這五局對AlphaGo的評價 - 圍棋

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

--

All Comments

Elizabeth avatarElizabeth2016-03-19
深藍也只敢偷襲一次 而且是由人作最後決策 ( ′-`)y-~
William avatarWilliam2016-03-20
照你這樣講,人類會進步,電腦難道就不會自我學習進步嗎?
Cara avatarCara2016-03-21
但是AlphaGo還會再改進 進化
Joe avatarJoe2016-03-24
幾個月後再來,阿爾發GO就更厲害了啊。
Regina avatarRegina2016-03-27
這樣分析的前提是阿法真有運算架構上的BUG
Kyle avatarKyle2016-03-29
李世石的格局顯然不只這樣而已, 不然 G5 不會自願拿黑棋
Anonymous avatarAnonymous2016-04-02
請問,第五局不是本來就是李拿黑嗎?
Gilbert avatarGilbert2016-04-03
我一直搞不清楚自願拿黑是怎麼回事
Skylar DavisLinda avatarSkylar DavisLinda2016-04-06
但是現在的消息來看,是演算資源限制它捨棄機率過小
Heather avatarHeather2016-04-06
無傷過空氣人是運氣吧 那個龍捲風是隨機的
Adele avatarAdele2016-04-09
的棋步,換句話說下快棋就是他的罩門
Anthony avatarAnthony2016-04-10
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?
Joseph avatarJoseph2016-04-14
按規則第五盤要重新猜先, 但是李世石想拿黑 雙方協調OK
Andrew avatarAndrew2016-04-15
原來如此,了解了
Isla avatarIsla2016-04-19
不是在棋盤上真劍勝負, 就沒有那種氣魄了
Eartha avatarEartha2016-04-20
當場猜對李不利啊
Agatha avatarAgatha2016-04-23
這算抓到弱點嗎?google辦這比賽的目的就是要找到這bug
Donna avatarDonna2016-04-24
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
Hedda avatarHedda2016-04-26
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
Kelly avatarKelly2016-04-30
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
Agatha avatarAgatha2016-05-01
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
Noah avatarNoah2016-05-06
你一定不是寫程式的,有人幫忙抓到bug有多爽
Aaliyah avatarAaliyah2016-05-07
觀察起來Google其實很有心測試Alphago的演算能力,除了
Harry avatarHarry2016-05-09
比賽前就停掉Alphago的學習(也就是這五場都是同一版本)
Edith avatarEdith2016-05-11
細心一點的人就會發現Alphago並沒有特別分配時間再把運
Damian avatarDamian2016-05-14
算在時間明明還很充裕的情況下再多算一點
Jacob avatarJacob2016-05-19
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
Todd Johnson avatarTodd Johnson2016-05-20
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
Aaliyah avatarAaliyah2016-05-24
真的,這次大賽對雙方來說都是很寶貴的收穫
Carolina Franco avatarCarolina Franco2016-05-24
建議原PO去Google一下"深度學習"的文章多了解一下
Emily avatarEmily2016-05-25
Alphago很有價值的一點就是他能"自我對奕"
Dora avatarDora2016-05-26
也所以他能一定程試自主修正原本的水準
Andy avatarAndy2016-05-31
樓上,答案是不一定。
Yuri avatarYuri2016-06-01
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
Hedda avatarHedda2016-06-01
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
Kumar avatarKumar2016-06-06
最佳棋步,而是走勝率最高的棋步之類的。這會導致中盤贏
Joseph avatarJoseph2016-06-09
我說明的並不是Alphago是完美的啊,完美的話就不會輸了
Necoo avatarNecoo2016-06-10
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。
Kyle avatarKyle2016-06-13
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。
Regina avatarRegina2016-06-15
要我來說的話,這不叫BUG,而是數學,這結果代表以勝率
Christine avatarChristine2016-06-19
然後,輸太多的話,像第四局,會想要一口氣贏二十幾目回來
Ida avatarIda2016-06-23
為優先的演算法還是很有調整空間
Kristin avatarKristin2016-06-26
,而不是跟人類一樣,一點一點的追回來,等對方失誤時在超

