→ aaaba: “他用訓練出的棋感來猜的時候局部的點一定猜得多” 這句的 01/05 14:10
→ aaaba: 局部是指什麼? 01/05 14:10
或者從AI有用minimax來想就知道了,近距接觸的話不下在附近有機會崩盤,那自然
會取附近區域的點為主(我的理解是這樣,不一定對XD)。跟人下棋很類似,局部沒告
一段落前落子會先從局部考量吧。
推 aegis43210: 的確人類很難精確評估形勢,只能努力確保安全邊際 01/05 14:12
推 sky0302: 只有結論不同意 人類追求最大目數 是藝術完美性的要求^^ 01/05 14:15
推 aegis43210: 柯潔是因為急性腸胃炎住院,可能是計算到胃痛吧 01/05 14:16
※ 編輯: ilw4e (223.137.235.66), 01/05/2017 14:23:42
推 aegis43210: alphaGO用了1,202顆CPU及176顆GPU,不知master是不是 01/05 14:19
→ aegis43210: 也一樣,或者是配備又升級了一次 01/05 14:20
推 indium111: 現代超級電腦有約1000萬顆CPU,AG的電腦只算小咖而已 01/05 14:24
推 jiaching: 簡單說明一下 01/05 14:25
→ jiaching: AlphaGo 主要的機制有2個 policy network和 01/05 14:25
→ birdy590: 它裡面用的自製 TPU 很重要啊~ 一般的超級電腦又沒有 01/05 14:25
→ jiaching: value network olicy network會根據所學的棋譜預測 01/05 14:26
→ jiaching: 對手可能的落點位置(相當於人類棋士的經驗) 01/05 14:26
→ jiaching: value network則根據policy network所提供的落點位子 01/05 14:26
→ jiaching: 評估出最佳的落點位置(相當於人類棋士的計算能力) 01/05 14:26
→ ilw4e: 知道有policy network,但對實際怎麼預測不太確定XD 01/05 14:28
→ indium111: AG在硬體上進步空間還很大,不過現在也不需要了 01/05 14:28
→ jiaching: policy network靠所學的棋譜為依據 然後在19*19的棋盤上 01/05 14:30
→ jiaching: 挑選出對手最有可能的落點位置 01/05 14:30
→ ilw4e: 但印象中棋譜不是資料庫,只是訓練他參數的工具,最後他怎 01/05 14:34
→ ilw4e: 麼用參數可以每步做出選點預測的,這很神 01/05 14:35
推 aaaba: 我先推。不過我想說棋感網路如果不是打劫的情況,根本連前 01/05 14:48
→ aaaba: 幾手戰到哪邊都不知道,他只知道盤面不知順序。他會落子在 01/05 14:48
→ aaaba: 你所謂局部,是因為在他全局考慮到的位置裡,那個局部恰好 01/05 14:48
→ aaaba: 最大 01/05 14:48
推 aaaba: 也就是說假設調換順序,把當前局部在前十手擺完再下剩下的 01/05 14:56
→ aaaba: 步數,讓alphaGo接手,他是很可能去補棋局前十手的局部,因 01/05 14:56
→ aaaba: 為那裡碰巧最大 01/05 14:56
→ aaaba: 所以假設重擺順序後,要點在左上一到十手附近,然後再擺棋 01/05 15:10
→ aaaba: 牌右下有一些接觸戰,棋感網路不會側重那些接觸戰的 01/05 15:10
→ birdy590: policy network 只是大概用猜的 反正只影響驗算順序 01/05 15:15
推 ForeverOrz: 這篇分析合理推個,阿法狗最顛覆的還是以前人類引以 01/05 15:16
→ ForeverOrz: 為傲的中盤攻殺 AI完全無法 但現在反而是人類當機個 01/05 15:17
→ ForeverOrz: 一兩手緩手就被壓著打到最後,實在可怕 01/05 15:17
→ aaaba: 對啊,我是想強調電腦沒有什麼“告一段落”的概念,目前盤 01/05 15:19
→ aaaba: 面全局哪裡看起來大就優先驗算那邊,而非關當前戰場在哪兒 01/05 15:19
→ ilw4e: 下快棋中盤攻殺本來就算不清,沒甚麼引以為傲吧 01/05 15:33
推 ForeverOrz: 我只是想強調以前圍棋AI無法突破的就是中盤攻殺, 01/05 15:40
→ ForeverOrz: 布局定石有模有樣到中盤人類隨便下都贏,但現在不是了 01/05 15:40
推 oldTim: 因為以前電腦圍棋是專家系統現在是深度學習,不是一回事 01/05 16:40
推 ksm: 推推 01/06 13:48