2017年5月27日，人工智能(AI)历史具有标志性的一天。AlphaGo以3：0战胜围棋第一人柯洁九段。
在诸多围棋爱好者们的眼中，围棋的新纪元似乎已经到来，人类将向机器学习此前未见过的下法，共同构建新的“棋谱”。而在我的眼中，AlphaGo获胜的几个关键因素，却和我在数学竞赛中屡拔头筹的做法不谋而合。
因此，虽然我们不是AlphaGo，但若能掌握其精髓所在，也足以让我们在竞赛中变得更加牛逼！
深度学习
AlphaGo的“牛”，有很大一部分在于其深度学习的能力相当强。相对于传统的机器学习，深度学习最大的特点就是不需要（太多）的feature engineering（特征工程），只要有足够多标注训练数据的地方即可。
它的开发团队说，他们在程序中输入职业棋手的3000万棋谱让其学习。在此基础上，AlphaGo将自己的对战重温数百万次，在不断积累胜负经验的过程中，掌握取胜方式。在观察棋子整体布局的基础上选择最佳下法。
所以，我提倡学习数学也要做好深度学习，关键在于：
1、搞清楚基本概念（掌握必要的feature）
2、用适当题目训练（输入具有代表性的题型）
3、防止错误的重犯（积累对错经验）
以我学习数学的经验，通常一个章节有3-10个基本概念，把时间花在记清楚基本概念，在每个概念上标出容易出错的点，这是一笔相当核算的投资。一个学期也就20-30个基本概念（平面几何略多些），只要掌握技巧完全可以用一周时间自学完一本教材。
人脑的记忆力是有限的，所以选择性记忆十分重要。选择好的习题相当关键，好的题目做三遍，比漫无目的地刷十道题更为有效。那么哪些是好的习题呢？简单的习题我推荐教科书后的题目，中等难度习题我推荐历年真题。
人往往会犯同样的错误，如果能做到避免重复犯错，则是提高学习和工作效率的最简单方法。我之前就如何避免粗心写过一文，在此不再赘述，详情可参看前文《粗心，是一种习惯，会让你一败再败》。
计算能力
AlphaGo的计算能力有多强？我们回想1997年，战胜国际象棋世界冠军卡斯帕罗夫的IBM“深蓝”，拥有32个大脑（微处理器），每秒钟可以计算2亿步，而现在AlphaGo的计算能力已经超过“深蓝”三万倍。
但是，如果AlphoGo没有计算速度和精度，即使有再强大的算法，也无法输出任何有用的结果。而小朋友的计算能力就相当于AlphaGo的运算速度和精度，不具备好的计算能力，那就是带着落后的武器上数学战场。
这个道理我很早就琢磨出来了，并运用在初三上海数学竞赛中，获得了非常好的收获。
初三上海数学竞赛倒数第二题是一道平面几何探索题。题目手绘如下：
这时强大的计算力发挥了极大作用，我把题目中每一个线段都算出来，找到了两者之间的关系。
计算过程极其艰苦，根号套根号（这不是标准答案解法），我在临场考试过程中差点打退堂鼓，担心如此复杂的计算非常可能算错，而一旦算错则全功尽弃。
上天眷顾勤奋的人，我一个一个节点核对，没有出现任何错误，最后竟然可以全部抵消，得到美妙的关系。
控制情绪
AlphaGo之所以厉害，是因为没有七情六欲。而人类在做事答题过程中，很容易受情绪波动，导致发挥失常。此次柯洁与AlphaGo三番棋对战，一度泪洒赛场，几乎面临崩溃的边缘，观战者无不动容。
可惜，考试就是考试，比赛就是比赛，情绪这个东西往往是负面影响居多。有些考生平时做题十拿九稳，但一旦遇到重大考试，分数却总是不理想，往往周围考生一个翻卷的动作都会影响到他做题的情绪。
我在考试中一贯心如止水。我采取的策略是：
我只关注自己的答题状态，从不关心其他人的答题速度，只要做好自己的卷子即可。
我将精力集中在题目上，按照平时的训练进行审题、调用概念、计算和检验，而不去多加考虑考试的结果。
遇到难题时，我通常读2遍题目，若确认无法在短时间内解决该难题，果断放弃，不苦苦纠缠。
考试结束后，我及时离开考场，不与同学对答案，避免影响下一场考试的心情。等全部考试结束后，一个人对着标准答案估分，总结得失。
本文由“学霸逻辑”发布，2017年6月16日
