這五局對AlphaGo的評價 - 圍棋

By Necoo
at 2016-03-15T21:08

Table of Contents

※ 引述《shehrevar (阿浩)》之銘言：
: 1. 這五局質感 3>2>4>5>1
: 第三局的象飛，往上跳一手的大局觀，第二局的五路尖沖，相信可以給人類帶來新思想
: 2. AlphaGo的實力>>小李
: 第四局就不說了，電腦算不到這手整個就爛掉之外，其他四局從頭領先到尾
: 李世石完全無任何機會，以最後一局來說好了，AlphaGo官子並不出色
: 我想AlphaGo的"國際禮儀"應該表現得很好，有種不要贏太多的感覺，贏了就好
: 縱使事後研究應該要怎樣怎樣，對AlphaGo都一樣，世界第三實至名歸(暫時)
: 3. AlphaGo先交換定型
: 初期來看真的是完全浪費劫財，(之前第二局小目下拖定石刺一個配合5路尖沖完美)
: 右下角的交換在收官的時候卻派上用場，這或許之後下也一樣，但是對於之後戰鬥
: 我不覺得有那裡損失
: 4. AlphaGo打劫
: 就如眾高手說的，能不打則不打，減少變化，但好像真的要下出打劫是多麼難的事情
: 平常打劫隨處可見，對上AlphaGo就幾乎完全消失，值得研究，也呼應第三點
: 既然不打劫，何不趕快定型好，省得日後應手有變
: 5. AlphaGo進化
: 想知道如果拿出最佳勝率點以及最佳目數點的話，可以讓人類幾目，我猜可以兩子
我認為對手是電腦

能抓到演算法的破綻就很夠了

以電玩來說

玩家打電玩一開始會狂輸好幾場

但總是有些玩家一開始吃虧

後來抓到魔王AI的BUG

從這BUG衍伸出許多攻擊策略

過幾天開始就已經打倒魔王

到最後則是挑戰無損血K.O.魔王

另外有沒有聽過打不倒的空氣人這首歌?

為何該玩家打不倒空氣人

為何專版會有一堆人會說空氣人很弱

為何網路上有一堆無損血KO空氣人的play

有沒有針對電腦AI的BUG作攻擊策略

我想是人類戰勝AI的重要關鍵

這種通常要練習幾百場一旦抓到攻擊策略

電腦就等著吃鱉

我認為李世石才玩五場就抓到AI之弱點

一旦玩個幾百場

阿發狗還用混嗎?

看程式設計者賽後心情有點不好

可能是該玩家玩五場就抓到弱點後

如果給其他玩家對奕會衍伸出一些針對阿發狗的策略

到最後連普通玩家都能幹掉阿發狗

那就很不好了

題外話:

有跟星海爭霸2的AI打過

一開始打也都是絕望

正面根本不能贏電腦

後來嘗試用快攻與偷襲

並觀察電腦AI的習性

大約三十幾場後殘酷的電腦就變肥料了

我認為要給李世石多玩幾場

說不定情況會大不相同

一點淺見

其實我看李輸還蠻難過的

希望人類不會輸給電腦AI

--

Tags: 圍棋

All Comments

By Elizabeth
at 2016-03-19T19:33

深藍也只敢偷襲一次而且是由人作最後決策 ( ′-`)y-～

By William
at 2016-03-20T14:54

照你這樣講，人類會進步，電腦難道就不會自我學習進步嗎？

By Cara
at 2016-03-21T16:36

但是AlphaGo還會再改進進化

By Joe
at 2016-03-24T02:56

幾個月後再來，阿爾發GO就更厲害了啊。

By Regina
at 2016-03-27T18:57

這樣分析的前提是阿法真有運算架構上的BUG

By Kyle
at 2016-03-29T12:18

李世石的格局顯然不只這樣而已, 不然 G5 不會自願拿黑棋

By Anonymous
at 2016-04-02T19:29

請問，第五局不是本來就是李拿黑嗎?

By Gilbert
at 2016-04-03T23:21

我一直搞不清楚自願拿黑是怎麼回事

By Skylar DavisLinda
at 2016-04-06T02:39

但是現在的消息來看，是演算資源限制它捨棄機率過小

By Heather
at 2016-04-06T23:51

無傷過空氣人是運氣吧那個龍捲風是隨機的

By Adele
at 2016-04-09T17:09

的棋步，換句話說下快棋就是他的罩門

By Anthony
at 2016-04-10T13:07

是每次開始都會先猜子，但是第五局李表示想拿黑這樣嗎?
還是照順序，李應該拿白，但是裡要求拿黑?

