AlphaZero如果突然給它20x20的棋盤 - 圍棋

Ursula avatar
By Ursula
at 2019-06-15T14:32

Table of Contents

這個演示非常令人驚訝，但哈薩比斯還是有所保留。如果虛擬平板略微往上移動一點點，
程式就會失敗。DeepMind程式所學到的技能是如此受限制－－它甚至無法對環境的微小變
化（比人類走路時對環境產生的微小影響還小）作出反應－－至少在沒有數千輪強化學習
的情況下既是如此。但是現實世界已經內置了這樣的應對系統。
https://tinyurl.com/yydt55tn



Deepmind老大說

即使是已經訓練好的「打磚塊」遊戲AI

只要遊戲設定做個微小的調整

AI就會失敗

需要再更多的訓練，才能因應新的狀況


圍棋「人類」棋手如果突然面對20x20的棋盤

可能對棋力沒什麼影響


那麼如果突然讓目前最強圍棋AI「AlphaZero」和人類下20x20

AI可能會表現的如何？

thanks

--
Tags: 圍棋

All Comments

Mary avatar
By Mary
at 2019-06-20T09:22
前幾盤可能可以贏吧
Mia avatar
By Mia
at 2019-06-24T02:40
我覺得這個議題蠻好的 值得一試
Lily avatar
By Lily
at 2019-06-27T12:53
如果什麼都不動，alphago不能下20路圍棋，因為連輸
入只能是19路棋盤，但是如果經過一些技巧訓練個1天
，贏過人類還是綽綽有餘
George avatar
By George
at 2019-07-01T01:49
應該要重新train吧 但只要input維度改一下 其他架構大概
可以沿用 感覺是這樣
Vanessa avatar
By Vanessa
at 2019-07-05T14:16
之前用leela跑19路之外，全部都當成19路在下
Frederica avatar
By Frederica
at 2019-07-09T03:05
有影響 但不會到非常劇烈
對人類而言
Olive avatar
By Olive
at 2019-07-11T01:00
主要是cnn對邊緣太敏感 提供座標給cnn能部分解決問題
圍棋的話多輸入盤面大小應該任意盤面都能共用網路吧
Linda avatar
By Linda
at 2019-07-12T08:11
其實了解深度學習的話就知道這沒什麼好驚訝的啊XD
Necoo avatar
By Necoo
at 2019-07-13T02:34
@AmibaGelos 把棋盤大小也都當參數當然也不是不行，但這樣
實質上等價於每種大小的棋盤分別訓練，甚至未必比較好
Olga avatar
By Olga
at 2019-07-13T16:48
你如果想要用這種方式把20x20也同時訓練起來，造成的結果
就是所花的時間（或訓練到一定棋力所需局數）就是19x19所
Freda avatar
By Freda
at 2019-07-15T15:53
需 + 20x20所需，至少以現有架構而言它沒有學習不同盤面大
Anonymous avatar
By Anonymous
at 2019-07-18T04:05
小共通知識的能力。未來技術再發展也許慢慢會往這邊前進，
Tom avatar
By Tom
at 2019-07-22T10:17
人類舉一反三的能力一直都是共通型AI的長遠目標
Barb Cronin avatar
By Barb Cronin
at 2019-07-27T06:57
不一定吧 如果有無關盤面大小的準則的話 大小就標定
邊緣而已 類似標定黑白 策略確實不同 但不是不會重疊
Barb Cronin avatar
By Barb Cronin
at 2019-07-27T15:28
人家AI就跟人類不一樣啊
Barb Cronin avatar
By Barb Cronin
at 2019-07-29T11:44
AI目前這種學習方式就是學不到那樣的通則
Frederic avatar
By Frederic
at 2019-07-31T05:43
現在是貼目數不同都會無法完全通用的狀態，AI學不到那種「
Isla avatar
By Isla
at 2019-08-03T03:21
我把現在當作落後所以攻兇一點就搞定了」的轉換性概念。當
然有一組AI的目標設定為就算領先也會盡可能繼續取得目數而
Lydia avatar
By Lydia
at 2019-08-07T16:44
不要退守，那個設定就相對能應付貼目改變問題，但付出的代
Hazel avatar
By Hazel
at 2019-08-08T03:11
價就會是潛在的安定性。
Belly avatar
By Belly
at 2019-08-12T13:08
至於盤面大小，現況是不同盤面肯定要重新訓練的情況，不然
Sandy avatar
By Sandy
at 2019-08-15T22:36
別說複雜細算了，征子算錯的情況都有可能發生。在19路棋盤
Robert avatar
By Robert
at 2019-08-18T10:01
訓練出來的模組採用一個征子有利的下法，到了20路變成征子
Isla avatar
By Isla
at 2019-08-19T08:50
不利，深度學習選取棋步時可能並不會發現這個問題
Hamiltion avatar
By Hamiltion
at 2019-08-20T15:58
這點反而是傳統搜尋式AI有機會搜尋下去發現問題，搜尋層數
足夠的話。
Belly avatar
By Belly
at 2019-08-25T05:13
也許吧 有空設計個網路混合訓練6*6~9*9 應該很有趣xd
Skylar Davis avatar
By Skylar Davis
at 2019-08-29T18:40
說到征子，以現在的架構，盤面越大征子好像要練訓越久?
理論上好像越大的棋盤人類越有機會用征子套爆AI
Jacob avatar
By Jacob
at 2019-09-01T19:58
應該說本來手數多的套路如大型定石、長時間劫爭這些本來就
是要訓練更多局才會有機率覆蓋到完整最佳著手
Brianna avatar
By Brianna
at 2019-09-02T21:22
征子本來可以視為一個很長的套路，然而征子是一個人類能
夠用共通概念推理快速簡化計算的特例，圍棋AI沒有這種簡
化概念，需要真的實際算過
David avatar
By David
at 2019-09-04T16:38
所以盤面越大當然就大幅增加訓練時間。一方面要模擬完一
局需要更久，而獲取足夠資訊所需的訓練對局數也大幅增加
Blanche avatar
By Blanche
at 2019-09-04T21:36
@AmibaGelos 混合訓練不同大小目前事實上就是無意義啦。
對AI問題是全等於分開訓練，而且反而有可能因為對於盤面大
小這個參數的模糊化導致模型品質的下降
Oscar avatar
By Oscar
at 2019-09-06T09:31
以人類觀點來說 這不就叫做 不知變通嗎XD

