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
--
All Comments