我们在使用Go标准库以及一些第三方库时，经常看到需要传入一个context.Context类型的参数。Context 一词翻译过来叫做“上下文”，但在Go语言中，它到底有什么用，应该怎样用呢？
我们就以之前聊到的 五子棋AI 为例：
假设我们计算6步棋花了数秒钟，但是计算8步棋花了1分钟还没算出来，就可以提前返回计算6步的策略了。
这段话看似简单，实则涉及到并发编程的一个问题：提前返回后，8步棋的计算仍在进行，这样会持续浪费资源，如何将其停掉呢？
注意
此AI并非“人工智能”，而是我们早期意义上的传统AI，并无学习能力，纯粹用算法实现五子棋每一步棋的应对策略。
上一章我们用α-β剪枝和启发式搜索对博弈树搜索算法进行优化，大大提高了算法性能。这一章我们继续用更多的方法进行优化。
在编写网络应用时，服务端与客户端的协议设计是一个非常重要的环节。本文将介绍业界常见的通信协议设计思路。
我们知道，对于面向对象编程（OOP），在程序的内存中，数据一般是struct、object等封装好的类型。而在网络上进行交互，却只能使用二进制流。因此就存在这样两个问题：
Kotlin是基于Java虚拟机的一种静态类型编程语言，如果你有Java编程经验，那么学习Kotlin将会非常容易。
本文主要面向有Java编程经验的开发者，将会介绍Kotlin的基本语法和特性。如果你没有Java编程经验，想要直接上手Kotlin，建议直接在网上搜索Kotlin入门的相关文章。
重要
这篇文章是我看完《Neural Networks and Deep Learning》一书后的个人读书笔记。本文的风格更加偏向于对有一定数学基础的人的科普，并非专业文章。如果你是相关专业的学生或者专业人士，在学习和研究过程中应该考虑研读权威书籍，请勿以本文作为参考。如有理解错误，欢迎指正。
本文主要围绕着如何识别手写数字展开。具体来讲就是给定一个28x28的纯灰度图的手写数字图像，如何判断它是0-9中的哪个数字。我们将使用一个简单的神经网络来实现这个功能。
注意
此AI并非“人工智能”，而是我们早期意义上的传统AI，并无学习能力，纯粹用算法实现五子棋每一步棋的应对策略。
上一章成功的实现了一个五子棋AI，尽管它的性能非常不佳。接下来，我们打算在此基础上进行一系列优化，大幅度提高运算性能。
注意
此AI并非“人工智能”，而是我们早期意义上的传统AI，并无学习能力，纯粹用算法实现五子棋每一步棋的应对策略。
上一章进行了一个五子棋游戏框架的搭建。应该来说，除开AI以外，其他的部分全部写完了。从这章开始，就详细介绍一下五子棋的AI算法。这里说一件非常令人振奋的消息：这章看完之后，你的五子棋AI已经可以下棋了，唯一的缺点就是奇慢无比，但是只要你愿意让他思考足够长的时间，他的棋力绝对是非常棒的了。优化算法将在后续的章节慢慢讲解。
注意
此AI并非“人工智能”，而是我们早期意义上的传统AI，并无学习能力，纯粹用算法实现五子棋每一步棋的应对策略。
之前说想写一些比较大型的算法，想了半天，还是觉得写五子棋的AI比较合适。一则因为自己研究过这个，有一些基础，二则尽管现在网上有很多五子棋AI算法的资料，但是确实都有些晦涩难懂。就想着借这个机会，凭自己的理解，尽量的讲通俗一些。
上一篇文章主要讲了一些并发编程的简单例子。本文进一步扩展，就以常见的N皇后问题，来展示一下如何对回溯问题进行多线程求解。
近几年，越来越多的人都说，OOP不再像以前那么火了，事实的确是这样的。作为一个程序员，我们应该有寻根究底的习惯，而不是一味的随大流。到底是什么样的一种背景下，导致OOP的热度慢慢减退呢？面对这样一种趋势，我们应该做什么？本文的前半部分主要是对OOP和FP的简要介绍，后半部分用代码的形式举一些简单的例子来说明一下我的思考。这里要特别说明的是，本文主要还是以“科普”为主，后续的文章中才会涉及一些高端的算法。
