO也有做‘价值判断网络’这个工具，到时候在给出机器意见之后，会在屏幕上打出一个判断，告诉你‘这一步是绝对不可能有更好的解法’了，还是‘机器也不知道谁最好，只是没时间想暂时觉得这个最好’。所以那些机器肯拍胸脯告诉你这就是最佳答案的步骤，你也可以省掉一些思考时间。”

李世石听到这儿，停下了筷子，亲口向黄教授确认了这玩意儿的运作法则。

黄教授也不藏私，坦荡地告诉他：阿尔法GO里面其实是有两套走子算法的，第一套是绝对穷尽最佳可能性的算法，但是耗时非常巨大。哪怕以如今谷歌的云端服务器群和积累的棋局大数据，也要很久才能算一步棋。

毕竟，围棋是如今人类传统棋类运动中，计算量最大的。围棋的可能性相比于国际象棋和象棋，根本就是一个天文数字。

所以，阿尔法GO的深度学习，主要还体现在一点上：发现算法一会严重超时的时候，它会做出一个省时的判断，下一个不算太差的子。而这种猴版省时算法只要第一类穷尽算法的数百分之一时间就够了。

李世石吃完饭，用了点茶水，略作休息，就和黄教授的团队钻研起磨合之法。

不过，他终究是没办法和顾莫杰那样的人工智能本领域大能，比试对人工智能的理解程度和配合程度的。

多年形成的习惯，更不是几个晚上可以扭转。

临阵磨枪一番，最后也不过是让李世石在第二天的比赛中省出大约1个小时的思考时间、节省了不少脑力。

就像一个考高数的考生，被允许带计算器。但是计算器并不会解高数题，只能帮答题者省点时间，减少些低级错误。

……

全世界的目光，继续凝望在江南会这一片池馆雅阁之间。

数十亿人次的曝光量，形成了比世界杯决赛还强的高光时刻。