推 AkihisaYoshi: 其實這個問題沒有答案 只有統計數據 03/22 01:39
推 airbear: ==棋類相輕 03/22 01:40
→ xsw15963: 因為圍棋不像將棋星人能夠一步一步算 很多時候也都靠 03/22 01:41
→ xsw15963: 棋感下棋 我猜啦 03/22 01:41
推 youngluke: 兩邊對職業的定義和門檻應該不太一樣 03/22 01:42
推 rotusea: 樓上，阿法狗表示 03/22 01:42
推 staristic: 史上女子最強的芮乃偉在全盛時期可以從曹薰鉉手上拿冠 03/22 01:43
推 roger2623900: 剛剛看目前圍棋世界排名女性最高是第123名 03/22 01:43
→ staristic: 世界大賽能打進四強，將棋是連進職業都困難 03/22 01:43
→ xsw15963: alphago規格外本來就不該算進來 03/22 01:44
推 arrenwu: 圍棋那些頂尖的也是算到爆吧 03/22 01:44
→ crazypitch: 不過圍棋計算比將棋要高多了吧？ 03/22 01:45
推 airbear: 我孤陋寡聞 真的有女棋士拿到本因坊? 不是女流本因坊喔== 03/22 01:45
推 Pegasus99: 沒有一種職業競技靠感覺的 這可是嚴肅的事 03/22 01:46
推 falken: 不過圍棋目前還是中韓的天下吧 03/22 01:47
→ crazypitch: 沒有 是龍王作者裡寫的人物 03/22 01:47
→ xsw15963: 單純死活可以算 但是如果是前期走外勢真的比較難 03/22 01:48
→ crazypitch: 我剛看完也覺得有扯 而且棋士還是副業 主業盤師 03/22 01:48
推 rotusea: 只要是棋類，都是靠計算，怎麼可能靠感覺。圍棋要算的就 03/22 01:49
→ rotusea: 是每一步的手順、目數、死活，憑棋感？ 03/22 01:49
推 morichi: o巴啊啊啊啊啊啊啊啊啊 03/22 01:49
→ Atima: 就兩者待遇來說 你有能力絕對會選圍棋 而不是將棋 03/22 01:49
→ xsw15963: 很多時候都是靠經驗或感覺 來覺得下哪對以後比較有幫助 03/22 01:49
→ Atima: 就像LBJ也可以去打美足 他卻選去NBA 這種感覺 03/22 01:49
→ crazypitch: 描寫終年酒空 只有刻盤不喝酒 就連比賽都喝 03/22 01:49
推 staristic: 龍王的作者寫的是哪個棋士啊，感覺資訊有誤 03/22 01:50
推 airbear: 有棋感吧 但是決定勝負的還是計算力跟經驗 03/22 01:50
→ Atima: 當然是作者YY自爽寫的 棋類競技分男女是有原因的 03/22 01:50
→ GKki2012: 這裡大多都外行人 真正了解圍棋的可能不多 如果真想了解 03/22 01:51
→ GKki2012: 建議到圍棋版去問 03/22 01:51
→ crazypitch: 根本小說傳說人物規格(？) 03/22 01:51
→ xsw15963: 圍棋能算的當然要算 但是很多時候靠著的是經驗跟棋感 03/22 01:53
→ arrenwu: 這點將棋也一樣吧 03/22 01:54
→ GKki2012: 還有棋類的計算除了深度之外還有廣度以人類來講要全部都 03/22 01:54
→ GKki2012: 要全部都算難以做到 所以對棋局的敏銳判斷可以更容易掌 03/22 01:55
→ GKki2012: 更容易掌握局勢 那種棋感 可以說是從天份和經驗累積起來 03/22 01:56
推 rotusea: 如果圍棋是以「棋感」為主，那阿法狗就不會著重在計算， 03/22 01:57
→ rotusea: 而會寫成圖形判讀軟體，看「棋型」來下了 03/22 01:57
推 kinghtt: 所謂的棋感也是計算出的概論，經驗越多越能省略計算過程 03/22 01:58
