推 staristic: 我猜應該秒殺，這些名局應該是第一批餵AI的食物 02/01 11:57
→ staristic: 就算不是第一批，應該也是餵過。如果答不出來…… 02/01 11:57
推 kafai: 餵過跟TRAIN起來是兩回事，偶發的鬼手可能當NOISE進不去 02/01 13:07
推 coldmilk: 我不行啦，身體太多毛病，已經不寫圍棋程式了。還有Cold 02/01 13:16
→ coldmilk: milk根本比不上Zen，倒是交大吳毅成老師的團隊開發的CGI 02/01 13:16
→ coldmilk: 最近棋力突飛猛進，我看很有可能已經有KGS 6D水準了 02/01 13:16
推 aaaba: 這個問題太有趣了。因為機器學習講究的是學到普遍性的原則 02/01 13:19
→ aaaba: ，而非記憶各種特殊解，所以這個問題就得看這些鬼手發生當 02/01 13:19
→ aaaba: 時的盤面會不會透過類神經網路映射到一個容易發現鬼手的特 02/01 13:19
→ aaaba: 殊空間(而不是人類直觀看到的361維空間)。如果可以，表示Al 02/01 13:19
→ aaaba: phaGo的普遍性原則萃取得非常之好，很神。 02/01 13:19
→ nanlong: 有時鬼手妙手是因非理性或失衡造成某種局面而爆發出來的. 02/01 14:02
→ nanlong: 人比較會這樣..電腦很理性我就不知會不會這樣會爆。 02/01 14:03
→ nanlong: 有時雙方無錯著還挺無聊的-看起伏落差大的對局有趣點。 02/01 14:05
推 jackeikuo: 答得出來也可能是 overfitting 不一定是好事 02/01 22:03
推 ddavid: 其實之前那篇我推文也就是想說這些妙手鬼手是真的很難學， 02/02 03:43
→ ddavid: 因為是違反Data Mining & Machine Learing大方向的學習， 02/02 03:44
→ ddavid: 但也不是沒有研究在針對這種「找出有價值的稀少特例」在做 02/02 03:44