deepmind又在下了！ - 圍棋

Ula · 2016-04-13

Table of Contents

Post
Comments
Related Posts

※ 引述《ctrl (大覺者)》之銘言：
: 對手是ruogu(P)9段
: deepmind現段位戰績進步到64勝36負
: 本場deepmind執黑
: 貌似ruogu(P)9段的白棋開局不錯!?
: 果然deepmind的黑棋佈局比較弱吧？
: ……白棋走出一串送菜的棋之後現在劣勢了Orz

黑棋下棋的速度有一些很快不像是 AlphGo - 中介人 - 奕城網棋落子

不知道奕城/Tygem 有提供介面給AlphaGo團隊嗎?

有的話真相就大白了

--

圍棋

All Comments

William2016-04-18

在電腦上跑的東西....寫個仲介程式完全不難啊....
不需要仲介程式

Oscar2016-04-21

不用唷，十幾年前就有種東西叫做按鍵精靈

Edith2016-04-21

我是說不需要提供介面也能寫

David2016-04-25

寫個程式直接中介讀譜落子對DM來說是一片蛋糕啊

Olga2016-04-28

deepmind外掛下棋落子速度上確實有優勢

Emma2016-05-02

對於(奕城的)網路伺服器來說，他收到的資料只是
滑鼠座標+clicking flag，那這個alphago可以自動送出

Donna2016-05-06

而不需要實體滑鼠，對AG來說他只需要讀當前的棋盤
然後決定要在哪個棋盤座標落子->轉成滑鼠座標送出

Daph Bay2016-05-10

另外，AG vs Lee第一天我很驚訝居然要有代理人

Mia2016-05-13

我本以為只需要把譜投到大螢幕，李直接電腦落子即可

Tracy2016-05-15

不需要什麼視覺辦示啊…直接攔截封包就好了
對google來說，寫這個的外卦大概就一個下午的事…

Oliver2016-05-19

基本上，奕城送來的封包不會是全圖像，為了流量控制

Rebecca2016-05-19

應該只會是一個19x19 matrix記錄當前棋盤

Tracy2016-05-23

然後是由用戶端程式轉成為螢幕上的棋盤，所以的確是
攔封包解讀矩陣就可以的事

Connor2016-05-25

視覺辨識來說，那也只是一個固定圖樣

Erin2016-05-29

開局讀棋盤轉出19x19的座標轉換矩陣，每次比對前次

Caitlin2016-06-02

盤面跟本次盤面差異判讀對方/己方落子
不需要很複雜好嗎~"~

Rebecca2016-06-07

原po想像的視覺辨識技術太高級了，但是在這個case裡
用不到那麼高級的視覺辨識......

Victoria2016-06-10

讀網格JPG/BMP判讀網格座標有難度嗎？

Bethany2016-06-12

前後兩張圖做XOR讀出盤面變化有難度嗎？

Rosalind2016-06-16

將落子座標反轉換回影像座標(用來產出滑鼠座標)
有任何難度嗎？
這三個都沒有難度的狀況下，真的有難度的判斷在哪落
子AG做的很好

Megan2016-06-16

我猜原PO想成ROBOT自己用CAM抓影像，但這個case不用

Gary2016-06-16

lol3個月哩..應該2小時內KO吧,有點經驗的話半小時以內

Bethany2016-06-21

Amiba你不能這樣說啦，如果是ROBOT自己用CAM抓影像
還要轉出正確的座標，那大學生差不多要一個專題才能
作的出來(一個學期的時間)，只是我想原PO想太難惹

Faithe2016-06-22

你也太小看google了... 這種程度半小時就解決了

George2016-06-22

1.軟體對軟體，要連接上哪有這麼困難。 2.它背後是goo
gle,不是大學生

Rachel2016-06-22

還有一種可能就是奕城的使用者端回傳的資料僅僅是
(落子的)棋盤座標，那這個就更簡單惹

Christine2016-06-27

連產生滑鼠座標都不用，直接丟一個座標封包回去

Emily2016-06-29

用cam大學生大概1天KO吧..是靜態的可以很輕鬆濾出棋盤

Hedwig2016-07-03

恩，是沒錯啦，但是專題會過不暸唷XDDD

Selena2016-07-05

拿大學生跟Google的菁英工程師比...