推 brightwish: 往盤面上一看能夠篩選出數個值得下的點 那就是棋感阿 03/22 01:58
→ GKki2012: 以我認識的象棋為例 特定局面棋子之間的相對位置會處於 03/22 01:58
→ GKki2012: 會處於很微妙的關係 03/22 01:58
→ brightwish: 從那數個點在去往下篩選才是計算 03/22 01:58
→ xsw15963: 我不是說圍棋以棋感為主 而是指相較於將棋 估計圍 03/22 01:59
→ xsw15963: 棋用的比較多 03/22 01:59
→ brightwish: alphaGo就是用類神經網路模仿這個棋感 篩選出可以下的 03/22 01:59
→ GKki2012: 那些只能花時間去拆棋 才能對局勢 有比較準確的判斷 03/22 01:59
→ rotusea: 先會計算，才會有所謂的「棋感」，就像你要先背好九九乘 03/22 02:00
→ rotusea: 法，你才會對數字有「感覺」 03/22 02:00
推 arrenwu: @rotusea 這可能是有點誤會了 你講的這兩種都是計算 03/22 02:00
→ brightwish: 位置 才用蒙地卡羅演算法計算後續 03/22 02:00
→ arrenwu: 只是其中一種是精度需求沒那麼高的計算 03/22 02:00
→ xsw15963: 實際上alphago推翻了不少人類定石 這也代表已往人類的 03/22 02:01
→ xsw15963: 棋感 很多都是錯的 03/22 02:01
→ GKki2012: 還有 上面的人在講得 棋感 是無法量化的標準 所以如果 03/22 02:01
→ GKki2012: 所以如果用棋感來作比較根本毫無意義 03/22 02:02
→ rotusea: 沒有初步運算，你怎麼決定哪幾個點值得下？邏輯要弄清楚 03/22 02:03
→ brightwish: @rotusea 阿法夠用類神經網路就是模仿人類大腦的棋感 03/22 02:03
→ brightwish: 原理和影像辨識的確有異曲同工之妙 03/22 02:03
→ GKki2012: 不過我是不確定上面哪些人是 圍棋高手啦 對棋感的認識 03/22 02:04
→ GKki2012: 也看不出來是否只是外行人看表面講幹話而已 03/22 02:04
→ arrenwu: 棋感這東西除非是完全沒玩過棋類 不然沒這麼難懂吧 03/22 02:05
推 jupto: 棋感也算是計算 只是這是很不精準的計算 圍棋因為複雜度高 03/22 02:05
→ rotusea: 我的意思是，阿法狗算的是下在棋盤每任一個點的最高勝率 03/22 02:05
→ rotusea: ，來決定落子，而不是看「棋子的形狀」來決定優劣 03/22 02:05
推 brightwish: 就算不會圍棋 你第一直覺也不會考慮要下在1-1上吧 03/22 02:06
→ brightwish: 這也是棋感阿 03/22 02:06
→ jupto: 以人類大腦在有限時間內根本做不到足夠精準的計算 所以棋感 03/22 02:06
→ brightwish: 就說你錯了...阿法狗為了不要計算全部的點的勝率 03/22 02:07
→ jupto: 這種不精準的估算佔比就相對的重 03/22 02:07
→ brightwish: 才要用類神經網路 先篩選出幾個比較好的點 03/22 02:07
推 arrenwu: 是啊 但AlphaGO估計出勝率前 類神經網絡會萃取出當前盤 03/22 02:08
→ arrenwu: 面的各種特徵量，這其中會涵蓋你歲的 棋子的形狀 03/22 02:08
推 kinghtt: 阿法狗也是先經過幾百場對奕累積計算資料後才推去比賽 03/22 02:10
→ crazypitch: 說到這個 黃士傑請自下的第一手天元之後才交由alphago 03/22 02:10
→ crazypitch: 算是讓步嗎？ 03/22 02:10
推 reinhert: 阿法狗就是把盤面看成19*19的圖型去算的 03/22 02:10
