※ 引述《PlanktonEvil (邪惡皮老闆)》之銘言：
: 圍棋的AI確實不難寫阿！ =.=a
: 只是電腦計算能力有限，要幫電腦判斷分析哪些路徑是比較重要的，
: 而那就是人類把自己的一些經驗傳給電腦，好增加電腦的分析效率。
: 所以如果讓職業棋手先分析某個棋手的下棋習慣，
: 讓職業棋手指導電腦分析各路徑的權重應該怎麼分配，
: 電腦就可以學會怎樣更有效率的計算路徑，然後去下贏某個特定棋手。
: 我覺得真正難寫的AI反而是難以被量化的東西，所以電腦視覺的AI進步的很慢，
: 要讓電腦學會生物視覺的分辨能力，這種小貓小狗都能辦到的能力，才是最複雜的，
: 反而那種不見的是每個人都會下的圍棋，要寫一個下贏初學圍棋者的AI，
: 就容易非常多了，至少程式設計師知道問題在哪裡，該怎麼去改善，
: 但是電腦視覺的AI... 連怎麼著手，可能都不太知道...
之前我說圍棋跟圖形辨識很像的原因就在這邊
例如說一個簡單的死活題
若白下於A點，黑必死
若黑下於A點，則活
┌┬○●┬┬┬
Ａ┼○●┼┼┼
├○○●┼┼┼
○○●●┼┼┼
●●●┼┼┼┼
├┼┼┼┼┼┼
├┼┼┼┼┼┼
├┼┼┼┼┼┼
一般而言，學到上面那個基本型
不論是在實戰中學的，或是別人教的
就應該能自動推演出下面這幾種
┌┬○●┬┬┬
Ａ┼○●┼┼┼
├○┼●┼┼┼
○○●┼┼┼┼
●●┼┼┼┼┼
├┼┼┼┼┼┼
├┼┼┼┼┼┼
├┼┼┼┼┼┼
┌┬○●┬┬┬
Ａ┼○●┼┼┼
├○●┼┼┼┼
○○●┼┼┼┼
●●┼●┼┼┼
├┼┼┼┼┼┼
├┼┼┼┼┼┼
├┼┼┼┼┼┼
┌┬○●┬┬┬
Ａ┼○●┼●┼
├○┼┼┼●┼
○○┼●┼┼┼
●●┼●┼┼┼
├┼┼┼┼┼┼
├┼┼┼┼┼┼
├┼┼┼┼┼┼
┼┼┼┼┼┼┼┼┼┼
┼┼┼○┼○○┼┼┼
┼┼○●┼┼┼○┼┼
┼○●┼●●┼○○┼
┼┼○●┼┼●┼┼┼
┼○┼●┼┼●○○┼
┼○┼●┼●┼●┼┼
┼┼●┼●┼○○○┼
┼○○●○○┼┼┼┼
┼┼○┼○┼┼┼┼┼
┼┼┼┼○┼┼┼┼┼
其餘略
「人」會把這個棋型的特徵給識別出來
把不重要的資訊給忽略掉
然後會記住，單一個五空格的眼中，點A點必死
旁邊長怎麼樣沒差，只要旁邊做不出眼，怎麼排都一樣
但是AI嘛.....
得先教它去把特徵抓出來
雖然，要專門寫個演算法去判斷這個棋型很簡單
但是.....
看一下裡面的題庫
http://www.weiqiok.com/asp/ShowAllProblems.asp
嗯.... 到底該怎麼去抓每種棋型的「特徵」？
總不可能一種一種的特別去寫吧？
在中段以上的對弈中，下棋不會下出死活題
而是早在好幾步前就算出.....
「如果我下那一步，就會被點A殺死一大片棋」
所以會避開那種棋部
所以在出現那種棋型之前，就得判斷出來了
有點像是
我拿出幾張「花」的圖片
這裡面有向日葵、玫瑰花、薰衣草花、鬱金香、九重葛
教一個小朋友說「這是花花」
當我拿出一張「百合花」時
小朋友也要回答出「這是花花」
即使一開始給他看的圖中，沒有「百合花」的圖片也一樣
雖然
象棋、西洋棋中也有這種狀況
但是麻煩的地方在於，合法的棋步太多
而且單子的威脅比象棋跟西洋棋還難以判斷
還有，剛剛去抓了GUN GO的圍棋來下
我認得這個AI的下棋模式，之前抓來的軟體就是這種下法
只要包AI的棋包的緩一點，就可以吃掉AI的大龍了
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 118.170.134.248