電腦和圍棋高手對弈 可以取勝 不足為怪 - 圍棋

Suhail Hany avatar
By Suhail Hany
at 2016-03-14T11:19

Table of Contents

(低棋淺見)電腦和圍棋高手對弈 可以取勝 不足為怪

在 2006 年
當時的西洋棋(國際象棋)世界冠軍 Vladimir Kramnik
以 4 和 2 負的成績
輸給運行在 2 個 Xeon 5160 的 Deep Fritz version 10 後
(最強的)西洋棋(國際象棋)軟體可以擊敗最強的人類高手
已無疑問
( https://goo.gl/k6j1Qj )

那麼約十年後 ( 2016 年)
電腦和圍棋高手對弈 可以取勝
會很令人意外嗎 ?

Xeon 5160 是 Intel Core 2 架構
時脈 3 GHz
雙核心的處理器
( http://goo.gl/hXA76O )

從 2006 年至今
電腦的處理器在架構 時脈 核心數方面又有不小的進步
分散式版的 AlphaGo
擁有的是 1,202 個中央處理器和 176 個圖形處理器
( http://goo.gl/IcRRI7 )
能夠演算的可能下法
遠遠超過人類

那麼人類有可能取勝嗎 ?

如果能下出圍棋軟體沒有演算到的下法
或是圍棋軟體演算到
但是圍棋軟體評價差而淘汰
事實上卻是好棋的下法
理論上是有可能勝過圍棋軟體

順便提一下
為什麼 AlphaGo 下的一些棋步
圍棋高手看不懂
低棋猜測合理的原因就是
AlphaGo 深度計算過這些棋步
或許在應接的前期
看起來不利
但應對到後期
卻是可行的

這種情況
人和圍棋軟體都有可能碰到
就是人和圍棋軟體都考慮到了某個棋步
而深入計算下去
雙方卻有 2 極化的不同評價

但是圍棋軟體在硬體運算效能
有效的演算法 累積演算成果提升到一個程度後
人類勝過最強圍棋軟體的機會可說非常低

這次李世石九段 對 分散式版的 AlphaGo
大約就是這種情形吧

如果以前都沒有人下過中國流或三連星
而 AlphaGo 在對局之前又沒有演算到中國流或三連星
那麼棋士自己作過詳細研究
在和 AlphaGo 對局時
第一次於棋史上下出中國流或三連星
或許取勝機會比較大

可惜現實不是如此
要(短時間)無中生有
開發出一個有效的套路並不容易
(想想現在會有多少棋士下白江流)

一些圍棋界人士對 AlphaGo 棋力的錯誤預判
除了來自之前圍棋軟體的印象之外
也和對局前沒有足夠的 AlphaGo 資訊有關

Vladimir Kramnik 在 2006 年對局前一個多月
拿到 Deep Fritz version 10
可以自己先和 Deep Fritz version 10 對下測試
( 正式對局時的 Deep Fritz version 10
使用更新過的 opening book )
另外
Vladimir Kramnik 於 2002 年
以 2 勝 2 負 4 和打平 Deep Fritz (似乎是 version 7 ? )
比賽前幾個月時
拿到 Deep Fritz
可自行測試
( https://goo.gl/k6j1Qj )

另一個重點是可運用的思考時間(時限)
對局雙方時限 6 小時
約可在一天內下完
和 AlphaGo 對下
個人猜測時限至少要 6 小時

下完了 4 局
個人對李世石九段和 Michael Redmond 九段至上最崇高的敬意

先說 Michael Redmond 九段
以前在 NHK 的圍棋(將棋)節目看過他講棋
當時是用日文
所以聽不懂
這次 Michael Redmond 九段在 youtube 頻道擔任英文解說
從容不迫 深入淺出
對低棋的我
受益良多

而李世石九段就更不用說了
這是在挑戰幾乎不可能的任務
從第三局的功虧一簣
到第四局的柳暗花明
讓人驚嘆
令人動容
第四局會是今年最令人回味的棋局之一吧

--
我的 blog : http://watchtvforfun.blogspot.com/
上網推薦用 Linux 記得要常常更新
文書處理推薦用 LibreOffice
巴菲特給散戶的投資建議 : 買 very low-cost S&P 500 index fund
(巴菲特推薦 Vanguard 發行的 very low-cost S&P 500 index fund)