→ GKki2012: 如果原po對於AI之類的話題有興趣的話可以考慮 03/22 02:11
→ GKki2012: 可以考慮去學machine learning 03/22 02:11
推 kinghtt: 類神經網路只是讓它在下棋時能抓出那方位落子跟其後的步 03/22 02:12
→ kinghtt: 數可以得到最高勝率 03/22 02:12
推 arrenwu: 我是覺得要學的話可以去看Stanford的CS231n啦 03/22 02:13
推 reinhert: 它會從整體盤面去推出哪一手最好 03/22 02:13
→ kinghtt: 這些落子的手順也是從先前的對奕資料中取得計算 03/22 02:13
→ arrenwu: 很多Machine Learning的課程幾乎沒碰到Deep Learning 03/22 02:13
→ GKki2012: 機器學習我以前只有 旁聽過幾堂課 03/22 02:14
→ arrenwu: 但如果你只會SVM 那你能做出來的AI就真的只是條狗而已 哈 03/22 02:14
→ arrenwu: 不過就算是傳統的機器學習，當通識聽聽也滿有趣的 03/22 02:15
→ GKki2012: 所以上面講得 一些和深度學習有關的演算法 03/22 02:15
→ arrenwu: 不過 AlphaGO 會這麼強也是因為挑圍棋這種軟柿子吃啦 03/22 02:15
→ GKki2012: 會不覺名利 03/22 02:15
→ arrenwu: 圍棋算是很容易應用reinforcement learning 的項目 03/22 02:15
→ GKki2012: 可是 在碰深度學習之前 不是要先 學機器學習打底嗎 03/22 02:16
→ kinghtt: 圍棋算軟柿子？說得好像研發阿法狗很簡單一樣… 03/22 02:17
→ arrenwu: 應該說兩者某些知識有重疊 從機器學習開始是比較順沒錯 03/22 02:17
→ arrenwu: 研發AlphaGO 不簡單 但是圍棋真的是軟柿子 03/22 02:17
推 rotusea: 了解，感謝指正。但這不影響我的論點，所謂棋感，只是一 03/22 02:18
→ rotusea: 種達到反射程度的快速計算，不是無中生有的「感覺」。就 03/22 02:18
→ rotusea: 像前面說的不會想下在一，1 不是因為那看起來「不好看」 03/22 02:18
→ rotusea: ，而是因為那看起來「無利可圖」，歸根結底還是計算 03/22 02:18
→ GKki2012: 樓上 03/22 02:18
→ arrenwu: 我倒覺得除了女人的第六感之外，其實所謂的感覺都是計算 03/22 02:19
→ GKki2012: 可是'高手'的棋感 在某些局勢 他就可以找出很好的切入點 03/22 02:19
→ arrenwu: 因為會有那種感覺是因為你從眼前資訊中很快地得出估計結 03/22 02:19
→ arrenwu: 果 快到你根本不太需要有意識地計算 03/22 02:19
→ GKki2012: 然後他解釋的時候 對菜鳥來講 會不太懂那種感覺 03/22 02:20
推 coca5108000: 如果不是計算而只是"感覺"，那跟擲茭沒兩樣... 03/22 02:20
推 kenyun: 圍棋的圈地 天才腦可以轉換為面積再辨識 有別其它種棋類 03/22 02:21
→ kenyun: 像我曾經聽說音樂天才看樂譜是有顏色的 腦袋不知怎麼長的 03/22 02:21
→ arrenwu: 所以rotusea強調的是棋感像 快取記憶體 的特質嗎？ 03/22 02:21
→ coca5108000: 別信高手鬼扯我覺得怎樣，她會那樣覺得是因為經驗+粗 03/22 02:22
→ coca5108000: 略的計算已經幫他過濾了很多選項，別人沒有順著他的 03/22 02:22
→ coca5108000: 邏輯與思考不會懂他計算考量的點 03/22 02:23
→ GKki2012: 因為只懂一點點象棋 所以 用象棋當例子 03/22 02:23
