推 birdy590: 其實這後面的技術並不困難, 接下來幾年不是不可能出現 03/11 21:18
→ birdy590: 超車的...(會有多少人做這個畢業呢?) 03/11 21:18
→ aaaba: 技術多困難不談,消化數據沒個像樣的硬體會等死人 03/11 21:21
推 birdy590: 已經很多大公司在投資啦, 其實人事成本比硬體貴呢 03/11 21:23
→ milkdragon: 1. 你略過了最重要的搜尋步驟(tree search); 2. 模擬 03/11 21:24
→ milkdragon: 棋局並非隨機落子,若無圍棋知識輔助,局勢評估必定不 03/11 21:24
→ milkdragon: 準確 03/11 21:24
AG當然不是純粹的蒙地卡羅法,不然早就被電爆了
→ birdy590: 標準的 MCTS 是隨機落子沒錯, 但是這樣同樣很沒有效率 03/11 21:25
→ birdy590: 在這裡引進神經網路評估函數很高明, 太瞎的棋直接先跳過 03/11 21:25
推 sck921: 可是「直覺」有沒有可能排除掉真正的好棋? 03/11 21:26
你這個問題大概只有真正的「圍棋上帝」可以回答
大家愛講的第一手天元,或許是步妙手也說不定
→ birdy590: 所以幾個網路的訓練很重要, 從這裡也不難理解 03/11 21:28
→ sck921: 我把直覺假設成人類的棋感,那電腦會犯和人類一樣的錯嗎? 03/11 21:28
→ birdy590: 為什麼在領先的狀況特別容易下出臭棋(OS: 還是贏你管我) 03/11 21:28
→ birdy590: 這裡的"直覺"只影響評估順序而已, 時間內有算到就不會漏 03/11 21:29
※ 編輯: indium111 (220.134.57.127), 03/11/2016 21:29:52
推 liaon98: 單純用蒙地卡羅法的話 之前的軟體就這樣 只能到業餘4 5段 03/11 21:29
→ milkdragon: 原po描述的只是「蒙地卡羅法」,只是MC,不是MCTS 03/11 21:34
→ milkdragon: 這跟AG用什麼方法無關,因為你說的是「以前的程式」 03/11 21:36
我開頭的時候就說這是以前的演算法啊
因為要回答前面的人所問的勝率是如何計算的
※ 編輯: indium111 (220.134.57.127), 03/11/2016 21:38:09
→ birdy590: 其實後面的原理跟電腦棋類剛開始的時候一樣沒有變過 03/11 21:36
→ birdy590: 當然還是要建決策樹, MCTS 只是維護這棵樹的方法而已 03/11 21:37
→ birdy590: 在這之前只有 alpha-beta pruning, 這用在圍棋上不能看 03/11 21:38
→ birdy590: 在這之前電腦西洋棋/象棋也已經開始用 heuristic search 03/11 21:40
→ birdy590: 來減少計算量, 所以現在連手機上棋力都可以強到不行 03/11 21:41
→ indium111: 以後alphago的後代裝進手機也不是什麼問題 03/11 21:43
→ birdy590: 圍棋的空間太大 想縮到這種程度恐怕有點困難 XD 03/11 21:44
→ indium111: 到時候可能要禁止圍棋選手外出上廁所和散步了 03/11 21:44
推 lwei781: 手機可以雲端啊 03/11 22:46
推 bearching: 雲端運算應該可以辦得到? 03/11 23:16
→ indium111: 不要小看電腦硬體進步速度,你手中的iphone 6就比打敗 03/11 23:31
→ indium111: 當年西洋棋王的深藍電腦還快了 03/11 23:32