→ rexrainbow:backgammon(西洋雙陸棋)與TD-Gammon, Gerald Tesauro 03/16 01:03
※ 引述《yoco315 (眠月)》之銘言：
: ※ 引述《Y78 (Y78)》之銘言：
: : 我想要學習人工智慧這個領域
: : 想要寫出 五子棋以及圍棋AI
: : 有沒有人可以推薦幾本好書?
: : (如果不是PO到這個版 請告知我一下
: 對奕程式的話就是這一本啦 @"@
: http://140.114.72.25/Webpac2/store.dll/?ID=303129&T=0&S=ASC&ty=
: 關於對奕遊戲的人工智慧基本概念上面都有了，
: 雖然他是講象棋的，不過概念都一樣，你把審局法換成五子棋就好了，
: 看完書，如果實做能力 OK 的話，大概一天就可以寫出簡單的五子棋，
: 棋力也還不錯，一般人沒練過的話，要贏電腦並不容易。
就下棋而言的話，別人的經驗都是
一般做出來的人工智慧會比設計的人還要強一點
那是因為一旦做出比自己還要厲害的電腦，就不知道要怎麼改良它
造成下棋程式必須仰賴人類專家不斷地和程式對奕
等待程式出錯才有辦法提升人工智慧的強度。
這一類傳統的人工智慧是那種以規則為基礎的專家系統
難以維護知識庫，也難以確保知識之間的一致，整個就是不好改良。
後來不知道有沒有「智慧」型的系統
讓電腦下棋有辦法藉由勝負來自動調整內部的參數，進而最佳化整個下棋系統
這方面我沒有研究，不知道最新的技術到哪裡了
據我所知，擊敗世界西洋棋人類冠軍的程式 (深藍) 就沒有辦法自動學習。
: 如果目標不是要做出棋力高強的對奕程式，其實並不難。
: 這類程式的重點有三
: 1. 審局，審局就是你的程式對盤面的好壞知道的清楚不清楚，
: 不會把爛的盤面看作好的盤面。
: 這個部份如果要做的又快又準，
: 需要的是對那個棋類像是戰術等等的知識有一定程度了解。
: 2. 搜索的最佳化，你能越早 cut 一些搜索的路徑，就可以省下越多的成本。
: 3. 實做技巧，這東西是 cpu 吃很重的，
: 任何能增加程式效率的方法都應該用上，
: 以前的將族就是用 ASM 下去 coding。
: 我想影響最大的是 2。
審局才是最難的，好的審局能夠幫忙搜索的最佳化
如果總是走那些最佳的路徑，就越早能夠截斷不需要搜索的路徑
但是審局到底需要考慮哪些要素，這恐怕不是簡單的 PCA 有辦法做得到的。
也因此
傳統 (或者說是停滯多年的技術) 的方法都是讓專家來決定如何判斷目前盤面的好壞
但是不同的專家對於相同的盤面卻不一定有相同的見解
也許一個專家說大優，另一個專家卻會說失勢
到底結論是大優還是失勢，用專家系統是難以做這種衝突的決策的。
: 如果要做出棋力高強的程式，則是非常非常難，
: 因為人工智慧的這個分支很硬，好壞是明顯的事情，
: 要嘛輸，要嘛贏，輸就是爛，贏就是好，
: 你很難說：「我這個程式雖然都輸，但是他有個優點就是……」
: 人家不會鳥你。
是的，效果好壞才是硬道理。
: 作科展的話，挑個少人作的棋類，
: （像是西瓜棋還是三軍棋或是立體的圈圈叉叉之類的）
: 把方法套下去作，其實也還不錯 :D
: 阿至於版友說人工智慧自修只會有半桶水，
: 我覺得人工智慧沒有這麼特別啦，其實其他領域也都是這樣，
: 如果你不是天才或是異常努力的話，任何東西你去自修，成就都是有限的。
: 當然有老師帶一定會有差別，
: 但是我覺得真正重要的還是個人的興趣跟努力，
: 這跟攻不攻 Ph.D 沒什麼關係，廢的 AI Ph.D 也不是沒有，
: 而很強的 Master 就是很強，強到靠北。
: 作研究真的是「自己的事」，
: 老師可以給你幫助，但是重點還是自己，
: 至少在我們研究室我的感想是這樣。
自修也不是不行，我就是自修過棋類的人工智慧才會說太慢、半桶水之類的
後來我跑去做智慧型的影像處理，念過的人工智慧課程和技術都難以套用在下棋的程式
正在悶下棋人工智慧到底要怎麼突破現有的技術呢！
就是因為這樣才會建議新進：「快去讀 Ph.D 然後出國比賽為國爭光吧！」
不過現在想起來自己好像有點自私，因為並不是所有人都想研究得那麼深入……
在此先個道歉
最近在關心即時戰略要怎麼寫人工智慧
但是時間愈來愈少，實在沒辦法像以前那樣的熱血亂衝亂做的
只好在一旁觀望未來的人工智慧會變成什麼樣子囉！
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.116.246.224