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。