[心得] 電腦和圍棋高手對弈 可以取勝 不足為怪

看板GO (圍棋)作者 (小王)時間9年前 (2016/03/14 11:19), 9年前編輯推噓-4(4815)
留言27則, 12人參與, 最新討論串1/1
(低棋淺見)電腦和圍棋高手對弈 可以取勝 不足為怪 在 2006 年 當時的西洋棋(國際象棋)世界冠軍 Vladimir Kramnik 以 4 和 2 負的成績 輸給運行在 2 個 Xeon 5160 的 Deep Fritz version 10 後 (最強的)西洋棋(國際象棋)軟體可以擊敗最強的人類高手 已無疑問 ( https://goo.gl/k6j1Qj ) 那麼約十年後 ( 2016 年) 電腦和圍棋高手對弈 可以取勝 會很令人意外嗎 ? Xeon 5160 是 Intel Core 2 架構 時脈 3 GHz 雙核心的處理器 ( http://goo.gl/hXA76O ) 從 2006 年至今 電腦的處理器在架構 時脈 核心數方面又有不小的進步 分散式版的 AlphaGo 擁有的是 1,202 個中央處理器和 176 個圖形處理器 ( http://goo.gl/IcRRI7 ) 能夠演算的可能下法 遠遠超過人類 那麼人類有可能取勝嗎 ? 如果能下出圍棋軟體沒有演算到的下法 或是圍棋軟體演算到 但是圍棋軟體評價差而淘汰 事實上卻是好棋的下法 理論上是有可能勝過圍棋軟體 順便提一下 為什麼 AlphaGo 下的一些棋步 圍棋高手看不懂 低棋猜測合理的原因就是 AlphaGo 深度計算過這些棋步 或許在應接的前期 看起來不利 但應對到後期 卻是可行的 這種情況 人和圍棋軟體都有可能碰到 就是人和圍棋軟體都考慮到了某個棋步 而深入計算下去 雙方卻有 2 極化的不同評價 但是圍棋軟體在硬體運算效能 有效的演算法 累積演算成果提升到一個程度後 人類勝過最強圍棋軟體的機會可說非常低 這次李世石九段 對 分散式版的 AlphaGo 大約就是這種情形吧 如果以前都沒有人下過中國流或三連星 而 AlphaGo 在對局之前又沒有演算到中國流或三連星 那麼棋士自己作過詳細研究 在和 AlphaGo 對局時 第一次於棋史上下出中國流或三連星 或許取勝機會比較大 可惜現實不是如此 要(短時間)無中生有 開發出一個有效的套路並不容易 (想想現在會有多少棋士下白江流) 一些圍棋界人士對 AlphaGo 棋力的錯誤預判 除了來自之前圍棋軟體的印象之外 也和對局前沒有足夠的 AlphaGo 資訊有關 Vladimir Kramnik 在 2006 年對局前一個多月 拿到 Deep Fritz version 10 可以自己先和 Deep Fritz version 10 對下測試 ( 正式對局時的 Deep Fritz version 10 使用更新過的 opening book ) 另外 Vladimir Kramnik 於 2002 年 以 2 勝 2 負 4 和打平 Deep Fritz (似乎是 version 7 ? ) 比賽前幾個月時 拿到 Deep Fritz 可自行測試 ( https://goo.gl/k6j1Qj ) 另一個重點是可運用的思考時間(時限) 對局雙方時限 6 小時 約可在一天內下完 和 AlphaGo 對下 個人猜測時限至少要 6 小時 下完了 4 局 個人對李世石九段和 Michael Redmond 九段至上最崇高的敬意 先說 Michael Redmond 九段 以前在 NHK 的圍棋(將棋)節目看過他講棋 當時是用日文 所以聽不懂 這次 Michael Redmond 九段在 youtube 頻道擔任英文解說 從容不迫 深入淺出 對低棋的我 受益良多 而李世石九段就更不用說了 這是在挑戰幾乎不可能的任務 從第三局的功虧一簣 到第四局的柳暗花明 讓人驚嘆 令人動容 第四局會是今年最令人回味的棋局之一吧 -- 我的 blog : http://watchtvforfun.blogspot.com/ 上網推薦用 Linux 記得要常常更新 文書處理推薦用 LibreOffice 巴菲特給散戶的投資建議 : 買 very low-cost S&P 500 index fund (巴菲特推薦 Vanguard 發行的 very low-cost S&P 500 index fund) -- ※ 文章網址: https://www.ptt.cc/bbs/GO/M.1457925599.A.DD0.html

