棋盤大小以及所用時長，對 AlphaGo 的獲勝概率有影響嗎？
本題已收錄至知乎圓桌 ? 對弈人工智慧，更多關於李世石對戰人工智慧的解讀歡迎關注討論。
先說棋盤大小。影響巨大。
如果立刻換成n×n（n在19左右，不太小也太大。太小9×9可以暴力求解，太大99×99，李世石會累傻的。）棋盤，AlphaGo針對19×19訓練的各種參數基本上白訓練了。李馬上就能連克三局3:2獲勝。（此刻AlphaGo已經2:0領先了。）就算給AlphaGo一個月時間重新訓練的話，李還是能3:2逆轉。n×n的棋譜是如此少，職業級的n×n棋譜更是稀缺，以至於根本不可能餵飽AlphaGo的神經網路。相反，以李這種級別的天才，練習十局又是一個頂尖高手。簡單來說，棋譜極少的時候，AlphaGo就是戰五渣。人類從極少量的數據（比如數十個樣本）中學習推斷的能力，一直是深度學習望塵莫及的東西。在未來，其他學習演算法（尤其Bayesian Learning）可能會在這方面取得突破。除非Google能再造一個可以產生職業級n×n棋譜的輔助AI，把alphago的自我對弈生成一些基本棋譜，然後給AlphaGo喂招。那我就服了。。（其實這也是不現實的。就算Google真弄出來這麼一個AI，也同樣沒有數據喂。數據要慢慢積累，Google再黑的科技也不能在一個月里把大量數據憑空變出來。）
再說時間。按照30秒一手的快棋走法，對AlphaGo會有一定影響。但基本上影響不大。無非是收斂條件不要那麼嚴格就行。之前第二局裡，讀秒階段每一手60秒，AlphaGo表現得也相當好。如果時間短到只有數秒，李世石可能會憑棋感佔優。優化時間少一個數量級對人工智慧的性能的影響還是相當大的。在雙方棋力大減的情況下，發生各種偶然的情況就會大增了。19路棋盤，361個交叉點，黑棋181粒白棋180粒可布滿整個棋盤。
如果升級到21路，對應441個交叉點。類推則一罐子黑棋最多221粒，白棋220粒。但在對弈的難度和行棋風格和思路上就不止是增加了22%的棋子數這麼簡單了。19路棋盤的邊角實地與中央厚勢的均衡格局，進入21路棋盤就完全被打破了。中央戰鬥取得收益的價值比19路棋盤就大至少30%甚至50%了。
無論是人類棋手還是電腦AI，基本上都需要重新評估行棋的策略了。
反正人類還沒有大規模實踐過，沒有足夠的經驗積累可以回答這個問題。
電腦AI如何，我也不知道。
棋盤越大，每一步產生的可搜索狀態空間就越多也越深，那麼想搜到最優解就需要更多的時間，如果棋盤達到100*100，理論上的計算量是現在機器很難達到的，無論你怎麼優化演算法，
其次，理論上機器可以自己對弈學習，但無論怎麼學短期內，棋盤達到100*100這個級別，機器是無法戰勝人的，除非有新的更好的學習策略，而現有的學習策略僅僅是模仿人類，並沒有超越人類
可以想像，如果是9*9的棋盤，那麼在五年前，甚至十年前就已經完敗人類了
不過如果真的是大棋盤，是否可以分割成小棋盤，在理論上還是可以行的同通，比如把100*100棋盤分割成25*25*4*4再分別計算，然後加總，一方面減少計算量，一方面統籌規劃，好比真正的戰爭分成局部戰場，然後一個總司令部，這在布局階段可能適用
另外還有一種分割是在中盤依據棋塊來分割參考我的另一個回答
如果把棋盤放大到25*25，現有的圍棋理論有哪些可以通用
圍棋講究實地和外勢平衡，追求效率，這是基於現在19或13路棋盤下。
每個棋子能影響周圍四個點，在棋盤越小的情況下，每個棋子越重要，在棋盤越大的情況下則每個棋子的重要性降低
星位作為19路棋盤控制著16個格子的進出門戶，在25路棋盤中重要性降低。
圍棋本質一個是棋子佔據的一個點，還有若干個是棋子的連接構成的勢，在棋子佔據的點隨著棋盤越大對整體的重要性越低，那麼連接構成的勢的重要性會相對提高。
所以結論一，起手比19路棋盤重外勢更輕實地，所以下星位的人更少可能偏重於55到66之間選擇一個點作為起手…進而逼迫對手佔據實地，自己取外勢
角和邊容易占實地，但容易被封鎖，所以邊角重要性降低
結論二 5，6路成為新的外勢和實地的平衡線，取代原來3，4路成為新的戰火線越重實地越保守，越重外勢越積極，極端例子，如果是6路棋盤肯定是佔地為主，沒誰求外勢，先手占實地的人肯定保守，所以棋會比較悶，可能
結論三，重外勢，輕實地導致圍棋更激烈對抗
結論四，大模樣的棋更少I，因為一塊棋你千辛萬苦圍起來一看，中間可以做活，或是別人趁機佔了更多地盤，得不償失，自己把自己圍死了
結論五，天元作為一個中點的重要性提高，因為圍棋大，更講究勢，就是對四周的輻射力，無疑天元是最佳選擇之一
