AlphaGo - The Movie | Full award-winning documentary
字幕解读
这部纪录片跟拍 DeepMind 团队训练 AlphaGo、邀请欧洲冠军 Fan Hui 参与测试，并备战与世界顶尖棋手 Lee Sedol 的五番棋。影片穿插围棋文化、算法团队工作及解说室反应，呈现 AlphaGo 以棋谱模仿、自我对弈和搜索评估学习的过程。Lee Sedol 首局连败后调整策略，在第四局以第78手取胜；双方从对局中重新审视棋艺、创造性和人机协作。
英文字幕轨道 · 引文按字幕原文展示，可点时间戳回看片段。
内容要点
- AlphaGo 的训练结合高手棋谱模仿、强化学习自我对弈，以及策略网络、价值网络和树搜索等组件。
- 职业棋手与团队都难以事先判断系统的薄弱局面；影片展示了 AlphaGo 的非典型落子、局部失误及其在第四局被 Lee Sedol 抓住。
- 对局结果也改变了人类棋手对围棋的理解：系统的非常规着法启发复盘，Lee Sedol 的第78手则体现人类在比赛中的创造性应对。
视频章节 6
- 围棋、游戏与智能研究
- AlphaGo 项目与围棋难题
- Fan Hui 对局与自我对弈
- 挑战 Lee Sedol 的准备
- 首场比赛与第37手
- 第四局、关键一手与复盘
具体观点与证据 3
AlphaGo 优化赢棋概率而非获胜目数，所以看似保守的松手可能是在降低失败风险，并非必然是漏算。
纪录片展示的 AlphaGo 目标，与人类以地盘优势代替胜率的习惯对照。
AlphaGo tries to maximize
its probability of winning, but it doesn't care at all about
the margin by which it wins.模仿人类棋谱只是起点；大量与自身不同版本对弈的强化学习使 AlphaGo 能超越示范棋谱的落子习惯。
针对片中的训练流程，不等于完全不依赖人类数据。
through self-playing,
reinforcement learning, it plays against different versions
of itself many millions of times,总体超人表现可与局部致命弱点并存；第四局暴露的异常判断说明总胜率不能保证每种局面都可靠。
片中团队明确知道某些知识区域理解薄弱，并非事后仅凭一局猜测。
It's unbelievably superhuman, in general, but it has some particular weaknesses
in some situations.补充字幕原文 2
旁白说明系统先模仿高手棋谱，再通过自我对弈强化学习积累对局经验。
through self-playing, reinforcement learning, it plays against different versions of itself解说把第37手描述为超出人类棋谱引导的创新落子；影片随后展示这步棋如何改变职业棋手对围棋的理解。
came up with something new, and creative, and different解读边界
纪录片经过剪辑，将团队采访、比赛解说和赛后反思交织呈现；字幕无法展示棋盘局势，若脱离画面难以核验具体着法与局面判断。它记录的是特定时期的 AlphaGo 项目，不能代表当前围棋 AI 水平。
相关视频与证据 2
定义到真实案例用 AlphaGo 看见机器学习定义中的任务与经验
Stanford 课程用任务、经验和性能指标描述学习问题；AlphaGo 的纪录片呈现棋谱模仿、自我对弈和从失误中学习。后者让抽象定义落到清楚的任务与经验来源上，也展示经验并非只能来自人工标注。
Lecture 1 | Machine Learning (Stanford) ↗
学习问题可描述为程序依据经验，在任务与性能指标上改进。
a computer program is set to learn from an experience▶ 35:17–35:26 · 观看片段AlphaGo - The Movie | Full award-winning documentary
AlphaGo 先模仿人类棋手，再通过自我对弈强化学习并从错误中学习。
through self-playing, reinforcement learning, it plays against different versions of itself适用边界 纪录片展示的是混合训练过程，不能据此推断所有机器学习任务都采用自我对弈或强化学习。
学习信号与更新方式对照围棋和马里奥代理从不同反馈中改进
AlphaGo 先模仿人类棋手，再经自我对弈强化学习；MarI/O 按游戏进度形成适应度并繁殖高适应度网络。两者可作为围棋与平台游戏代理改进方式的并列案例。
AlphaGo - The Movie | Full award-winning documentary
AlphaGo 结合模仿人类棋手与自我对弈强化学习。
through self-playing, reinforcement learning, it plays against different versions of itselfMarI/O - Machine Learning for Video Games ↗
MarI/O 以游戏进度和速度形成适应度，并用遗传选择繁殖网络。
Only the neural networks that produce the highest fitness are selected▶ 3:47–3:53 · 观看片段适用边界 两者采用不同训练机制和任务指标；这组片段只支持并列比较，不证明某种反馈方式更有效或泛化更好。