Без заголовка

> Но самое приятное, что работал не уникальный заточенный под предметную область алгоритм, как в шахматах, а универсальный -- хитро устроенное глубокое обучение Не совсем так. Глубокое обучение использовалось для оценки позиции и предсказания следующего хода, но сама программа состояла отнюдь не только из глубокого обучения. Цитата из статьи на technologyreview.com по вашей же ссылке (статью в Nature почитать не дают): “This is not a so-called end-to-end deep-learning system,” Marcus says. “It’s a carefully structured, modular system with some thoughtful hand-engineering on the front end. Which is, when you think about it, quite parallel to the human mind: rich, modular, with a bit of tweaking by evolution, rather than just a bunch of neurons randomly interconnected and tuned entirely by experience.” Характерно, что примерно так же шахматная deep learning программа "научились" играть в силу мастера (http://arxiv.org/pdf/1509.01549v2.pdf). Вы приводили этот пример в какой-то из лекций -- но это же обман. Ничего она не научилась, а удалось лишь несколько улучшить качество существующей уже достаточно сильной программы, причем как раз в плане оценки позиции и предсказания хода (http://ushastyi.livejournal.com/272362.html). Я подозреваю, что тут примерно то же самое. Взяли хорошую базовую программу, играющую в Го, и через deep learning ее прокачали. Результат, конечно, выдающийся. Но сама программа и ее интеграция с сеткой -- это все же еще "уникально заточенный под предметную область алгоритм".