李世石 VS AlphaGo 第二局看法 - 圍棋

Table of Contents

看很多不下棋的在那邊放話好像電腦每一步都是對的,覺得可以細想一下程式的原
理,畢竟目前的程式離真理還是有很大的差距的。我也只是個十幾年前的業四,也
不敢說要評棋,但一些簡單好壞應該還是可以講講。

棋類不像POKER、麻將、或撲克牌遊戲是機率遊戲,棋類很多地方是有唯一解的。用
死活詰棋當例子,如果電腦真的只是用機率判斷,勝率最高的那點可能是:
[對手應的若是那唯一解電腦必死,下其他任何點電腦都活,勝率99%]
電腦應該選擇這變化嗎?當然不該!

當然我相信AG程式裡會對必勝必敗的點做排除(不然可能連簡單攻殺都會出錯),但
我只是強調AG用所謂"最高勝率"判斷落子的策略也正是目前電腦應該還可以被擊敗
的原因。越早期的著手你要用勝敗機率來判斷越是困難,也很好理解為什麼電腦前
期容易出現惡棋。

柯潔講話那麼托大我覺得也是有原因的(當然我覺得他來下也不見得會贏),就是因
為電腦還是有出現明顯的壞棋。AG有些疑問手有可能是好棋,像11虎完13手拔,或
37尖沖這種過去普遍覺得不太好的,也許事實上並不太虧。
(解釋給X日棋迷:通常13要手拔不會先虎,因為那會把棋下重容易被攻。尖沖通常
認為對方若在3路你尖沖合理,對方在4路你讓人4路圍空通常是虧的,也就是為什
麼評論會認為小李怎樣都該往4路那邊壓而不該實戰往5路壓)
但43黏到61是黑不好的型這應該是沒甚麼爭議的。若實戰李沒有之後幾個緩手讓黑
下到73,而是早一步攻擊那塊弱棋,那應該會是白主動的局面。換個方向想,電腦
中間那坨單官下半天最後還要多花一手73來連回,想也知道不可能好。

