AlphaZero如果突然給它20x20的棋盤 - 圍棋

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

--

All Comments

Mary avatarMary2019-06-20
前幾盤可能可以贏吧
Mia avatarMia2019-06-24
我覺得這個議題蠻好的 值得一試
Lily avatarLily2019-06-27
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 avatarGeorge2019-07-01
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 avatarVanessa2019-07-05
之前用leela跑19路之外,全部都當成19路在下
Frederica avatarFrederica2019-07-09
有影響 但不會到非常劇烈
對人類而言
Olive avatarOlive2019-07-11
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 avatarLinda2019-07-12
其實了解深度學習的話就知道這沒什麼好驚訝的啊XD
Necoo avatarNecoo2019-07-13
@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 avatarOlga2019-07-13
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 avatarFreda2019-07-15
需 + 20x20所需,至少以現有架構而言它沒有學習不同盤面大
Anonymous avatarAnonymous2019-07-18
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 avatarTom2019-07-22
人類舉一反三的能力一直都是共通型AI的長遠目標
Barb Cronin avatarBarb Cronin2019-07-27
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 avatarBarb Cronin2019-07-27
人家AI就跟人類不一樣啊
Barb Cronin avatarBarb Cronin2019-07-29
AI目前這種學習方式就是學不到那樣的通則
Frederic avatarFrederic2019-07-31
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 avatarIsla2019-08-03
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 avatarLydia2019-08-07
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 avatarHazel2019-08-08
價就會是潛在的安定性。
Belly avatarBelly2019-08-12
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 avatarSandy2019-08-15
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 avatarRobert2019-08-18
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 avatarIsla2019-08-19
不利,深度學習選取棋步時可能並不會發現這個問題
Hamiltion avatarHamiltion2019-08-20
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 avatarBelly2019-08-25
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 avatarSkylar Davis2019-08-29
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 avatarJacob2019-09-01
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 avatarBrianna2019-09-02
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 avatarDavid2019-09-04
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 avatarBlanche2019-09-04
@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 avatarOscar2019-09-06
以人類觀點來說 這不就叫做 不知變通嗎XD