看众人还没完全搞明白，钱峰顿时有点急了，他手都快指到屏幕里去了：“时间差分法啊，这是一个隐式的时间差分啊。”
“你们看这个评论家网络，是用每局的胜负来训练的，而它的输出却连到了行动者网络的每一个时间步上，用来训练行动者网络。”
“这就像是行动者的每一步棋，都有一个老师告诉他这一步让他的胜率是提高了还是下降了，以及具体是提高下降了多少。”
“这样的话，再也不需要通过蒙特卡洛法，下完一整局棋再收集一次很高方差的数据了，而是每一步棋，都能对围棋程序做一次迭代训练。”
“最外层的循环是每下一盘棋训练一次评论家，而内层循环是每一步棋，都根据评论家的指导，训练一次行动者。”
其他教授顿时恍然大悟，这个想法...似乎真的可行！
惊讶之余又有些感慨，江铭真的是不断创造奇迹的信息学新星。
竟然真的在众目睽睽之下，基于策略梯度算法之上又有了新的突破。
“后生可畏，后生可畏啊！”，文森特感叹：“华国金陵大学真的是捡到宝了。”
“只是今天上午听瑞秋的报告，提到了两个模型对抗训练的方式，突然产生的灵感...”，江铭不好意思地解释道。
然而他的话，几位教授只当耳旁风，听听就罢了，根本不会信。
这个算法，和上午瑞秋的生成式对抗网络完全不同，那个算法虽然分成两个模型，但是还是各自训练的。
而江铭，则是将其中一个评论家网络的输出结果，作为梯度，反向传播在行动网络的每一个时间步下，其构思之精巧简直叹为观止。
“开始训练吧，我已经迫不及待地想看结果了。你的计算资源够用吗，不如直接用我们实验室的资源。”
文森特不愧是麻省的高级研究员，做事雷厉风行，立马掏出一张纸条，写上了几行数字。
“这是我们实验室服务器的IP地址和端口号，这个是一个临时的用户权限密码，你直接连上去用。如果可以的话，争取这两天就把模型训练出来，测试一下。”
江铭接过纸条，礼貌感谢了一下文森特教授。
他还真有点缺计算资源，昨天的训练让他意识到，围棋程序的训练的确需要大量计算资源。
尤其他这次设计的算法框架，江铭直接命名为行动者-评论家框架，虽然提高了训练效率，但是对计算资源的需求可一点不少。
甚至由于两个网络中的数值传递，涉及了更多的地址移动操作，对CPU的性能要求更高。
“围棋么...”，钱峰思索片刻，道：“最近樱花国好像就有一个围棋的世界大赛吧，我去联系一下，也许能安排一个人机大战也说不定。”
他作为NIPS的主编，还是在社会各界人脉广泛，自作主张地帮江铭的围棋程序找起了对手。
几个信息学顶尖教授的能量可想而知，很快便安排好了这一切。
他们简直比江铭还要对这个算法有信心，都迫不及待地想在这次的开会的短短一周内就能看到结果。
江铭无奈，一番操作连上了麻省的计算服务器，开始了训练...
...
接下的半天里，江铭穿梭于主会场和几个研讨会分会场。
时间表上但凡他感兴趣的工作，都会去会场听一听报告，许多研究员的创新点子让江铭感到很受启发。