#看圖學高爾夫# 不同年紀的不同揮桿

#看圖學高爾夫# 不同年紀的不同揮桿  歲月不饒人。歲月的風霜不僅把它的痕跡留在我們的頭髮和臉上，也在悄悄地改變著我們的揮桿。前幾天從老詹的博克里蒐集素材，把一些博友的揮桿分析照片編輯出來，旁邊還放了一些職業球手的對比照。維清兄就說這不公平，我覺得也對。這些博友的年紀大都4、5張了，而且都是半路出家，怎麼可能做出和職業選手一樣的標準範兒？還不說我們是業餘愛好者，就是職業選手年紀大了，動作也會發生變化。

所以，翻了翻資料，還是發現美國那個著名的高爾夫雜誌Golf Digest，有一篇著名得有些如雷貫耳的教練吉姆-邁倫（Jim McLean）寫的文章，分析了年輕人和上了年紀的人的揮桿，覺得寫得不錯，挑一些要點介紹給大家。 第一句話就開宗明義：年輕的時候靠身體引導揮桿，柔韌性差了就要靠手和臂揮桿。 

 

 - 年輕而且身體柔韌性好的人，他們可以運用大肌肉群從身體的核心產生力量，揮桿過程中下身會擔當重要的作用。他們往往喜歡打fade(小右）。 
- 年紀大的人需要增加一些距離，所以他們更適合打draw(小左）。這就要很好地利用雙手和雙臂的動作，讓它們和身體轉動結合起來，這樣的揮桿看起來會更加隨意一些。 

（1）預備站姿

 [年輕人] 為 了獲得更大的轉動，上身和下身幾乎在一條直線上形成中軸，在上桿的過程中沒有搖擺。讓腹肌有被拉扯的感覺使得身體核心產生扭力。

 [老年人] 球位靠後一點，左腳有些閉合，上身向目標反方向傾斜，這樣做不僅會有助於轉身，還會使得桿頭從內向外接近球。

 

（2）上桿的頂點 

[年輕人] 使用背部、肩部和腹部的大肌肉群而盡量減少手和臂的作用。頭部移動非常微小而把重心轉移到右腳。在維持身體中軸的同時把巨大的能量儲藏在扭起來的肌肉裡。

 [老年人] 頭會向目標反方向多移動一些來幫助轉身，雙臂向後舉並儘量曲腕，好像雙臂拽著身體轉動，當然重心還是要轉移到右腳。 

（3）下桿 

[年輕人] 下身和身體核心主導這個過程，手和臂是被動的，而手腕盡量保持Cocking. 用似乎下蹲的動作把球桿拉下來接近球 ，滯後的桿頭產生相當的速度。左臂靠在胸前而右手肘好像要推進身體裡。 

[老年人] 你可能聽到過“在頂點把球桿甩出去”這樣的話，就是右手肘和右肩從內側下來，讓手和雙臂直直地衝著球加速並釋放手腕。 

（4）擊球瞬間 

[年輕人] 不用手調整球桿，而是用下身和身體核心擲出球桿，隨著下身的放開右腳跟離開地面，手只是跟著過去沒有迴轉的動作，這樣就能打出fade(小右）。 

[老年人] 右腳並不離開地面擊球瞬間身體對著球，為了補償轉身的不足，利用手和手臂把球桿擲出去。 

（5）收桿

 [年輕人] 在身體轉動的帶動下，雙手和雙臂在慣性的作用下環繞身體。由於身體核心和下身的轉動，使得腰也能充分地轉向目標方向。 

[老年人] 由於身體轉動不充分，送桿不是很明顯。雙臂不會環繞身體而是雙手肘朝向地面形成“扛鋤頭式”的收杆動作。臀部和雙肩適當地轉動不會讓腰受到衝擊。

 接著，吉姆-邁倫還為老年人提出一些建議。他說的老年人不一定就是年過花甲之人，也包括身體柔韌性明顯不足的40~50歲的中年人。 他主張的練習方法是： 

〈1〉 從送桿的位置開始練習，這個練習會讓你知道上桿的時候要伸直左臂，對柔韌性不足的人這一點非常重要，能讓你上桿的時候作出更多的轉肩。 

〈2〉右手單手反握球桿練習。這個練習會讓你體會擊球瞬間釋放手腕來揮桿。上桿的時候彎曲右臂和立腕，擊球時放開，這會輕鬆地增加桿頭的速度並有助於做出小左的彈道來。 看了這兩組對比圖，維清老師也該釋然了吧？  