By Joseph
at 2016-04-14T17:14

按規則第五盤要重新猜先, 但是李世石想拿黑雙方協調OK

By Andrew
at 2016-04-15T17:00

原來如此，了解了

By Isla
at 2016-04-19T21:08

不是在棋盤上真劍勝負, 就沒有那種氣魄了

By Eartha
at 2016-04-20T18:16

當場猜對李不利啊

By Agatha
at 2016-04-23T06:44

這算抓到弱點嗎?google辦這比賽的目的就是要找到這bug

By Donna
at 2016-04-24T01:58

如果電腦有選到這手，第四局一樣GG~
當然能讓電腦忽略這手小李也是威猛沒錯

By Hedda
at 2016-04-26T23:40

原PO提到星海有學習的能力是學玩家的而不是"自我學習"
Alphago的演算計往跟以往AI的窮舉方式都是有所不同的

By Kelly
at 2016-04-30T19:38

他是因應圍棋算不完那就在有限時間內盡可能算出最大勝率

By Agatha
at 2016-05-01T17:48

也就是說當然也會有他算不完而輸的可能，比方說Google自
己就有提到連線的分散式Alphago對單機Alphago勝率約7成

By Noah
at 2016-05-06T15:29

你一定不是寫程式的，有人幫忙抓到bug有多爽

By Aaliyah
at 2016-05-07T15:50

觀察起來Google其實很有心測試Alphago的演算能力，除了

By Harry
at 2016-05-09T15:12

比賽前就停掉Alphago的學習(也就是這五場都是同一版本)

By Edith
at 2016-05-11T19:06

細心一點的人就會發現Alphago並沒有特別分配時間再把運

By Damian
at 2016-05-14T21:37

算在時間明明還很充裕的情況下再多算一點

By Jacob
at 2016-05-19T10:15

Google花了錢當然希望有成效阿贏了出名輸了抓蟲
怎樣都不虧阿
結果現在贏了又抓蟲算是賺了

By Todd Johnson
at 2016-05-20T06:28

Google應該是為了確認演算法的極限所以還自主設了一些運
算時間(/次數?)限制

By Aaliyah
at 2016-05-24T07:39

真的，這次大賽對雙方來說都是很寶貴的收穫

By Carolina Franco
at 2016-05-24T19:22

建議原PO去Google一下"深度學習"的文章多了解一下

By Emily
at 2016-05-25T20:54

Alphago很有價值的一點就是他能"自我對奕"

By Dora
at 2016-05-26T21:41

也所以他能一定程試自主修正原本的水準

By Andy
at 2016-05-31T05:30

樓上，答案是不一定。

By Yuri
at 2016-06-01T01:39

Alphago從去年約六段職業棋手的實力提升到現在能贏九段
就是突顯深度學習的價值

By Hedda
at 2016-06-01T23:10

有些先天的決策問題是要去修程式碼才能解決的，例如不是走

By Kumar
at 2016-06-06T00:08

最佳棋步，而是走勝率最高的棋步之類的。這會導致中盤贏

By Joseph
at 2016-06-09T22:05

我說明的並不是Alphago是完美的啊，完美的話就不會輸了

By Necoo
at 2016-06-10T13:51

50目，最後只贏2.5目這種狀況。
這主要是蒙地卡羅看的是勝率，而不是贏棋數的原因。

By Kyle
at 2016-06-13T04:16

也就是說對狗狗而言，贏0.5目跟贏55.5目是一樣的。
所以在大優勢的狀況下會一直送，因為他覺得勝率差不多。

By Regina
at 2016-06-15T15:36

要我來說的話，這不叫BUG，而是數學，這結果代表以勝率

By Christine
at 2016-06-19T04:23

然後，輸太多的話，像第四局，會想要一口氣贏二十幾目回來

By Ida
at 2016-06-23T20:18

為優先的演算法還是很有調整空間

By Kristin
at 2016-06-26T20:56

，而不是跟人類一樣，一點一點的追回來，等對方失誤時在超
越
這不算是BUG沒錯啊，因為指定ai的目標是贏棋就好，不是追

By Connor
at 2016-06-27T23:43

在看這幾局總覺得很多人會把下好下壞都看得太偏

By Suhail Hany
at 2016-06-28T03:43

求贏最多。

By Queena
at 2016-07-01T17:11

回歸到人跟人下棋時，之所以有輸贏不也是因為好手與失誤

By Lucy
at 2016-07-05T09:23

的統合結果，但是放到人機對戰就好像失誤就都不正常了

By Frederic
at 2016-07-06T02:47

只要圍棋還是"算不完"，那麼永遠就只會有較佳而不是完美

By Hamiltion
at 2016-07-11T02:26

解，而且也有新聞提到開始有高段棋手試著採用Alphago的

By Zora
at 2016-07-14T07:21

的勝率流概念、而且還下贏了，這代表的是這樣的演算技術

By James
at 2016-07-16T07:22

不僅是展現了科學上的價值，也可以幫他所涉及領域突破原
本的經驗框架再求精進

By Vanessa
at 2016-07-20T21:08

G4 那一連串異常只能視為 bug... 一步沒算到不是問題

By George
at 2016-07-21T23:44

但是接下來連續幾步繼續送棋. 是不應該發生的
(完全不用估值網路的 Darkforest, 在這裡是沒有問題的)