因為棋不是機率遊戲,但電腦是用機率來判斷,因此人若能把握這點下出局部最佳
解應是可以在佔些便宜的。

--

All Comments

Kyle avatarKyle2016-03-13
電腦資源不是無限 而電腦判斷計算難易的方法也跟人不同
所以可能有部分落子人來看很容易計算出優劣 電腦很難
於是對於電腦來講自然該去下別種選擇
Kelly avatarKelly2016-03-17
本來就是這樣了 電腦又不是神 只要有失誤就會輸
Tom avatarTom2016-03-20
電腦每一步大概都只有5成多把握而已 強就強再不會失常而
Daph Bay avatarDaph Bay2016-03-24
以上優劣說的是局部可以算出絕對優劣的地方.
George avatarGeorge2016-03-27
來個天才型的高手把把都出妙手 電腦自然越下勝率越低
不需要跟電腦拼計算 用大局意識跟電腦玩
Brianna avatarBrianna2016-03-28
真的很多不懂圍棋的在那邊自以為 連叫吃是什麼都不知
Mia avatarMia2016-04-02
電腦後面盤面越窄 精確率會越高 人類只有前期有機會
Todd Johnson avatarTodd Johnson2016-04-07
你講的就是李喆說的,電腦欠缺邏輯論證的推理
Noah avatarNoah2016-04-11
AlphaGO大局觀還是不錯 能夠在這上面贏過AlphaGO還
很難說
Linda avatarLinda2016-04-13
職業棋士的比賽,如果最後靠對方犯錯獲勝,那也不是值得
Rachel avatarRachel2016-04-17
記錄的名局。本來圍棋的勝負就是要全部都是合理應手。
Andrew avatarAndrew2016-04-17
推 中肯!
Emma avatarEmma2016-04-18
沒人在懷疑你說的那些地方AG有問題 關鍵是中前盤看似不1
Regina avatarRegina2016-04-19
好的棋到底有沒有不好 另外一方面 李喆也推測 這種邏輯
上就證明不好的選擇 可能隨著局勢越緊張接近而越少會作
Caitlin avatarCaitlin2016-04-22
多賺一目的價值會隨著局勢僵持緊張甚至劣勢=而變大
Madame avatarMadame2016-04-25
而之後需要負擔的計算複雜度(風險)是固定的
所以說夠僵持的時候"推測"可能就不會出這些看起來有問題的
Brianna avatarBrianna2016-04-27
其實我覺得現在很大一個點就是,人類覺得的好壞,似乎
AG不這麼認為,而事後看起來也...
Liam avatarLiam2016-04-27
問題就是當電腦在布局下出怪手 小李並沒有去反擊
Aaliyah avatarAaliyah2016-04-30
你第一行哪來的? 幾乎沒人這樣講
Joe avatarJoe2016-05-03
如果前兩盤是針對AlphaGO可能的弱點 而下出有別以往
的策略/棋風 那在0:2下 後三盤我也認為該回到合理的
應手
Selena avatarSelena2016-05-07
所以根本也無法說那些是好棋 反正人類還是不會學電腦的棋
Madame avatarMadame2016-05-08
好棋是慢慢累積的 壞棋是後面無法挽回的
Rebecca avatarRebecca2016-05-10
我不算懂圍棋 只看了柯直播
柯一直說李下的很怪 不像平常的李
Tracy avatarTracy2016-05-14
會扯到劫也是說打劫去拼九死一生
Ula avatarUla2016-05-17
不打劫去拼十死無生 只是局面不會整個崩這樣輸
然而李沒打劫 所以柯一直覺得很奇怪
Iris avatarIris2016-05-21
問個白癡問題,AlphaGo的型不好那麼顯而易見
Ida avatarIda2016-05-22
那時李也沒時間了 在讀秒
Kyle avatarKyle2016-05-25
昨天是有提到有部分是局部優劣 可以直接"計算"比較
有提到這邊afgo有部分落子沒有達到最佳解
Delia avatarDelia2016-05-29
AG下的手法也超出預期呀,不是說用往常下法就一定好
Ula avatarUla2016-06-01
那為什麼李會連出緩手讓優勢就這樣溜掉了?
Tracy avatarTracy2016-06-06
型不是重點 問題是型爛你都贏不了啊
Heather avatarHeather2016-06-09
而全局的子後面柯也沒說afgo下錯 頂多說值得討論
Ivy avatarIvy2016-06-12
ch 大 人類不是機器 犯錯不是很正常嗎XD 況解比賽壓力這
Hedwig avatarHedwig2016-06-15
麼大
還要讀秒限時
Hamiltion avatarHamiltion2016-06-16
拓海一開始跟車也只是讓人覺得還算會開 哪知道最後甩不掉
James avatarJames2016-06-17
最重要還是自己被逼到超時壓力大被超過去
Madame avatarMadame2016-06-18
有人就說電腦算到終盤了阿 XD
Charlotte avatarCharlotte2016-06-23
感謝回答,所以現在職業棋手的見解是
Hamiltion avatarHamiltion2016-06-26
這盤兩邊都犯錯太多,不能算是名留歷史的一盤棋嗎?
Michael avatarMichael2016-06-29
來個二日制,柯可以無限call out各研究室
Zenobia avatarZenobia2016-06-30
第一盤應該歷史意義比較大吧
Selena avatarSelena2016-07-04
下了一整盤好棋結果緊要關頭下出一手臭棋,結果還是會輸
Bethany avatarBethany2016-07-07
這樣才能下出接近人類最高水準的棋
Dora avatarDora2016-07-11
兩日制你打卦,隔天就輸飛了
Oliver avatarOliver2016-07-13
一些話如"捍衛人類尊嚴"都說出來了 恐怕應該考慮合
乎過去棋理的應手
Emma avatarEmma2016-07-15
分佈式擴大硬體規模,和打卦的時間,意義是一樣的
Callum avatarCallum2016-07-17
手機手殘按到噓 抱歉推回
Harry avatarHarry2016-07-19
往四路壓不會讓 AG 的中央有更強的勢力嗎?
Hedda avatarHedda2016-07-23
昨天壓五最後右邊也還是白子的地吧
Thomas avatarThomas2016-07-24
我不太懂Monte Carlo搜尋,不過AlphaGo的機率應該不是
Edwina avatarEdwina2016-07-26
直覺意義上的機率,比較像是因為無法窮盡變化而做的估計
Frederic avatarFrederic2016-07-29
白64古力也是說白棋擠在一團沒效率 是緩著
Dinah avatarDinah2016-07-30
我知道背後機率沒那麼簡單:D 只是說勝率最高不見得是最佳解
Sandy avatarSandy2016-08-02
而這個遊戲是有最佳解的(如果有圍棋之神窮舉法:D)
Wallis avatarWallis2016-08-07
這遊戲或許有最佳解 但其實過去長久累積的觀念所追求的