03/14 11:26, , 1F
這完全不能這樣比,AlphaGo的演算法跟西洋棋的基本原理
03/14 11:26, 1F

03/14 11:27, , 2F
不同,若是使用西洋棋軟體的演算法,把全世界的電腦連起
03/14 11:27, 2F

03/14 11:27, , 3F
來我想都沒有科學家敢說能挑戰人類
03/14 11:27, 3F

03/14 11:29, , 4F
AlphaGo實作的演算法(MCTS, deep learning)也有別人用在
03/14 11:29, 4F

03/14 11:30, , 5F
圍棋上,但是之前一年前確實是不知道能不能達成這項壯舉
03/14 11:30, 5F

03/14 11:30, , 6F
看到還在提西洋棋就給噓了
03/14 11:30, 6F

03/14 11:33, , 7F
這篇文章我只有一個感想,你不懂圍棋也不懂AG...Orz
03/14 11:33, 7F

03/14 11:35, , 8F
不懂不是錯 不懂又要出來扯一堆就是個人問題了
03/14 11:35, 8F

03/14 11:35, , 9F
電腦也有新佈石啊,第二盤接個中國流,也嚇壞很多人了。
03/14 11:35, 9F
※ 編輯: willrise (118.161.247.61), 03/14/2016 11:36:59

03/14 11:36, , 10F
我比較好奇散功之後的AG對圍棋的理解是甚麼..
03/14 11:36, 10F

03/14 11:44, , 11F
這跟運算速度沒太大關係,是採用類神經系統
03/14 11:44, 11F

03/14 11:47, , 12F
你組一個比阿發夠還好電腦也是輸他,先搞懂再來分享吧
03/14 11:47, 12F

03/14 11:58, , 13F
好多不懂裝懂
03/14 11:58, 13F

03/14 12:40, , 14F
事實上 西洋棋的運算量也不容易使用窮舉
03/14 12:40, 14F

03/14 12:40, , 15F
在深藍之後已經進階到下個階段 就是如何縮減計算量
03/14 12:40, 15F

03/14 12:45, , 16F
drep fritz的計算能力不如深藍 但是有效計算量高很多
03/14 12:45, 16F

03/14 12:46, , 17F
你還是多唸唸書吧....
03/14 12:46, 17F

03/14 12:47, , 18F
heuristic search也不一定要用DCNN
03/14 12:47, 18F

03/14 15:42, , 19F
別誤導人
03/14 15:42, 19F

03/14 15:50, , 20F
這篇沒有什麼大錯, AlphaGo 的基本原理和西洋棋軟體類似
03/14 15:50, 20F

03/14 15:50, , 21F
差別在於西洋棋已經有過上帝(深藍在計算深度內是完美)
03/14 15:50, 21F

03/14 15:51, , 22F
目標轉成小型化以後, 因為運算能力下降不能再用窮舉法
03/14 15:51, 22F

03/14 15:53, , 23F
所以轉向開發 heuristic search(中文似乎沒有好的翻譯)
03/14 15:53, 23F

03/14 15:55, , 24F
AlphaGo 裡面用的不管MCTS或DCNN都不是自己發明的
03/14 15:55, 24F

03/14 15:55, , 25F
但是把好幾種方式結合起來, 利用 DCNN 加強 MCTS
03/14 15:55, 25F

03/14 15:55, , 26F
這個就很厲害了, 也是硬體計算能力到位以後才有可能實現
03/14 15:55, 26F

03/15 00:47, , 27F
你怎麼不去年說呢 馬後炮
03/15 00:47, 27F
文章代碼(AID): #1MvYtVtG (GO)
文章代碼(AID): #1MvYtVtG (GO)