By Leila
at 2016-07-23T04:00

電腦也不會"想要一口氣贏二十幾目" 因為它根本不會"想"

By Frederic
at 2016-07-23T07:02

好吧，那改成他計算要追上20目的方法

By Victoria
at 2016-07-25T05:12

配合AlphaGo選點，官子給人收的話，贏10目以上沒問題

By Jacob
at 2016-07-26T13:46

它養的小小兵棋力本來就不強啊, 估值網路看起來是有效

By Jessica
at 2016-07-31T01:48

但還不夠穩定... 官子的異狀跟這個很可能也有關係
有很多參數可以調整, 所以這次和一流高手的實戰極為寶貴

By Ursula
at 2016-08-04T21:33

配合狗狗選點給人下跟收官 20目也不難

By Aaliyah
at 2016-08-08T17:47

的確是如此下到一半交給其它人類九段關門應該是穩贏的
所以目前人類的確還是有比它強的地方聶衛平的觀察蠻準

By Bethany
at 2016-08-09T13:24

要在中盤壓過它得表現完全才有可能, 一點錯誤都不能犯
表現完"美"

By Mary
at 2016-08-11T03:03

會只走同樣套路就不是頂尖工程師們打算構築出的AI

By Jake
at 2016-08-11T12:46

官子是算目的世界, AlphaGo 還在算勝率下起來自然怪.

By Doris
at 2016-08-11T17:28

還有一個可能是勝率 100% 的路太多, 但不知哪個贏得多
看起來就不會是最佳手順, 而是隨便選一條走.

By Zanna
at 2016-08-12T11:34

AlphaGo 可能要稍微落後, 才看得出收官的實力.

By Catherine
at 2016-08-14T05:40

阿Go若改版成在N手後開始算局部的權重加重應該更猛?

By Selena
at 2016-08-18T12:13

勝率 100% 的路太多 <= 這個蠻有可能的

By Isabella
at 2016-08-18T20:00

我覺得當人類必須開始去理解AI的思路並且從AI學習

By Barb Cronin
at 2016-08-20T12:54

進步新的紀元就已經開始了而且學完後AI還是沒輸你

By Oliver
at 2016-08-23T14:36

第五局原訂猜先，是李在第四局後要求執黑挑戰

By Odelette
at 2016-08-24T20:23

覺得官子收不好可能是因阿Go雖然損但覺得後續對手

By Lauren
at 2016-08-28T23:59

能使對勝率的變化較少才那樣走代表著白其實贏更多

By Tristan Cohan
at 2016-08-29T20:45

現在這個演算法實質上靠的還是暴力運算所謂的學習能力

By Ophelia
at 2016-08-30T17:43

只是增強計算效率的輔助措施罷了, 學習可以做出"棋感"

By Heather
at 2016-09-03T03:04

但是做不出計算能力...

By Todd Johnson
at 2016-09-04T03:39

有一篇是Facebook研究員解析Alphago的文章可以看看
http://goo.gl/gIikTa

By Poppy
at 2016-09-08T05:26

樓上那個連結已經出現過好多次啦

By Mary
at 2016-09-11T02:52

但顯然還是有很多人沒看過啊(比方說原PO)XD

By Audriana
at 2016-09-11T04:02

facebook這篇文章有一個重點就是調整不同的演算比重是會

By Selena
at 2016-09-15T13:51

影響下出來的品質或勝率，也就是越了解就越可以了解AI也

By Barb Cronin
at 2016-09-16T18:48

是在有限運算下盡可能尋求勝利但還是有其極限的最佳化統

By Liam
at 2016-09-18T15:26

合成果，只要電腦技術還是沒有能力完全算完圍棋，理論上

By Emily
at 2016-09-21T02:05

就不會有完美解

By Liam
at 2016-09-21T05:15

但他若能贏下多數棋局，這就是棋力的展現了，不是嗎?

By Candice
at 2016-09-22T03:15

我也覺得很多人沒看懂那篇文章

By Edith
at 2016-09-24T12:48

用個簡單比喻電腦靠速算的三段網路勝率做了一個數值解的

By Odelette
at 2016-09-25T02:55

fit 人用各式各用不精確地棋理近似做了一個理論解你理論

By Connor
at 2016-09-29T04:25

解要更優棋理的精細度得提升就可以贏了

By Victoria
at 2016-10-02T21:47

因為我在第二場結束後就對黃士偉提出了阿發狗的弱點
啦其實阿發狗弱在"一分鍾的情況下" 征子和收官
電腦反而強在前.中期因為佈局可以避開征子大概是這
個理由

這五局對AlphaGo的評價 - 圍棋

All Comments

Related Posts

為何國家考試女上榜多，棋王都是男滴?

這五局對AlphaGo的評價

KJ到底高出古力&常昊&俞斌幾個境界？

很多招法都有些意外，有點「繞」的感覺

第四局神之一手的機率小於1/10000