--
※ 文章網址: https://www.ptt.cc/bbs/GO/M.1457925599.A.DD0.html

darkseer: 這完全不能這樣比,AlphaGo的演算法跟西洋棋的基本原理 03/14 11:26
darkseer: 不同,若是使用西洋棋軟體的演算法,把全世界的電腦連起 03/14 11:27
darkseer: 來我想都沒有科學家敢說能挑戰人類 03/14 11:27
darkseer: AlphaGo實作的演算法(MCTS, deep learning)也有別人用在 03/14 11:29
darkseer: 圍棋上,但是之前一年前確實是不知道能不能達成這項壯舉 03/14 11:30
digpig: 看到還在提西洋棋就給噓了 03/14 11:30
arcworld: 這篇文章我只有一個感想,你不懂圍棋也不懂AG...Orz 03/14 11:33
aixrotap: 不懂不是錯 不懂又要出來扯一堆就是個人問題了 03/14 11:35
a1223356: 電腦也有新佈石啊,第二盤接個中國流,也嚇壞很多人了。 03/14 11:35

※ 編輯: willrise (118.161.247.61), 03/14/2016 11:36:59
Uizmp: 我比較好奇散功之後的AG對圍棋的理解是甚麼.. 03/14 11:36
signm: 這跟運算速度沒太大關係,是採用類神經系統 03/14 11:44
signm: 你組一個比阿發夠還好電腦也是輸他,先搞懂再來分享吧 03/14 11:47
ksk0516: 好多不懂裝懂 03/14 11:58
birdy590: 事實上 西洋棋的運算量也不容易使用窮舉 03/14 12:40
birdy590: 在深藍之後已經進階到下個階段 就是如何縮減計算量 03/14 12:40
birdy590: drep fritz的計算能力不如深藍 但是有效計算量高很多 03/14 12:45
yr: 你還是多唸唸書吧.... 03/14 12:46
birdy590: heuristic search也不一定要用DCNN 03/14 12:47
joy3252355: 別誤導人 03/14 15:42
birdy590: 這篇沒有什麼大錯, AlphaGo 的基本原理和西洋棋軟體類似 03/14 15:50
birdy590: 差別在於西洋棋已經有過上帝(深藍在計算深度內是完美) 03/14 15:50
birdy590: 目標轉成小型化以後, 因為運算能力下降不能再用窮舉法 03/14 15:51
birdy590: 所以轉向開發 heuristic search(中文似乎沒有好的翻譯) 03/14 15:53
birdy590: AlphaGo 裡面用的不管MCTS或DCNN都不是自己發明的 03/14 15:55
birdy590: 但是把好幾種方式結合起來, 利用 DCNN 加強 MCTS 03/14 15:55
birdy590: 這個就很厲害了, 也是硬體計算能力到位以後才有可能實現 03/14 15:55
SolarKa6626: 你怎麼不去年說呢 馬後炮 03/15 00:47

