Re: [心情] 李世石 Go! Go! Go!

看板GO (圍棋)作者yamiyodare (shantotto)時間9年前 (2016/03/12 16:57)推噓2(2推 0噓 12→)

留言14則, 3人參與討論串6/6 (看更多)

※ 引述《bbbtri (cycling)》之銘言： : ※ 引述《yamiyodare (shantotto)》之銘言： : : AI 的做法是先盡量下的跟高手一樣, 因為高手可能的下法幾乎包含了最佳解. : : AI 從這些候選走法往下找可以節省大量時間空間. : : 透過大量的高手對戰譜訓練出一個迅速模仿高手次一手的 policy network. : AI 可以轉瞬學會所有定石等於是到地球作戰的外星部隊一次掌握地球的全部地形 : 所以有大局觀可以理解 : 可是, 我不太懂死活要怎麼解？因為死活很複雜啊, 隱藏著豬羊變色的規則和劫活 : 還是其實死活的題型和變化在AlphaGo看來存在上限？碰到一個死活問題, 如果有高手每一步都提點可能的幾個位置, 自己擺一擺所有的變化, 最後總是能下活吧. : : value network 是型勢判斷, 給予一個特定盤面就能夠迅速回報勝率. : : AI 開出千萬分身自我對練高手的棋路到終局 (最後誰贏電腦可以判斷的夠準) : : 然後回溯盤面, 訓練出一個可以估計任何盤面勝率的 value network. : (不好意思, 插問一下回溯的英文是什麼> <) : 在序盤就要計算到勝率看起來完全不可思議啊!!! : 假設AlphaGo vs AlphaGo'(比本體稍弱)的勝率比是51:49好了 : 那這個比值「從第幾手開始」才會跳動呢？ : 感覺上, 答案根本上決定在對局兩造的實力 AlphaGo 先自我對弈三千萬盤出來知道最後的勝負 (電腦有能力自動判斷) 然後把 "中途的盤面" 跟 "最後的勝負" 當成一對丟進類神經網路強化連結. 有點像給人看幾萬張男人 (輸) 跟幾萬張女人 (贏) 的照片. 之後看到沒看過的人, 人可以推論是女人 (贏) 的機率有多高. : : 可以把它想像成很多高手提供次一手的下法, 那就來下下看, 看誰說得對. : : 但要留意, AI 的目標是勝率最高 (反擊手最少), 不是目數最多, 不是棋型最美. : 不太懂value network為什麼是重在反擊手最少呢？可以再說明一下嗎？ : 說到反擊, 我是覺得任何反擊都可預期, 只差在「有沒有效率」而已 : 而效率除了涉及手數，目數，還關係到手順, 這點跟收官有最佳順序一樣 : 唯前提是死活的問題要先解決, 因為即使是官子也會受打劫影響 : 你說的反擊手最少, 指的是....？我的用詞不當, 反擊手指的是可逆轉勝負 (翻盤) 的手段 : 如果目前的AI計算能力已經強到甚至能改變定石、爭奪手順, 那....lol : (定石真的是沒有破綻的嗎？還是只是地球人的破綻？) 定石會進化, 現在的定石跟古定石就不一樣, 秀策遇到貼目也不會尖... 吧 : 宇宙流的相關定石應該很少 : 如果AI要發展宇宙流派, 那也不錯呀～～ : 但那樣的圍棋就不會是我們目前以為的圍棋了而是一盤只有AI能下的棋局 : 看新聞說, Google DeepMind 的目光放在破解人類學習的密碼 : 嗯, 這個是認知科學的腦神經領域啊! : 而用只有電腦可以使用的方式(例如暴力歸納)來破解人腦的學習, 是矛盾不是嗎？人類也是暴力歸納啊, 就好像我說的男女識別問題. 你沒看過多少人之前判斷錯誤的機會是很高的. 只是電腦更暴力, 很專心又不會累, 可能可以學得比人類更好. -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.231.113.64 ※ 文章網址: https://www.ptt.cc/bbs/GO/M.1457773033.A.14A.html