→ coca5108000: 事實上就是經驗+計算的差距造就所謂的棋感 03/22 02:23
→ GKki2012: 有些局勢 明明看起來就很平穩 可是他們可以一瞬間組織 03/22 02:24
→ GKki2012: 一連串巧妙的攻勢 可是用軟體下得時候都是一些保守的棋 03/22 02:25
推 arrenwu: "明明看起來就很平穩" <- 這個看起來像估計錯誤XD 03/22 02:26
→ GKki2012: 軟體只能下出穩定 不吃虧的棋步 可是高手卻可以下出那些 03/22 02:27
推 coca5108000: 那就牽扯到盤面的解讀有差異 > 跟高手的計算差距 03/22 02:28
→ GKki2012: 下出一些藏有欺騙性 或者是引導對方去下某些棋步的感覺 03/22 02:30
推 arrenwu: 這結果不難想像啊 因為理論上最佳棋路是 高勝率低變化 03/22 02:31
→ GKki2012: 簡單來講 我想說的就是 軟體只會下那些穩定不吃虧 03/22 02:31
→ arrenwu: 在學理上 穩贏 比 炫泡 有用。但不見得比較好看 03/22 02:31
→ GKki2012: 可是高手下的棋步 不只精準而且有"人性" 03/22 02:32
→ GKki2012: 象棋比賽其實有個詬病 程度不要差太多先手方 有心的話 03/22 02:33
推 rotusea: 應該說，大部分人認為的「棋感」，可能指的是從判斷「棋 03/22 02:33
→ rotusea: 型」順不順眼的一種「感覺」，就好像寫考卷遇到不會寫的 03/22 02:33
→ rotusea: ，就挑一個看起來順眼的答案 03/22 02:33
→ GKki2012: 先手方下出和棋 的棋路比贏棋還要簡單 變化更少 03/22 02:34
→ GKki2012: 然後我有嘗試用雙方都軟體去下 結果很容易下出和棋 03/22 02:35
推 coca5108000: 我認為你說的是有邏輯的，但這牽扯到你所謂的軟體的 03/22 02:35
→ rotusea: 但其實在那「感覺」背後，是大量運計算累積得來的快速反 03/22 02:35
→ rotusea: 應，不是主觀意識的「純感覺」 03/22 02:35
→ coca5108000: 演算邏輯，但自阿法狗問世後就沒有這問題了 03/22 02:36
→ rotusea: 這是因為那太難表達，所以稱之為「棋感」 03/22 02:36
→ coca5108000: 你會有這樣的想法>來自你使用的軟體他的計算跟邏輯 03/22 02:36
→ GKki2012: 這其實有點像 雙方在博弈的時候 有N種選項 03/22 02:37
→ GKki2012: 有些選項的收益 與對方決策有關 03/22 02:38
→ GKki2012: 讓我想到"囚徒困境" 裡面選擇雙方吃虧最少的選項 03/22 02:39
→ GKki2012: 為了避開對方 認罪時收益最差的情況會選擇相對安全的選 03/22 02:40
推 Verola: 圖像記憶跟圖像邏輯吧 我們不是常說「棋形」嗎 表面上好像 03/22 02:45
→ GKki2012: 更簡單的來講就是雙方決策維持在納許均衡點上面 03/22 02:45
→ Verola: 說憑感覺 其實是根據長久經驗的圖像邏輯判斷 棋形對不對 03/22 02:45
推 arrenwu: 我想囚徒困境並不是很適合用來類比啦 因為那困境是來自雙 03/22 02:47
→ Verola: 但一樣棋形 細微的不同也可能有陷阱 所以會有意外好/壞手 03/22 02:48
→ arrenwu: 方之間有資訊的落差 但象棋雙方資訊是同樣的 03/22 02:48
→ GKki2012: 抱歉 書讀得不多只能用比較不精確的類比 不過我想表達 03/22 02:48
→ arrenwu: 而兩個囚徒都為自己的最佳利益打算 最終導向一個次佳結果 03/22 02:49
→ GKki2012: 我想表達的是 在決策時 因為無法預知對方會怎麼應對 03/22 02:49