說到底也是勝率最高的解 而未必是最佳解
Elvira avatarElvira2016-08-11
我班門弄斧了XD 我是猜測他應該是很有效率的逼近邏輯
Daph Bay avatarDaph Bay2016-08-12
反了,是我下這手勝率有多高,而非對手下這手勝率多高
Sierra Rose avatarSierra Rose2016-08-13
只是人知道要局部考慮,AG不知道,所以在局部上AG有弱點
Joe avatarJoe2016-08-15
而且實際上蒙地卡羅不會只搜一層random算
Audriana avatarAudriana2016-08-19
而是在允許的時間內多算幾層,所以唯一解他還是會看到
Joe avatarJoe2016-08-22
所以電腦會去搜尋下z之後的勝率,會發現這步勝率很高
Hedwig avatarHedwig2016-08-23
因此電腦會避免讓對手下z。
Blanche avatarBlanche2016-08-24
謝謝回答
Dorothy avatarDorothy2016-08-24
我不認為它會對必勝必敗的點做排除。基本上就是對全局找一個
勝率高的解。攻殺不會出錯是因為他把後面變化都看過了
Xanthe avatarXanthe2016-08-26
能算出來必敗的點可以排除吧,現在是算不完
所以例如本文中第二段那種案例,阿發狗不會下的
Barb Cronin avatarBarb Cronin2016-08-30
每個可能的選擇會有一個分數, 分數會由該分支往下算
Zenobia avatarZenobia2016-09-03
所以如果接下來有很大的可能虧損, 分數上自然會被排除
有件事大概可以肯定, 就是"AG不會做出虧損太大的選擇"
Isabella avatarIsabella2016-09-06
甚至可思考為,在可接受時間內,算出95%的後續變化都能贏
Barb Cronin avatarBarb Cronin2016-09-08
那算路超深的妙手應該是不一定算得出,小手筋還可以
Daph Bay avatarDaph Bay2016-09-08
但必須給對方正解的那node特別高的權重電腦才知道不能下吧
Hedda avatarHedda2016-09-12
因為 AG 根本只是在計算 它上不知道自己正在下圍棋
Skylar DavisLinda avatarSkylar DavisLinda2016-09-15
剩下的絕對不夠時間算不完,那就這樣子下了
Queena avatarQueena2016-09-20
事實也證明 棋評認為是臭手的 並無法從中獲得太多利益
Queena avatarQueena2016-09-23
蒙地卡羅有點難講清楚,但是電腦在這塊不太會出錯
Kristin avatarKristin2016-09-24
第三段的假設是沒錯 但是好像要在貓脖子上掛鈴鐺一樣
Sarah avatarSarah2016-09-25
想在早期靠"不是很好的著手"取得利益, 本身也很難做到
Connor avatarConnor2016-09-26
AlphaGo 當然不是無敵, 單機都還是可以擊敗分散式了
Zenobia avatarZenobia2016-09-27
樓上,當然,alphaGo還沒有train到最好
Yedda avatarYedda2016-10-01
就算train到最好,也不一定能到圍棋之神的實力
Connor avatarConnor2016-10-05
問題是要壓過人類 實力不需要到圍棋之神啊 @@
Agnes avatarAgnes2016-10-07
是的。
Ethan avatarEthan2016-10-11
所以單機和分散對下是不錯的指標, 愈靠近 100%, 就知道
實力愈強了
Hamiltion avatarHamiltion2016-10-13
實際上alphaGO進步的地方並非單機跟離散
離散勝率高只是因為它算得比較快,可以多算一點
Frederica avatarFrederica2016-10-18
alphaGO進步的話則是在算之前的候選挑選進步
要知道實力有沒有變強應該是用新版的跟舊版的比較
Ingrid avatarIngrid2016-10-20
理論上算的愈深愈有機會找到更佳解 新舊只差在訓練
Genevieve avatarGenevieve2016-10-21
分散式勝率提高代表運算加深以後正確率有提高
Franklin avatarFranklin2016-10-26
alphaGO的重點就在訓練,搜尋多深都只是硬體的問題
Tom avatarTom2016-10-30
我甚至認為,當train的越好,單機的勝率會提升
Anthony avatarAnthony2016-11-04
單機或分散 兩邊都 train 過一樣的東西啊 /_\
Selena avatarSelena2016-11-08
分散能找到更多確實更好的選擇 才是代表訓練成功不是嗎?
Jessica avatarJessica2016-11-09
找到好的選擇這件是對單機跟分散是一樣的
Liam avatarLiam2016-11-12
差別在於分散從好的選擇裡面挑出最好的會更好
所以如果deep learning 已經好到幫你挑的非常好
那你其實不太需要運算量就能選出最好的那步
Liam avatarLiam2016-11-14
此時就不太需要分散運算
Harry avatarHarry2016-11-17
我覺得在前中段講這個沒啥可能耶 後段則已經是公認的強
Sarah avatarSarah2016-11-21
同marrvosal 覺得單機勝率越高才表示成長 克服了運算速度
Isla avatarIsla2016-11-23
你的解釋一日棋迷看的懂才有鬼 有的話樓下幫我吹
Franklin avatarFranklin2016-11-27
marrvosal的解釋完全正確。
Gary avatarGary2016-12-01
我這種只上過AI intro的人都看得出來你講什麼胡話。
蒙地卡羅基於的本來就是最大最小樹。維基一下最大最
小樹就完全解答你這篇的外行問題了。
Ursula avatarUrsula2016-12-03
哥沒上過AI intro,你可以在板上開課,請
Zanna avatarZanna2016-12-06
https://en.wikipedia.org/wiki/Computer_Go
這裡就有說會有我提的疑問了,加入minimax可以理解,但那是
Doris avatarDoris2016-12-10
game theory的東西跟monte carlo tree不是直接關係,謝謝
William avatarWilliam2016-12-11
總之就是加一個選擇最好的最差解的判別來濾掉必敗局面
Rebecca avatarRebecca2016-12-13
我還是覺得不是,Monte Carlo tree search理論上會收斂
George avatarGeorge2016-12-16
到minimax,我猜測這裡也是類似的原理:自己和對方的好
Lucy avatarLucy2016-12-18
手在MC tree裏頭會走得特別深。如果對『好手』的判斷
夠準就可以避免你說的問題。
Todd Johnson avatarTodd Johnson2016-12-19
我也不知道我說的對不對,marrvosal要不要發一篇教學XD