這不算是BUG沒錯啊,因為指定ai的目標是贏棋就好,不是追
Connor avatarConnor2016-06-27
在看這幾局總覺得很多人會把下好下壞都看得太偏
Suhail Hany avatarSuhail Hany2016-06-28
求贏最多。
Queena avatarQueena2016-07-01
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
Lucy avatarLucy2016-07-05
的統合結果,但是放到人機對戰就好像失誤就都不正常了
Frederic avatarFrederic2016-07-06
只要圍棋還是"算不完",那麼永遠就只會有較佳而不是完美
Hamiltion avatarHamiltion2016-07-11
解,而且也有新聞提到開始有高段棋手試著採用Alphago的
Zora avatarZora2016-07-14
的勝率流概念、而且還下贏了,這代表的是這樣的演算技術
James avatarJames2016-07-16
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
Vanessa avatarVanessa2016-07-20
G4 那一連串異常只能視為 bug... 一步沒算到不是問題
George avatarGeorge2016-07-21
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)
Leila avatarLeila2016-07-23
電腦也不會"想要一口氣贏二十幾目" 因為它根本不會"想"
Frederic avatarFrederic2016-07-23
好吧,那改成他計算要追上20目的方法
Victoria avatarVictoria2016-07-25
配合AlphaGo選點,官子給人收的話,贏10目以上沒問題
Jacob avatarJacob2016-07-26
它養的小小兵棋力本來就不強啊, 估值網路看起來是有效
Jessica avatarJessica2016-07-31
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
Ursula avatarUrsula2016-08-04
配合狗狗選點 給人下跟收官 20目也不難
Aaliyah avatarAaliyah2016-08-08
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
Bethany avatarBethany2016-08-09
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"
Mary avatarMary2016-08-11
會只走同樣套路就不是頂尖工程師們打算構築出的AI
Jake avatarJake2016-08-11
官子是算目的世界, AlphaGo 還在算勝率下起來自然怪.
Doris avatarDoris2016-08-11
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.
Zanna avatarZanna2016-08-12
AlphaGo 可能要稍微落後, 才看得出收官的實力.
Catherine avatarCatherine2016-08-14
阿Go若改版成在N手後開始算局部的權重加重應該更猛?
Selena avatarSelena2016-08-18
勝率 100% 的路太多 <= 這個蠻有可能的
Isabella avatarIsabella2016-08-18
我覺得當人類必須開始去理解AI的思路並且從AI學習
Barb Cronin avatarBarb Cronin2016-08-20
進步 新的紀元就已經開始了 而且學完後AI還是沒輸你
Oliver avatarOliver2016-08-23
第五局原訂猜先,是李在第四局後要求執黑挑戰
Odelette avatarOdelette2016-08-24
覺得官子收不好 可能是因阿Go雖然損 但覺得後續對手
Lauren avatarLauren2016-08-28
能使對勝率的變化較少才那樣走 代表著白其實贏更多
Tristan Cohan avatarTristan Cohan2016-08-29
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
Ophelia avatarOphelia2016-08-30
只是增強計算效率的輔助措施罷了, 學習可以做出"棋感"
Heather avatarHeather2016-09-03
但是做不出計算能力...
Todd Johnson avatarTodd Johnson2016-09-04
有一篇是Facebook研究員解析Alphago的文章可以看看
http://goo.gl/gIikTa
Poppy avatarPoppy2016-09-08
樓上那個連結已經出現過好多次啦
Mary avatarMary2016-09-11
但顯然還是有很多人沒看過啊(比方說原PO)XD
Audriana avatarAudriana2016-09-11
facebook這篇文章有一個重點就是調整不同的演算比重是會
Selena avatarSelena2016-09-15
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
Barb Cronin avatarBarb Cronin2016-09-16
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
Liam avatarLiam2016-09-18
合成果,只要電腦技術還是沒有能力完全算完圍棋,理論上
Emily avatarEmily2016-09-21
就不會有完美解
Liam avatarLiam2016-09-21
但他若能贏下多數棋局,這就是棋力的展現了,不是嗎?
Candice avatarCandice2016-09-22
我也覺得很多人沒看懂那篇文章
Edith avatarEdith2016-09-24
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
Odelette avatarOdelette2016-09-25
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
Connor avatarConnor2016-09-29
解要更優 棋理的精細度得提升 就可以贏了
Victoria avatarVictoria2016-10-02
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