→ arrenwu: 另外一個不一樣的特質是兩個囚徒有合作可能 象棋沒有 03/22 02:50
→ GKki2012: 每次的落子時得到的收益地方都會與之後對方落子有關 03/22 02:51
推 arrenwu: 但總會有棋路是「穩贏」或「不會輸」的對吧？ 03/22 02:52
→ GKki2012: 所以 有些棋步變化同時包含了對雙方有利或有弊的趨勢 03/22 02:53
→ GKki2012: 對 你上面那句 03/22 02:54
→ GKki2012: 有講到我想要的點了"不會輸"的決策和"可以贏"是不太一樣 03/22 02:55
→ GKki2012: 上面講到雙方平穩的局面是指誰主動攻擊誰吃虧的僵持局面 03/22 02:57
推 arrenwu: 西洋棋這情況更明顯 世界級比賽 下一下就一堆和棋 03/22 02:58
→ GKki2012: 如果真要以計算力去征服象棋雙方AI"不會輸"的下法幾乎都 03/22 03:01
→ GKki2012: 幾乎都會和棋 以雙方計算力覆蓋變化的時候1先的差距實在 03/22 03:02
→ GKki2012: 1先的優勢實在不多 03/22 03:02
推 kinghtt: 那是因為一般遊戲的AI並不是阿法狗或是深藍 03/22 03:07
推 kinghtt: 根據對岸的比賽記錄，象棋先手勝率為55%-60%間 03/22 03:11
→ kinghtt: 在一個兩邊都平等的規則下先手算是很有優勢了… 03/22 03:12
推 GKki2012: 抱歉 我可能要在強調一次 我那段的前提是 03/22 03:14
→ GKki2012: 雙方計算力覆蓋所有變化的清況下 1先的優勢容易被稀釋掉 03/22 03:14
→ GKki2012: 但是那些"可以贏"的決策會比"不會輸"的決策 有更多風險 03/22 03:16
→ kinghtt: 那要看AI是用那種軟體，沒人用深藍等級的AI下過象棋 03/22 03:17
→ GKki2012: 因為賽制關係 A跟D對弈的時候如果只需和棋就可以晉級 03/22 03:17
→ kinghtt: 而一般遊戲用的軟體就會用減少損失的方式下棋 03/22 03:18
→ GKki2012: A在下棋的時候 就會期望局面簡化中期傾向於跟你換子的棋 03/22 03:18
→ kinghtt: 這種情況下先手確實沒有優勢，因為兩者AI都走保守棋路 03/22 03:19
→ GKki2012: 你講得是沒錯 可是重點是那些強度比較夠的AI 03/22 03:20
→ GKki2012: 他們的演算法 並不像大多外行人講說是怎麼贏的 03/22 03:21
→ kinghtt: 以阿法狗等級的AI來說如果每一步與後面落子都是可計算的 03/22 03:22
→ kinghtt: ，那風險是否存在？ 03/22 03:22
→ GKki2012: 意思是說 若要解釋那怎麼贏的話 要用大量篇幅去解釋才能 03/22 03:22
→ GKki2012: 大量篇幅去解釋那個AI 的演算法 不是簡單兩三句可以 03/22 03:23
→ kinghtt: 因為風險的定義是不可預期的意外事件，但是對高等AI來說 03/22 03:24
→ kinghtt: 不可預期的事件不存在於棋盤上 03/22 03:24
→ kinghtt: 以下西洋棋的深藍為例，不進攻只用保守路線玩不贏西洋棋 03/22 03:27
→ kinghtt: 冠軍吧？ 03/22 03:27
→ GKki2012: 因為這可能會牽涉到 AI對盤面分析的細節，所以無法驗證 03/22 03:27
→ kinghtt: 至於AI怎麼演算的都有科普讓一般人理解，很夠用了 03/22 03:29
→ GKki2012: 影響局面好壞 對和兩邊的棋路都有關 不是只有一邊下的棋 03/22 03:30
→ GKki2012: 我上面說對AI細節的了解意思是 對大多數人來講 appstore 03/22 03:31
→ GKki2012: 上面的西洋棋AI 和深藍的演算法 就算科普後對他們來講 03/22 03:32