世界上三大最優秀的圍棋AI現況

文章來源：今日頭條 原創 牛掰NewsBA 

日期:3月26日，第五屆日本圍棋電聖戰在東京結束，下午進行的第二場比賽，來自中國的圍棋AI絕藝執黑中盤勝日本超新星一力遼七段，加上上午來 自日本的DeepZenGo執白中盤勝一力遼，AI圍棋以2-0結束了本次人機大戰。英國的AlphaGo、中國的絕藝、日本的DeepZenGo，被公 認為目前世界上三大最優秀的圍棋AI，下面我們就來揭開他們神秘的面紗，告訴廣大讀者這三隻狗的不同來源。 

阿爾法圍棋（AlphaGo）是一款圍棋人工智慧程序，由谷歌（Google）旗下DeepMind公司的戴密斯-哈薩比斯、大衛-席爾瓦、黃士傑與他們的團隊開發。其主要工作原理是「深度學習」。 

研發成本：大約5000萬美元。 

硬體：擁有有1920個CPU和280個GPU。 

研發者棋力：哈薩比斯（業餘初段）、黃世傑（業餘6段） 該團隊還有多名懂圍棋的業餘高手。 

研發AlphaGo后，DeepMind公司被谷歌以DeepMind公司以6.3億美元收購。 

發 展脈絡：2016年3月，AlphaGo與人類棋手李世石進行人機大戰，以4-1取勝，轟動整個人類世界。隨後DeepMind公司公佈的計算方式，走棋 網路（Policy Network）、快速走子（Fast rollout）估值網路（Value Network）、蒙特卡洛樹搜索（Monte Carlo Tree Search）迅速被圍棋AI研究同行克隆。 

 

DeepZenGo 的前身Zen享譽棋界多年，是AI圍棋的代表，在AlphaGo橫空出世之前，Zen是最強AI圍棋之一。經過近一年的努力，Zen的升級版 DeepZenGo的實力也突飛猛進。去年11月的第二屆日本圍棋電王戰第二局，DeepZenGo屠龍大勝「不老傳說」趙治勛，雖然最終總比分1-2落 敗，但已經能分先與強九段抗衡。 

研發成本：56萬元人民幣 

硬體：CPU和GPU數量不及AlphaGo1/10。（總價值不約10萬人民幣） 

研發者棋力：加藤英樹（圍棋愛好者 業餘高手） 

發展脈絡：加藤英樹教授對圍棋AI的研究超過10年時間，但受困於經費緊張，他的團隊一直人數都很少，這次能達到世界圍棋AI三強，也是借鑒了AlphaGo不少新的思路和演算法。 

 

2016年「人機大戰」后中國互聯網巨頭騰訊成立研發團隊，全面山寨AlphaGo，靠著巨大的投入，以及與中國棋院眾多人類圍棋世界冠軍的內部網路測試進步。 

研發成本：光購買相關硬體設備就超過6000萬人民幣。深圳建立13人團隊，中投入超過1億人民幣。 

硬體：與AlphaGo配置不相上下。 

研發者棋力：項目負責人劉永升（不懂圍棋，從去年3月才開始學），項目研發人員幾乎都不懂圍棋，均是從頭學。聘請羅洗河九段參與研發，羅洗河也參與寫代碼。 

發展脈絡：騰訊依靠自身的財大氣粗投入巨大資金搞開發，這次到日本參加UEC杯以及電聖杯，原理同樣是將比賽同步數據傳輸回深圳總部，靠分散式多機聯網完成比賽決策。 

簡 單地說，絕藝團隊就是大量金錢堆出來的，反應了中國經濟目前浮躁、資本粗暴決定一切的現狀，基本是一群不懂圍棋的人在運作項目團隊；DeepZenGo船 小投入少，但DeepZenGo成長到今天，非常貼切地體現了日本這個民族的匠人精神；AlphaGo的研發和崛起，體現了人類智慧在人工智慧方面的最高 境界。谷歌已經開始嘗試讓AlphaGo在醫療、網路安全等更廣泛的領域進行新的探索。