Tags: 圍棋

All Comments

Joe avatar
By Joe
at 2016-03-18T06:26
這完全不能這樣比,AlphaGo的演算法跟西洋棋的基本原理
Ida avatar
By Ida
at 2016-03-20T03:53
不同,若是使用西洋棋軟體的演算法,把全世界的電腦連起
來我想都沒有科學家敢說能挑戰人類
Rae avatar
By Rae
at 2016-03-21T16:22
AlphaGo實作的演算法(MCTS, deep learning)也有別人用在
Bethany avatar
By Bethany
at 2016-03-23T13:31
圍棋上,但是之前一年前確實是不知道能不能達成這項壯舉
Rae avatar
By Rae
at 2016-03-27T10:51
看到還在提西洋棋就給噓了
Necoo avatar
By Necoo
at 2016-03-30T18:38
這篇文章我只有一個感想,你不懂圍棋也不懂AG...Orz
Yedda avatar
By Yedda
at 2016-04-04T12:23
不懂不是錯 不懂又要出來扯一堆就是個人問題了
Ethan avatar
By Ethan
at 2016-04-06T07:55
電腦也有新佈石啊,第二盤接個中國流,也嚇壞很多人了。
Susan avatar
By Susan
at 2016-04-06T20:57
我比較好奇散功之後的AG對圍棋的理解是甚麼..
Jack avatar
By Jack
at 2016-04-09T00:04
這跟運算速度沒太大關係,是採用類神經系統
Rosalind avatar
By Rosalind
at 2016-04-12T07:17
你組一個比阿發夠還好電腦也是輸他,先搞懂再來分享吧
Isabella avatar
By Isabella
at 2016-04-15T23:40
好多不懂裝懂
Emily avatar
By Emily
at 2016-04-20T20:08
事實上 西洋棋的運算量也不容易使用窮舉
在深藍之後已經進階到下個階段 就是如何縮減計算量
Selena avatar
By Selena
at 2016-04-23T02:19
drep fritz的計算能力不如深藍 但是有效計算量高很多
Candice avatar
By Candice
at 2016-04-23T10:12
你還是多唸唸書吧....
James avatar
By James
at 2016-04-26T19:47
heuristic search也不一定要用DCNN
Zora avatar
By Zora
at 2016-04-29T13:52
別誤導人
Ula avatar
By Ula
at 2016-05-01T07:17
這篇沒有什麼大錯, AlphaGo 的基本原理和西洋棋軟體類似
差別在於西洋棋已經有過上帝(深藍在計算深度內是完美)
Robert avatar
By Robert
at 2016-05-03T22:34
目標轉成小型化以後, 因為運算能力下降不能再用窮舉法
Joe avatar
By Joe
at 2016-05-04T09:43
所以轉向開發 heuristic search(中文似乎沒有好的翻譯)
Harry avatar
By Harry
at 2016-05-04T15:05
AlphaGo 裡面用的不管MCTS或DCNN都不是自己發明的
但是把好幾種方式結合起來, 利用 DCNN 加強 MCTS
這個就很厲害了, 也是硬體計算能力到位以後才有可能實現
Jacky avatar
By Jacky
at 2016-05-07T14:06
你怎麼不去年說呢 馬後炮

張東岳解說李世石獲勝第四盤

Kristin avatar
By Kristin
at 2016-03-14T08:56
※ 引述《nanlong (懶龍)》之銘言: : ※ 引述《zkow (逍遙山水憶秋年)》之銘言: : : 圍棋世紀人機大戰李世石 vs AlphaGo 第四盤 : : 張東岳點評:彌足珍貴的一場勝利【圍棋TV】 : : https://www.youtube.com/watch?v=00HP4e8e_iQ ...

古今世界圍棋高手的比較 / 圍棋基本理解

Zanna avatar
By Zanna
at 2016-03-14T08:16
我從1995年開始接觸圍棋 這篇想討論: 1. 古今世界圍棋高手的比較 2. 圍棋需要理解 需要多少程度? 簡單讓一日棋迷能多少了解 並有參與感 --------------------- 1. 古今世界圍棋高手的比較,最後介紹ALPHAGO 礙於版面只介紹幾個當代最經典的代表.. 以下為介紹的格式 ...

李世勝利至少5層內涵 圍棋將迎黃金時代?

Noah avatar
By Noah
at 2016-03-14T06:14
李世石1盤勝利至少5層內涵 圍棋將迎黃金時代? 中新網北京3月14日電(記者 王牧青) 李世石用一場勝利,瞬間點燃起整個圍棋界的荷爾 蒙。儘管比分仍1-3落後,但人類棋手似乎已摸到了人工智慧“阿爾法圍棋”的軟肋,這 無疑拯救了雙方第五番 棋的關注度。多年之後,李世石贏下的這盤棋仍將被人津津樂道 ,一場意義非 ...

聶衛平之子講述阿爾法流:靠計算取得優勢

Anonymous avatar
By Anonymous
at 2016-03-14T06:13
聶衛平之子講述“阿爾法流”:靠計算取得優勢  新華社東京3月14日體育專電(新華社記者馬崢 沈紅輝 武思宇)13日,韓國九段 棋手、世界冠軍李世石在與穀歌人工智慧“阿爾法圍棋”(AlphaGo)的對決中扳 回一局,棋聖聶衛平之子孔令文在接受新華社記 者專訪時表示,“阿爾法”自身也存在 弱點,但人工智慧以後還 ...

張東岳解說李世石獲勝第四盤

Sierra Rose avatar
By Sierra Rose
at 2016-03-14T06:02
※ 引述《zkow (逍遙山水憶秋年)》之銘言: : 圍棋世紀人機大戰李世石 vs AlphaGo 第四盤 : 張東岳點評:彌足珍貴的一場勝利【圍棋TV】 : https://www.youtube.com/watch?v=00HP4e8e_iQ : 解說詳細,長達二十幾分鐘,可看看 看了影片及網路 ...