→ GKki2012: 對他們來講都是一樣的 03/22 03:32
→ kinghtt: 最簡單就是暴力破解法…把所有棋譜輸入系統記憶 03/22 03:33
→ kinghtt: 深藍就是這樣玩…每下一步再算出12步後的可能性 03/22 03:34
→ kinghtt: 一般人也不用完全理解電腦怎麼算出來的… 03/22 03:36
→ GKki2012: 抱歉 我例子可能舉錯了 因為有所謂象棋AI的比賽 每個AI 03/22 03:36
→ GKki2012: 的演算法 都含有設計者的巧思在裡面 並非每個都是一樣 03/22 03:37
→ GKki2012: 的方式 所以在解析棋路的時候 可能存在著一些不直觀的 03/22 03:38
→ kinghtt: 所以你想說啥？從圍棋感一路扯到象棋AI 03/22 03:39
→ GKki2012: 不直觀的因果關係 可是一般人只能從表面上去臆測自己腦 03/22 03:39
→ GKki2012: 如同我一開始說的因為一般人所理解的棋感 和了解圍棋的 03/22 03:41
→ GKki2012: 了解圍棋的人 所認識的棋感不同 但是 有人扯到AI是怎麼 03/22 03:42
→ GKki2012: 是怎麼下得 就開始牽扯到AI的 "棋感" 03/22 03:43
→ GKki2012: 然而AI的棋感 又會牽涉到設計者的 設計細節 03/22 03:44
→ GKki2012: 一般人對AI不瞭解使得他們討論AI的棋感毫無意義 03/22 03:46
推 twolight: 我看你還是去信教八zZ 03/22 03:53
→ GKki2012: 不過kinght大你似乎也有些東西沒有明白而隨意下結論 03/22 04:01
→ TONKEN: 這文....作者下句寫的是歷史上僅此唯一的女性 03/22 04:32
推 HeterCompute: 現實本因坊沒有女生獲得過頭銜 03/22 05:10
推 dodomilk: alphago用的卷積型類神經網路基本上就是常用來判讀圖像 03/22 05:15
→ dodomilk: 的演算法啊，這也算是計算的一種吧 03/22 05:15
推 arrenwu: @GKki2012 你講的"含有設計者的巧思在裡面"這個就不適用 03/22 05:19
→ arrenwu: 以機器學習為基底的AI了 03/22 05:19
推 lf25314: 我以前有練圍棋 有時候真的靠感覺 03/22 05:20
推 arrenwu: 沒有練的也是靠感覺啊 因為你只要算不出來就是靠感覺 03/22 05:21
推 aaaaajack: 棋感就是用經驗某種程度取代人類無法負荷的計算吧 03/22 05:53
推 roSeSago: 體力也是個問題 03/22 06:27
推 NiuBi5566: 是不是唬爛啊 圍棋真的有女性棋士拿到一般頭銜？ 03/22 06:30
推 P2: 韓國84有女棋士拿到一般頭銜 03/22 06:42
→ sm02188612: 七樓提的例子就是了吧 03/22 07:09
→ sm02188612: 不過不是日本人 將棋如果像圍棋一樣能在中韓普及 說 03/22 07:11
→ sm02188612: 不定也會出現足以跟頂尖男棋士比拼的女流棋士 03/22 07:11
→ crazypitch: 韓國有女棋手拿到「國手」頭銜 頭銜名稱就是國手 跟名 03/22 07:15
→ crazypitch: 人之類的一樣 03/22 07:15
→ crazypitch: 不過日本目前還沒有就是 03/22 07:16
推 yudofu: 如果人類能思考的步數跟邏輯也跟阿法狗一樣，我相信人類現 03/22 08:09
→ yudofu: 在會有不同的棋感，沒有對錯的問題，只是生物的極限 03/22 08:09
→ HeterCompute: 樓上你把邏輯跟步數都限制一樣了，還有什麼變因下的 03/22 08:21
→ HeterCompute: 不一樣XD 03/22 08:21
推 bruce79: 唯一拿到非女流頭銜 就苪逎偉一人 國手戰勝曹薰炫 還有麥 03/22 08:33
