第73章 废话少说，放码过来（1/2）

瑞秋和两位教授面面相觑。

这怎么就明白了？他们刚刚有说了什么特别关键的话吗？

“你明白什么了？知道怎么解决训练不收敛的问题了吗？”，瑞秋显得极为激动，一脸兴奋地问道。

此时顿悟因子的效果还在，江铭没再说话，仿佛是怕效果消失了似的。

他飞快从包中掏出笔记本电脑，把还在进行的训练停掉了，指尖飞舞地在先前的代码上修改起来。

“来不及解释了，你们直接看我代码吧。”，他说道。

其他几人点点头，很自然地围到了江铭左右，耐心等待起来。

信息学界有一句朗朗上口的名言：

“talk is cheap. show me the code.”

用中国话来说就是，废话少说，放码过来！

很多惊艳才绝的想法，用语言解释起来非常费劲，反而不如直接看代码逻辑呢。

江铭神情无比专注，不断敲击着键盘，如同一个专业的作曲家，一行行代码像音符一样被他轻松创作出来。

这情景很快便吸引了一些路过研究员的注意。

在午休时间，还是会议这种场合，竟能如此投入地工作，让人不禁暗暗佩服。

不过，大多人还不至于围过来观摩江铭写代码。

这种重量级的会议场合，正是和人社交，发展学术人脉的好时机，浪费在一时的工作上，断然不是好的选择。

...

钱峰与文森特正边讨论着问题边结伴而行，正巧路过江铭这里，顿时被江铭认真改代码的样子吸引了。

两人顿时噤声，悄悄走到了后边。

钱峰悄悄拍了拍面前正围观着的瑞秋，小声道：“他这是在做什么呢？”

瑞秋转过头，惊讶地发现自己身后竟然站着两位大牛教授，甚至都不知道他们看了多久。

她小声地把江铭正在做围棋程序的事跟两位教授讲了一遍。

围棋程序？

两位教授皱眉思考了半响。

“这的确是个难题。”，钱峰感叹：“我这段时间仔细研究了策略梯度算法，其中很大的一个难题就是探索效率。就像围棋这样的复杂问题，就是下一百万盘，也仅仅只探索了冰山一角。”

文森特也点头赞成：“是啊，我也不认为以当下我们的信息学技术，可以解决围棋策略的问题，我们的所设计的神经网络，相比于人脑而言，还是过于简单了，仅仅是一个数学拟合罢了。”

两人虽然都不相信这个问题能被解决，但还是对江铭正在编写的代码充满了好奇。

年轻人有这样的科研热情，自然是极好的，他们谁都不想去泼这个冷水。况且，观看江铭写代码的过程都足够赏心悦目了。

他们索性不走了，站在后面默默看着江铭继续他的代码修改。

江铭原本的围棋程序，主要包含三部分，被他分门别类地存放在三个文件中。

首先是train文件，存放着训练的主循环逻辑。

然后是enviro文件，写着有关围棋的规则，以及智能体和环境交互的逻辑。这个文件可以想象成一个虚拟的棋盘，而智能体就是在这其中自我对弈自我训练的，

最后一个是policy文件，包含了智能体本身的神经网络结构，以及梯度反向传播的逻辑等等与智能体更新进化有关的内容。

此时，江铭已经把policy文件中的代码几乎删了个精光，只留下一个神经网络结构的代码。

这操作令一众教授都更加迷惑不解起来。

策略梯度算法，最关键的部分就是有关智能体的代码，从policy这个文件名就能看出，其实这部分代码才是真正的核心。

“这是要彻底放弃策略梯度了吗？”，文森特喃喃道：“嘶，也对，这个问题的确没法用这种方式来解...难道是他又想到了全新的方法？”

“但是，为什么还要保留有关神经网络的代码呢？这个神经网络如果没有策略梯度算法，该拿什么来训练呢？”

还未等文森特思考出结果，江铭竟用鼠标框选出神经网络这段代码，在下面又复制出一个一模一样的网络结构。

“这难道是想要把黑棋与白旗分开来，单独训练出两个智能体吗？”，文森特惊讶出声：“可是这有什么用呢，按理说这样也不会提高训练效率啊，还是没有解决探索效率问题。”

“不对，他好像没有准备这样做。”，钱峰盯着江铭的屏幕看，表情忽然变得严肃。

只见江铭连按几下删除键，删掉了这个新神经网络的最后一层输出层，原本通过softmax函数输出动作分布的一层，在江铭的修改下变成了输出一个值。

这是在做什么？钱峰更疑惑了，做一个输出一个值的神经网络又能有什么用呢？

众教授也是越凑越近，如果不是怕遮挡了江铭的视线，简直都