我认为最好以第二个例子来说明您的第二点，该例子在AlphaZero和Stockfish之间进行，这也满足了我今天的好奇心。
1分钟/移动的时间限制（这将给Stockfish带来什么不利影响？）
Stockfish的性能取决于时间限制和硬件配置，因此，想一想当某人将CPU线程加倍时，与第一种配置相比，Stockfish需要更少的时间（不一定是一半）来找到解决方案。
在Chess.com上发布的第一份报告中，有人声称Stockfish表现不佳，因为他无法在计算机上使用相同的Stockfish来再现相同的结果。他说，在下面的位置（第1局–第11步），Stockfish玩了Kg1-h1（移动了国王），这完全没有道理。另一方面，他的计算机上的鳕鱼显示出更发达的动作，例如Be3（移动黑暗方形主教），让我们看一下位置：
是的，这是一个被动的举动，看来斯托克菲什应该发挥更大的作用。但是他错了。为什么？因为他跑了Stockfish 15秒钟，而且如果跑了一个小时，他将得到Kg1-h1作为该位置上最佳的移动。当更深入地分析所有可能的移动时，Stockfish会改变其决策。这是我最初在回复中说的：
我在该位置上运行了最新的鳕鱼（第11步）：
- 首先，当发动机运转约一分钟时，它将b4作为最佳移动。之后，它决定Be3更好。
但是在运行速度为1400k节点/秒的硬件上运行5分钟后，它将决定选择Kh1作为最佳选择。
在本文中，据说stock鱼每秒计算70,000k位置，并且每移动一分钟运行一次，这大约是我的硬件的50倍，所以我让我的运行50分钟... Kg1-h1仍然是鱼的选择。
时限是关键
在上述情况下，Stockfish是否运行两次，可能并没有多大关系，因为决定是相同的，但是接下来的行动肯定会：
在此位置，Stockfish选择将棋子移到左侧（a4-a5）。假设我有一台计算机，该计算机以每秒1400万个节点的速度运行Stockfish引擎，这比真实游戏中的Stockfish低约50倍（在本文中为70,000kn / s）。因此，如果每次移动50分钟，我就可以模拟游戏。好的。
我在上述位置上进行了Stockfish分析，得到以下结果：
- Stockfish最初建议采取一些措施，但是在我的计算机上运行6分钟（相当于真实游戏中Stockfish上的7.2秒）后，就像游戏进行时一样，它选择了a4-a5。
很好，但是我让它运行了整整50分钟，以便在允许1分钟的游戏中达到Stockfish的计算结果：
可悲的事实是，我相信Stockfish会因为时间限制而输掉所有比赛。随着时间的流逝，Stockfish得到了更深入的搜索和评估，并且在游戏中不允许使用开头的书，这使它不得不考虑浅深度的许多动作。请注意，在实际的a4-a5游戏中，该游戏显示（假设它每秒可以评估7000万个职位），游戏中的Stockfish在移动上花费的时间不超过21.6秒。否则，它将决定更改为实际游戏中的其他三个动作。我的原因仍然不清楚，因为我的Stockfish还消耗更少的内存（假设所有内存都散列表，与原始论文中提到的1GB相比，RAM约为130MB ）。
结论
正如我所指出的那样，运行Stockfish的硬件最快比我的快18倍（更新：在单个内核上），这是根据我分析的结果得出的。我不确定AlphaZero是否真的可以在4小时内利用这样的硬件来训练其网络，我只能假设它对于象棋这样的游戏来说太低了。此外，AlphaZero将这些时间花在学习上，其中还包括建立坚实的空缺（并且如论文所指出的，对某些空缺的偏好）。另一方面，Stockfish的开口处有残障，并且每次移动60秒都无法评估每秒7000万个位置。
最后一点，我所说的一切都是基于我的假设。当然，AlphaZero和游戏的结果对我来说非常有趣。但是，我很希望看到Stockfish玩起来就像我在电脑上一样的游戏。就是说，允许更多的时间和一本开始的书。在每一步中获取Stockfish分析的输出也很容易，我希望他们发布它以显示其执行情况。