Bethany2016-07-10

雖然沒去解讀，不過用一般原理來想封包只有回傳落子座標

Daniel2016-07-14

根本不需要回傳視覺資訊，一般的工程師來做頂多也幾天吧

Tom2016-07-18

網路上都有TYGEM的開源用戶端了，用那個改就好啦

Bennie2016-07-21

可以查一下 sikuli 就知道其實不難了

Oscar2016-07-25

這樣就能生出碩論等級我應該一年就畢業了...

Callum2016-07-26

影像處理實驗室報到...專題做這個應該畢不了業+1

Necoo2016-07-30

你太小看它們了吧...大學專題等級的東西對它們就是非常
簡單的東西啊

Selena2016-07-30

AJA那次有說，他們公司有做視覺辨識，看人下一晚棋就學會

Noah2016-08-02

碩士論文做這個當口委吃素嗎

Steve2016-08-04

賣啊捏，說不定在十年前這真的是碩論等級啊
我念MS的時候，博班學長說他們當年除頻器會動就畢業

Ina2016-08-05

可是我們都要搞到SSGS系統有效果才能畢業
中間也不過差兩年~"~

Ophelia2016-08-09

SSCG(single side band clck generator)上面誤繕

Gary2016-08-10

我也蠻好奇，圍棋就是座標，和視覺辨識有什麼關係？另外
正式比賽不太可能叫棋手電腦落子，除非本來就約在網路上下

Hedy2016-08-13

網路遊戲的外掛這麼多,Google的技術,一點都不成問題啊!

Belly2016-08-13

打個比方好了,神魔之塔外掛,判別珠子,規劃路徑,自動轉珠

Oliver2016-08-16

相對於網路圍棋,網路圍棋電腦代下簡直是簡單到爆炸啊!

Kristin2016-08-21

棋盤上畫面資訊都很固定、單純狀態有限
每個可落子的點: 黑棋白棋沒落子
簡單分析判斷一下就出來了您想得有點太複雜了

Barb Cronin2016-08-22

deepmind應用在圍棋上的AphaGO最基本精神就是視覺辨識

Robert2016-08-24

AG就是靠整個盤面19x19像素與勝負的關聯，利用深度學習

Frederic2016-08-25

大量數據化後建立良好的策略函數與評價函數

Genevieve2016-08-29

AG可能根本不知道死活、氣數、目數，只是單純看哪種圖

Enid2016-09-02

形19x19像素有最好勝率就好了

Jacob2016-09-05

怎麼可能不知道死活氣數目數，不然你隨便看篇他paper

Enid2016-09-07

死活氣數目數是基本的，只是說deepmind沒有去深究，硬是要
算出幾十步後的變化，而且他有更精準的評價函數

Doris2016-09-12

連星海這種動態的都要挑戰了圍棋這種靜態的就算
用視覺辨識對google也超簡單好嗎

Bennie2016-09-16

其實比掃個QR CODE 還要簡單

Ethan2016-09-17

鍵盤精靈已經做到可以從螢幕上掃圖了喔，像是，出現敵人

Lauren2016-09-21

的圖片後，就把滑鼠移過去點他這樣

Ula2016-09-24

你的世界裡一定存在很多神人，連辨識棋盤這項技術都會讓你
讚歎不已

Joe2016-09-25

alphaGo都寫得出來了，弄個遊戲外掛簡單多了

Blanche2016-09-28

直接從網路送來的資料下手最快棋譜也不過就是一堆座標
不是

Edwina2016-09-30

碩論......那我研究室裡的寫神魔之塔自動轉珠應該已經博士
班畢業了（笑）

Edward Lewis2016-10-04

不能說不需要技術，畢竟這種技術是知道就知道，不知道就不

Heather2016-10-08

知道的東西。但是都是老早就存在的東西，而且根本用不到圖
形辨識這種東西，抓圖下來看黑色白色還是棋盤底色很難嗎XD

Yuri2016-10-11

連拆封包都不需要會呢XD

Tom2016-10-15

根本不需要影像處理也很簡單
視窗align好按鍵精靈對著矩陣寫就好

Hedda2016-10-17

文組？

Skylar DavisLinda2016-10-17

如果碰到提子或是屠龍時，應該也要傳資料修改吧？

Tom2016-10-21

太小看大學生了....

deepmind又在下了！ - 圍棋

All Comments

Related Posts