Re: [請益] 關於一些遊戲的AI

[PlanktonEvil (邪惡皮老闆)]

圍棋的AI跟西洋棋AI的處理方法，採用了不同的發展方式，
圍棋AI程式設計師思考的點是，如何在現有的硬體計算能力下，
讓電腦算得『更聰明』，可是這背後是很矛盾的一件事，何謂算得更聰明？

對人而言，很簡單，越厲害的人，能在越短的時間想出更多的組合變化，
可是對電腦而言呢？ 除非提升你的硬體，否則計算力是固定的，
而人類就是盡可能的在程式告訴電腦，甚麼該算，甚麼不該算，
這發展到最後，就是電腦越來越不會去想其他『出乎意外』的變化，

反而最笨的AI加上最強的硬體，讓電腦算出我們從沒想出來的走法，
我覺得這更有趣.....


※ 引述《hermitwhite (不存在的騎士)》之銘言：
: 　　現在用principal component analysis來辨識指定的視覺特徵已經不是
: 奇怪的技術了，只要在適當的AI架構之下也不難用類似技術來辨識前述的棋
: 型。但這裡有個問題：AI所受的期待本來就和人類棋士不同，這導致他們無
: 法在同樣的基礎上習得技能。
: 　　AI在運算速度上有絕對優勢。直接塞給它們程式，使AI能直接運用其優
: 勢的運算能力行辨識與決策，這是最有效益的做法。那棋士的養成是基於經
: 驗、基於對因果關係的理解、兼以一些能夠自行把經驗反射化的心理機制，
: 最後才能獲得這種在相對短暫的時間內作決策的能力。當你選擇讓AI的主要
: 知識來源是程序化地瞬間獲得一些人類要從經驗中才能得到的知識技能（可
: 能下了四五年棋才能應用自如）時，就已經注定它們不能像人類一樣輕易地
: 舉一反三、由繁化簡。
: 　　所以，LaPass說的這種難道要一種種棋型教給AI的問題，我認為就是因
: 為這樣在短時間內最有效益而且也最直覺，是人們選擇了用這種架構，而不
: 用建構人類自身的那種架構（即使在已知的範疇內）來建構AI。

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 123.195.68.36
推 juicefish:最笨的方式不就暴力解(?
→ chenglap:那會變成硬碟技術的問題.
推 LaPass:是聽過，高棋跟中棋所想的棋步的數目是差不多的，只是高棋
→ LaPass:不會去想一些廢步，會去想一些比較有味道的棋步
→ LaPass:換句話說，就是，判斷哪個棋比較有計算價值，然後把計算資
→ LaPass:源放到上面的能力。
推 LayerZ:我覺得 對人類而言 最聰明的方式是準確的知道事情的唯一本
→ LayerZ:質 不過再下去應該移駕哲學版了XD
→ LayerZ:例如：A能一眼知道1手後的發展，B能一眼知道3手後的發展
→ LayerZ:B就能比A少去計算兩手，整個棋面的分析也能從不同起始點開
→ LayerZ:始，這也是人腦高低段的差別吧
→ LayerZ:人臉分析也是，人類應該從小到大看習慣各種臉，各種特徵都
推 LaPass:所以.... 蒙地卡羅就是這樣用的吧 XD
→ LayerZ:無意識記下來了，所以一眼看到另一個人能快速辨識出特徵
→ LayerZ:如果辨識AI能把各種特徵先提前輸入，再先比對也會快很多吧
→ LayerZ:再不然就要拿剛會認人的小北比來實驗人類怎麼學認人了(抖
→ hermitwhite:目前來說AI自學和被灌輸的介面沒有很好，你很難要它既
→ hermitwhite:能自己推演多數新原則又能讓你直接灌一些高級知識技能
→ hermitwhite:之後直接開始用。其實人類自己這方面的介面也沒有那麼
→ hermitwhite:好，所以我們也不可能用聽的就直接學會大部分的東西。
推 LaPass:先來寫個..... 搖鈴噹AI就流口水的反射實驗？ XD
→ sanctitysky:暴力法...要研究一下複雜度阿
→ ddavid:LayerZ：問題就在連做實驗我們都不知道怎麼解讀裡面的學習
→ ddavid:模型啊，我們最了不起只能觀察到學到了什麼XD
→ ddavid:LaPass：反射實驗很好寫啊，有最佳解、選擇又不多，賽局理
→ ddavid:論套一下就有了。