→ bruce79: 馨杯 03/22 08:33
推 enjoytbook: 有人說是感性方面圍棋還有美學的部分所以比較女性化， 03/22 08:33
→ enjoytbook: 將棋只有殺殺殺 03/22 08:33
→ GKki2012: @ar 為了避免冗長的解釋而使用不足以完整表達意涵的敘述 03/22 08:38
推 HsiaoHsiu: 動畫 哪個棋比較難 誰一定比誰強 都是給外行人看的 03/22 08:40
推 Kmer: 競技類一定是男>>>>>女啊 這個還需要驗證喔 03/22 08:42
推 emptie: 圍棋也是殺殺殺啊…都是計算哪有什麼不同 03/22 08:48
→ GKki2012: 因為一般人對於AI是怎麼產生可能都沒有概念 資料怎麼 03/22 08:48
→ enjoytbook: 那是現在啊... 03/22 08:48
→ enjoytbook: 計算形狀跟移動棋子我是覺得差異很大啦 03/22 08:49
→ GKki2012: 資料training的過程都不太了解 所以我使用這種簡化過的 03/22 08:50
→ GKki2012: 簡化過多的敘述 很容易造成句義上的混淆 03/22 08:50
→ GKki2012: 但是卻有不少人會拿不夠瞭解的東西 說嘴 03/22 08:51
→ GKki2012: kinghtt大似乎把我說的保守棋想成下軟著卻用用此觀點作 03/22 08:57
→ GKki2012: 作論述 自然會與事實偏離 03/22 08:58
→ GKki2012: @arr不過還是感謝你分享machine learning 的學習資源啦 03/22 09:04
推 Annatiger: 圍棋當然要算，每一手都是基於佈局和進攻的方向…… 03/22 09:26
推 kinghtt: 認為我提的論述有問題歡迎拿出來打我臉，但是拿一堆沒有 03/22 09:34
→ kinghtt: 資料的個人感觀說我偏頗就省省吧 03/22 09:34
推 kinghtt: 拿AI談棋感本來就是很怪的論點，因為AI的設定就是下贏 03/22 09:38
→ sdhpipt: 競技類不一定男>>>女 比如射擊射箭男的就沒有明顯優勢 03/22 09:39
→ sdhpipt: 馬術女>>男更明顯 03/22 09:39
推 kinghtt: 這盤棋，所有的棋路都是以最高勝率為第一優先 03/22 09:41
推 kinghtt: 阿法狗的對戰後李世石也認為該多用計算方式下棋而非用棋 03/22 09:53
→ kinghtt: 感落子 03/22 09:53
→ GKki2012: 那可以先確認一下 k大會下西洋棋或是象棋嗎 如果會的話 03/22 10:08
→ GKki2012: 可以用局面實例 去舉證 給你 看 應該會比較了解 03/22 10:09
→ GKki2012: 引用你某一句論述 "不進攻只用保守路線玩不贏西洋棋冠軍 03/22 10:12
→ GKki2012: 吧?" 03/22 10:12
→ GKki2012: 一盤棋通常會有 偏重攻擊和偏重防守或者兩者兼具的棋 03/22 10:14
推 kinghtt: 會下呀…還是你想告訴我八段棋王才會資格論棋感這樣？ 03/22 10:14
→ GKki2012: 除非被擴大先手太多 03/22 10:14
→ GKki2012: 不然各種 參差不齊的程度的棋感 是要怎麼比較啊？ 03/22 10:15
→ kinghtt: 你可以去看阿法狗或深藍下的棋譜，這類AI不存在保守型或 03/22 10:17
→ kinghtt: 進攻型的概念，一切是為了最終勝利而落子 03/22 10:17
→ GKki2012: 對棋了解不深 而講棋感 明顯是幹話 03/22 10:17
→ kinghtt: 如果你還在用進攻保守的概念去看AI…就不怪你堅持棋感了 03/22 10:18
→ GKki2012: 進攻防守只是引用你講得話 (剛剛那句) 03/22 10:22
→ GKki2012: 而且一般人不也是為了最終勝利而落子嗎？ 03/22 10:27
