阿法狗并没有用涉及智能，而是用一种穷举方法（暴力破解），由于强大的计算能力，硬件资源，加上使用了很多统计数学的优化方法，这更像是一个学习能力超快的人类，而不是智能型的棋手。
每下一步棋都要衡量成功率，下的好不好，这倒是让我想到之前一直感到巧妇难为无米之炊的CUDA优化，如果我们能让计算机自己意识到IO瓶颈，自己改进优化方法，调整线程调度，岂不是很好。
估值网络和策略网络正好对应CUDA的当前效率（速度提升）以及任务划分策略（block，thread，grid，wrap，寄存器资源的限制，流处理器）。
至于这种通过网上的棋局自己和自己对弈，则可以通过设置目标加速比和真实案例，让程序自己去调用自己。
可以写一个宿主语言是nvidia的JS，作为（优化的）指令发布端，实际的图像程序作为客户端（执行端），这样也能构成一个B/S框架。（深层次--MVC）