台灣旅日棋士賽事小整理(2019/06/15)

Hedy avatar
By Hedy
at 2019-06-15T07:27
接下來就要迎來自從開始整理這邊文章後， 第一次台灣人的頭銜保衛戰啦～ 希望許家元老師可以加油，感覺這次沒有升上九段就要再等好一陣子了。 祝賀一下台灣目前最菜的旅日棋士蔡祈冕初段同學， 在5/15的時候在碁聖戰預選B擊敗白石京子四段， 取得職業首勝（如果我沒有漏掉什麼比賽的話）。 才剛滿14歲而已，雖然沒有像 ...

是不是一般人多半只能精通一樣棋藝

Zenobia avatar
By Zenobia
at 2019-06-13T16:09
※ 引述《MTal (組合萬古常青)》之銘言： : ※ 引述《yienjion (懶小孩)》之銘言： : : 抱歉 標題超長的 : : 我想問 因為有要背譜的關係 : : 是不是 一般人 多半只能精通一樣棋藝 : 先回答你的問題 : http://hk.geocities.com/goodchessclub/ ...

京都龍源院 - 如果能和德川家康來一盤

Olive avatar
By Olive
at 2019-06-12T08:39
一直想寫這篇但是拖了好久 第一次看到這麼華麗的棋盤，是蠻特殊的經驗 山梨的圍棋博物館好像也有德川家康的棋盤 有機會的話再去探險看看 ------------------------------------------------------------------------------ 好讀網誌版 ...

第9屆黃龍士．精鍛科技杯 第2階段

Adele avatar
By Adele
at 2019-06-09T14:03
棋賽名稱：第9屆黃龍士．精鍛科技杯 第2階段 賽　　制：中日韓各5位女性職業棋士的團體賽 地　　點：中國江蘇省泰州市姜堰區 用　　時：每方用時1小時，一次1分鐘讀秒 規　　則：數子法，黑貼3¾子 出戰棋士： 韓　　國：崔精九段、吳侑珍六段、吳政娥四段、金彩瑛五段、曹承亞二段 中　　國：於之瑩六段、陸敏全五段、 ...

第74期本因坊戰 第3局 河野臨九段(B) v.s. 本因坊文裕(W)

Doris avatar
By Doris
at 2019-06-04T21:39
棋賽名稱：第74期本因坊戰 第3局 對弈棋士：河野臨九段(B) v.s. 本因坊文裕(W) 日　　期：2019/6/4(二)~2019/6/5(三) 地　　點：日本北海道函館市「五稜郭・箱館奉行所」 用　　時：每方8小時，剩10分鐘時進入1手60秒的讀秒 結　　果：289手止，白0.5目勝 棋　　譜：http ...