→ GKki2012: 所以你那句"一切是為了最終勝利而落子" 也是幹話 03/22 10:30
→ GKki2012: 有誰比賽的時候 落子不是為了最終勝利的 03/22 10:30
→ kinghtt: 所以別人提的都是幹話，你講的都是真理，棋王你贏惹～ 03/22 10:42
→ GKki2012: 你認為我講得是真理 那也只是你主觀的見解 也無法說服 03/22 10:49
→ GKki2012: 也無法說服任何人 03/22 10:50
→ GKki2012: 而且這也與我主張的 棋感會因每個人對棋理解程度而不同 03/22 10:52
→ GKki2012: 毫無任何關聯 03/22 10:52
→ kinghtt: AI就不存在棋感這概念呀…這要說明幾次勒？ 03/22 10:54
→ GKki2012: 不過 看到你惱羞放大絕說"你最厲害你贏了"代表沒有討論 03/22 10:55
推 AbukumaKai: 棋感不是了解深不深才會有的東西== 03/22 10:56
→ GKki2012: 抱歉 可以跟我講一下 棋感 的"定義"嗎 03/22 10:56
→ kinghtt: 去看阿法狗棋譜解說就知道，好幾手人類不會去下的落點 03/22 10:56
→ AbukumaKai: 它是人腦沒辦法完整計算 用經驗去代替的產物 03/22 10:56
→ AbukumaKai: 因為人腦沒辦法在時間內進行完整的運算 所以會用過往 03/22 10:57
→ kinghtt: 它就是會去下，甚至有場直接放目給李世石去爭別的地 03/22 10:57
→ AbukumaKai: 所得的結論去排除你認為沒意義的計算 03/22 10:58
→ kinghtt: 有棋感的人類根本不會這樣下，但是它就是下還贏了 03/22 10:58
→ GKki2012: 因為了解程度不同而有不同的"棋感"再強調一次我原本說的 03/22 10:58
→ GKki2012: 而非了解不深 而沒有 而是了解程度差異 的棋感會相異 03/22 11:00
→ kinghtt: 惱怒不是惱羞，因為我發現跟一個沒去看資料的人說明AI的 03/22 11:00
→ kinghtt: 概念還真容易上火 03/22 11:00
推 benjaminliao: alphago的創作者自己都說它是靠評估跟計算兩部份了 03/22 11:01
→ benjaminliao: ，評估就是它的棋感啊 03/22 11:01
推 AbukumaKai: 棋感的重點在於「直接排除某些選項不去計算」 03/22 11:03
→ AbukumaKai: 我沒研究阿法狗跟以前讀的差在哪 不知道怎摸算的== 03/22 11:03
→ GKki2012: 不管AI有沒有棋感 我再用另一種方式說 03/22 11:06
→ GKki2012: 一般大眾對棋感的認識很籠統會容易產生 你講的是東西和 03/22 11:07
→ GKki2012: 和我講得東西 認知會完全符合 03/22 11:07
→ GKki2012: 如果可以的話 我期望k大可以去分析任一棋類的決策樹 03/22 11:09
→ GKki2012: 和某些AI的演算法 相關的部分 讓我學習一下 03/22 11:10
推 afking: 阿法狗的演算法不是類神經網路嗎 03/22 11:39
推 GKki2012: 抱歉 我可能只是對只花幾個小時查資料用自己的解讀 去寫 03/22 12:21
→ GKki2012: 去寫新聞的記者而已 而並非自身研究的專業領域綜合其他 03/22 12:22
→ GKki2012: 綜合其他專家得出來的推論 03/22 12:22
→ GKki2012: 若A則B →若結果為非B則因為非A 但是若結果為B並不代表 03/22 12:25
→ GKki2012: 並不必然因 為A 這是一般大眾很容易混淆的邏輯 03/22 12:26
→ GKki2012: 只靠一般人對某些理論的解讀並沒有像專家了解的因果關係 03/22 12:27
→ GKki2012: 那麼準確 03/22 12:28