為什麼現在AlphaGO開始會"讓"呢? - 圍棋
By Connor
at 2017-05-24T11:29
at 2017-05-24T11:29
Table of Contents
只要你開始想 讓 or 不讓
表示你依然使用人類思考方式
人類的思考觀念
=====
主要是佈局加上細部的目數計算
來作為取勝套路
也因角落容易定型/評估氣/目數
所以才有會金角銀邊草肚皮
因為四五路以上變化太多
人類只能思考一小部分
所以早期一些AI確實是以
最大化「目數」走法來進行局部優化
但阿發狗不是
阿發狗的運算概念
=====
都是全局觀
而且都是用「勝率」來計算
而非角落的目數/型態的回應來算
所以你常常會看到
所謂的緩手或是先後順序不同
例如說一般棋手下某個點
局部最佳的「應」大家都知道
阿發狗卻先下其他地方再回來下
手順明顯跟人類棋手不同
也再再顯示電腦是全局觀而非目數觀
所以其實如果看到中盤以後
電腦拼命下人類的「緩」
其實就代表他搜尋到的各種算法
勝率都已經相差無幾了
結論
電腦完全沒再讓的
當你覺得他在讓的時候
其實就是他分不出來
讓跟不讓的差別了
意味著勝率都高到一個情況
而且分不出來優劣
小小碼農,希望有解答到版友概念
--
表示你依然使用人類思考方式
人類的思考觀念
=====
主要是佈局加上細部的目數計算
來作為取勝套路
也因角落容易定型/評估氣/目數
所以才有會金角銀邊草肚皮
因為四五路以上變化太多
人類只能思考一小部分
所以早期一些AI確實是以
最大化「目數」走法來進行局部優化
但阿發狗不是
阿發狗的運算概念
=====
都是全局觀
而且都是用「勝率」來計算
而非角落的目數/型態的回應來算
所以你常常會看到
所謂的緩手或是先後順序不同
例如說一般棋手下某個點
局部最佳的「應」大家都知道
阿發狗卻先下其他地方再回來下
手順明顯跟人類棋手不同
也再再顯示電腦是全局觀而非目數觀
所以其實如果看到中盤以後
電腦拼命下人類的「緩」
其實就代表他搜尋到的各種算法
勝率都已經相差無幾了
結論
電腦完全沒再讓的
當你覺得他在讓的時候
其實就是他分不出來
讓跟不讓的差別了
意味著勝率都高到一個情況
而且分不出來優劣
小小碼農,希望有解答到版友概念
--
Tags:
圍棋
All Comments
By Elizabeth
at 2017-05-29T09:38
at 2017-05-29T09:38
By Harry
at 2017-06-01T16:56
at 2017-06-01T16:56
By Isabella
at 2017-06-01T19:43
at 2017-06-01T19:43
By Tom
at 2017-06-04T01:42
at 2017-06-04T01:42
By Mason
at 2017-06-08T08:55
at 2017-06-08T08:55
By Edwina
at 2017-06-08T10:54
at 2017-06-08T10:54
By Joe
at 2017-06-12T11:37
at 2017-06-12T11:37
By Franklin
at 2017-06-16T20:38
at 2017-06-16T20:38
By Michael
at 2017-06-18T22:40
at 2017-06-18T22:40
By Enid
at 2017-06-20T18:48
at 2017-06-20T18:48
By Franklin
at 2017-06-21T12:43
at 2017-06-21T12:43
Related Posts
現在的AlphaGo跟圍棋之神差幾子呢
By Noah
at 2017-05-24T11:18
at 2017-05-24T11:18
人機大戰第二季第一局 柯潔 VS AlphaGo
By Ida
at 2017-05-24T10:52
at 2017-05-24T10:52
初學者也能了解AlphaGo!
By Brianna
at 2017-05-24T10:27
at 2017-05-24T10:27
為什麼現在AlphaGO開始會"讓"呢?
By Anonymous
at 2017-05-24T06:48
at 2017-05-24T06:48
人機大戰第二季第一局 柯潔 VS AlphaGo
By Dinah
at 2017-05-24T05:14
at 2017-05-24T05:14