Re: [討論] 淺談AlphaGo

看板GO (圍棋)作者bigelephants (.__./)時間9年前 (2017/01/05 11:46)推噓5(5推 0噓 18→)

留言23則, 8人參與討論串3/4 (看更多)

※ 引述《nnlisalive (nnlisalive)》之銘言： : ※ 引述《ykes60513 (いちご)》之銘言： : : 假設A走法有90%贏一目 B走法有85%贏十目 AlphaGo會選前者 : 請問有誰知道90%或85%是怎計算出來的? : 因為對手還沒下需要跑迴圈運算 : 這勝率統計是否有所謂的信賴區間 : 再來是會不會有100%勝率落子的時候 : 當100%的路一出現是否就代表比賽結束 : 去年AG對上李我看那個落子機率會忽高忽低 : 雖然大部分的時候是50~100%遞增 : 但李 v.s AG大戰第4局的78手頓時讓AG勝率下降不少 : 是否代表只要我們能下出Alpha世界線以外的棋 : 就能迎接勝利的美好未來? 小弟這學期有修電腦對局理論的相關課程看到這篇想說分享一下好了我們上一次的作業是要做黑白棋的 AI 使用的方法就是蒙地卡羅搜尋樹（跟 AlphaGo 比起來只是菜而已）考慮當前我可以下的每一步棋的情況下我們都可以假設「雙方棋手只會亂數下棋」並且去計算每一步可行的棋所亂數出來的盤面勝率有多少這裡的勝率是指最終盤面可以想像電腦亂數把一盤棋下完只要幾毫秒的時間我自己做出來的實驗一秒內算個一萬多盤棋是沒有問題的概念上其實就是隨機抽樣而已關於使用到的技術其實還有各式各樣的優化並且讓電腦接續前一步下的棋思考也並非難事（實作上不難）因此電腦暖機越久想得越清楚越接近實際上的亂數勝率（非真實勝率） -- 以上是我的作業 XD -- 回到 alphago 我想 alphago 應該在裡面也用了不少亂數配合上深度學習的神經網路可以幫他為某些可行點做加權他可以走向期望上更好的盤面並且以學過的棋譜去估計勝率這裡的勝率無法達到 100% 我猜一部分原因是在亂數情況下電腦會嘗試去填自己的空,使得自己反而輸棋,因此會產生一些敗局不過因為我沒有讀過 alphago 的論文所以不是很確定詳細情況也許就連 deepmind 的研究員都沒辦法給出 100% 的答案？就我剛剛提到我的作業來說, 我也有不斷追蹤自己 AI 每一步棋的期望勝率不過因為是純亂數所以沒有很準 XD （但至少我到現在沒下贏自己的 AI 就是..）我也沒有辦法很準確說明為什麼我的 AI 有時候會爛掉 XDDD （可能是 bug 吧）以上分享歡迎留言討論！ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.16.185 ※ 文章網址: https://www.ptt.cc/bbs/GO/M.1483587997.A.150.html

推

aaaba

01/05 11:49, , 1^F

01/05 11:49, 1^F

→

bigelephants

01/05 11:50, , 2^F

01/05 11:50, 2^F

→

bigelephants

01/05 11:51, , 3^F

01/05 11:51, 3^F