深度学习是目前处理图像的主要方法。深度学习的主要思想是构造一组九宫格排列的像素权重，把它放在图像上面，用这些权重对它覆盖的像素值做加权组合，得到和原图像像素排列相同的一组卷积，再对卷积做同样的操作。用样本数据训练优化权重，可以实现图像分类，信息识别等功能。

　　当前在研究计算机围棋的相关问题。计算机围棋在本质上也是一个图像处理问题，图像大小是19×19，每个像素点只有三种状态：黑，白，空，要求根据当前的状态找出最佳的一步着手。

　　棋类游戏通常使用博弈树来搜索最佳着手，但由于完全搜索无法实现，引入了有一定随机性的蒙特卡洛搜索方法。

　　DeepMind团队引入了深度学习模型，用棋谱数据训练出了两个网络，策略网络和价值网络，来改进蒙特卡洛搜索方法，从而在有效减少搜索的深度和广度的同时，增强了搜索的有效性。AlphaGo第一次打败人类顶尖职业围棋高手。

　　在此基础上，有人引入了更精细的网络，引入了领地网络，目差网络，能让计算机更准确把握局势，进一步增强了相关软件的功能。KataGo即在这一思想上诞生。

　　计算机围棋还有着更多值得改进的地方，本方向一直在标记职业棋谱的死活棋，作为学习样本，可以用来开发棋力更强，功能更多的围棋软件。

如果你选择这个研究方向，你可以掌握下面的技能：

1. 图像处理的基本知识

2. 围棋规则和基本技巧

3. TensorFlow/Pytorch的应用方法

4. 经典图论问题和相关算法

5. 蒙特卡洛搜索方法

6. 数值优化和数值计算方法

　　这些技能可以让你胜任图像处理，计算机视觉，人工智能等科技研发和技术岗位。