如果上面結論對，猜測一下金角銀邊草肚皮要大逆轉可能，天元成為新的起手棋編輯於棋盤小的話運算量小，人類神經系統的模擬特性（比如把光波振動不同模擬成一目了然的顏色）並不能獲得優勢。在運算量小的其他棋類中人類早就完敗了。
時間長度一般來說越短對人類有優勢，因為同等時間計算人類是不可能擊敗電腦的，人類只能利用經驗 感覺 靈性，這種非計算的快速方法獲得優勢（主要是前期，計算量大）。局部演算法已經早被超越，只能大局觀積累優勢。
旁觀者一點粗淺的理解
棋盤大小有影響。其一，棋盤越小，暴力窮舉計算量越小。其二，alphago訓練的時候用的就是19x19的棋盤，所以TA的決策都是基於這個棋盤的，並不能「臨時」換成別的棋盤。當然我覺得李世石也不行。不過假以訓練時間，讓alphago適應一個別的棋盤比如21x21，是完全沒有問題的，只是需要重新訓練而已。走子時間
也有影響。alphago有所謂的快速走子模式，即犧牲一定的精度來提高走子的速度。不過實際上也看到alphago時常也會長考。不同的時間限制應該會制約alphago選擇何種策略，以及搜索深度等等。最終都會影響走子選擇的好壞。棋盤大小
alphago中用於訓練棋感Policy Network是用KGS圍棋網站上3000萬個 (棋盤狀態,下一步走子)state-actions pairs(s,a).如果將棋盤大小增加到21*21或者更高.alphago就沒有現成的可用於訓練的資料庫.不過,別忘了,alphago可以自己和自己下棋,提高棋藝.沒有訓練棋感的資料庫,問題不是很大.對於人類,棋盤大小增加,好多棋理是相通的.可以按照19路棋盤的知識,順推到更高路數的棋盤.需要將中腹的權重加大.走子時間
如果是雙方都用同樣的時間的話,減少或者增加走子時間,影響肯定是有的,但不會很大.不過隨著時間的推移,晶元的計算能力的提升,alphago可以通過更換更好的硬體,而人類就只能一邊乾瞪眼了.alphago是攜著深度學習的東風而來,在時代的浪潮之下,就算更改棋盤大小,限制時間,限制硬體等等.都只是緩兵之計.
應該是有影響的。棋局越大，需要的計算量越大。同等配置的機器人，所需要的時間也會相應增加。所以對於機器人來說，棋局大了，選擇在哪個位置落子，其難度會加大。
棋盤的大小會影響處理時間，但長遠考慮的話，估計未來配置升級後，棋盤的大小將不會明顯影響algo的所需要的時間，也不會降低它的勝率。
有影響的，棋盤越大，每一步產生的可搜索狀態空間就越多也越深，那麼想搜到最優解就需要更多的時間；而目前規則是2小時後耗盡後，每一步的思考時間只有1分鐘，那麼就會導致AlphaGo為了節約時間，可能未搜索到最優解就走出一步棋，從而贏得概率就會降低。昨天第一句里可以看到後期AlphaGo的耗時是很多，從而也說明了，AlphaGo為了求勝，花了更多的去搜索概率勝率較高的下法。
取某一下界，顯然有窮舉可能性，又根據某定理能確定終盤狀態，故有影響。
應該還是有的。今天看直播的時候忘了那個解說說的，在足夠小的局部死活棋里電腦的水平其實早就超過了人類。
YES
The smaller the board is, the easier the algo can reach the bottom of tree.
學校電腦不能打中文，先回答了標記下然後換手機回答。
下棋就是在進行選擇，機器強大的在於計算不同下法的勝負效率很高。
每條路的終點是白是黑本就決定了，區別在於你要順著哪條路走。基礎的AI演算法就是提前算好每條路的結果，然後每次選擇對自己更有利的方向。當路算不到底的時候，簡單方法是算到某一步，然後看這一步的黑白。而這一步的黑白，可以由資料庫提供答案，或者別的演算法去估算。當棋盤不大的時候，機器暴力拆解可能直接就探底了最終答案，加上不斷自我對戰產生的大量已有數據，機器對最終結果的預測會越來越準確，越來越能在早期建立優勢。人可能棋力有限，對當前局勢還不能完全看清的時候，機器已經有了對結果的判斷。我想,AlphaGo恐怕只考慮了19路圍棋,一般來說,當棋盤是大小是一個常量的時候,可以得到更優化的代碼.而且,它的開局庫肯定也是19的.
如果升級到20x20就完全可以虐Algo了
據說是從3的（19x19=361）次方升級到了
3的（20x20=400）次方，3^(20x20=400) = 7.055079108655332e+190
3^(19x19=361) = 1.740896506590319e+172
（如果AlphaGo沒有保留實力，就當半分鐘出一個策略的話）複雜度高了萬萬萬億倍~你說現在的alphaGo會不會跪？推薦閱讀：