Re: [討論] 理論上人類能贏,電腦自己對奕總有一方輸

看板GO作者 (朝霞之前奏)時間7年前 (2017/01/04 00:10), 編輯推噓35(35055)
留言90則, 18人參與, 最新討論串2/2 (看更多)
※ 引述《zkow (逍遙山水憶秋年)》之銘言: : 看了50盤Master戰勝人類頂尖職業棋手的盤後,感到有種絕望感 : 幸好,隨之而來的是一種希望與期望感 : 照理說,理論上人類還是有可能贏Master的 : Master自我對弈,總有100個Master贏,100個Master輸 : 目前看了50盤Master怎麼贏的,卻看不到他是怎麼輸的 : 若人類能看到100盤Master自我對弈的棋,並研究他的棋理 : 相信還是能戰勝Master 要戰勝最強的AI可能有困難, 但從AI學棋是很自然的。 西洋棋已不待言,現在將棋界的主流也是如此。 從千田翔太高調表示,他近幾年都已經不打人類的對局譜, 而都是看AI對戰的棋譜來學棋,以及不參加棋士的練習會, 而選擇買好的硬體在家和AI下棋開始,他的走法已經參入許多電腦的應手, 和一般棋士的常規走法已有許多不同之處。 目前他是本年度的勝場及勝率王,也拿到了棋王戰的挑戰資格, 還有他的「換角」佈陣方式開始成為現在最流行的佈陣法。 從將棋的經驗也可以看出,人向AI學習變得更強是很正常的, 差別在於將棋的AI即使最強的ponanza程式還沒有釋出, 但屬二屬三的Apery、やねうら王都釋出程式, 以及固定無時無刻有軟體對戰棋譜可以看 http://wdoor.c.u-tokyo.ac.jp/shogi/floodgate.html 基本上人想從AI學習將棋技巧是完全做得到的, 而且還可以挑選任一盤面利用軟體來檢討應手及評價, 學習效率可以獲得大幅提升。 等圍棋AI整個百花齊放及普及到一般層面運用後, 這應該也會是必然的趨勢。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 39.8.99.232 ※ 文章網址: https://www.ptt.cc/bbs/GO/M.1483459804.A.DA7.html

01/04 00:15, , 1F
那下棋的樂趣有沒有變得不一樣了?
01/04 00:15, 1F

01/04 00:23, , 2F
追求圍棋神乎棋技圍地效率極大化的過程 棋士已盡了全力
01/04 00:23, 2F

01/04 00:23, , 3F
象棋選手用軟體練也早就是必備了
01/04 00:23, 3F

01/04 00:24, , 4F
感謝各國圍棋愛好者和職棋的努力以後是軟體工程師的事了
01/04 00:24, 4F

01/04 00:29, , 5F
以後還是會需要有新的圍棋理論來作為下棋的指導
01/04 00:29, 5F

01/04 00:30, , 6F
人是不可能像電腦一樣,憑藉龐大數據庫來判斷勝率下棋
01/04 00:30, 6F

01/04 00:30, , 7F
以後職業也會不斷研究下去 怎麼會說沒事呢
01/04 00:30, 7F

01/04 00:32, , 8F
即使新的理論剛開始只能解釋小部分電腦的棋招也是大進步
01/04 00:32, 8F

01/04 00:33, , 9F
不一定就是了。有的棋招可能是必須要全局串起來才有意義,
01/04 00:33, 9F

01/04 00:34, , 10F
只解釋部分可能是不能用的情況(這點是好點,但後續利用
01/04 00:34, 10F

01/04 00:35, , 11F
用不出來的情況)。當然還是有可能有比較易解釋又可用的部
01/04 00:35, 11F

01/04 00:35, , 12F
分,所以還是可能有幫助。
01/04 00:35, 12F

01/04 00:40, , 13F
企圖用語言來歸納出所謂棋理,本身就是under fitting,只對
01/04 00:40, 13F

01/04 00:40, , 14F
人學棋有幫助,對追求神之一手就差遠了
01/04 00:40, 14F

01/04 00:42, , 15F
如果目標是追求神之一手的話,那確實以後就沒棋士的事了
01/04 00:42, 15F

01/04 00:51, , 16F
還要追求看得懂神之一手啊,不然誰知是好棋壞棋
01/04 00:51, 16F

01/04 00:52, , 17F
總不能說最後贏了所以招招極優吧。
01/04 00:52, 17F

01/04 00:54, , 18F
每個棋士都是為了神之一手而努力的吧
01/04 00:54, 18F

01/04 00:54, , 19F
棋士將會不斷研究下去 AI這方面倒是滿正面的
01/04 00:54, 19F

01/04 00:55, , 20F
樓上說的沒錯,只不過以後那是軟體工程師的工作了
01/04 00:55, 20F

01/04 00:56, , 21F
棋士也可以研究阿
01/04 00:56, 21F

01/04 00:56, , 22F
圍棋這條路不管以後是如何 職業還是會繼續研究
01/04 00:56, 22F

01/04 00:56, , 23F
棋士可以專注在推廣棋藝文化上,因此小弟才說需要新理論
01/04 00:56, 23F

01/04 00:59, , 24F
那也要慢慢去專研 棋士有了AI的啟思 以後說不定有
01/04 00:59, 24F

01/04 01:00, , 25F
新的理解
01/04 01:00, 25F

01/04 01:02, , 26F
在AI成長速度如此快的情況下,研究最佳解棋士還是別拚了
01/04 01:02, 26F

01/04 01:03, , 27F
一定會有新理解的,期待下一個本因坊道策出現
01/04 01:03, 27F

01/04 01:13, , 28F
神之一手的定義是:目前盤面上最好的一手..
01/04 01:13, 28F

01/04 01:14, , 29F
還是這一手的若干步後,這手被稱為神之一手???
01/04 01:14, 29F

01/04 01:18, , 30F
就算可能拚不到 棋手還是會去追求
01/04 01:18, 30F

01/04 02:58, , 31F
以資訊工程領域的定義來說,神之一手是原本能贏的盤面下了
01/04 02:58, 31F

01/04 02:59, , 32F
這一手不會變成和局或輸,而原本和局的不會變輸。也就是說
01/04 02:59, 32F

01/04 02:59, , 33F
絕對不會影響勝負結果。
01/04 02:59, 33F

01/04 03:00, , 34F
亦即假設圍棋是一個先手必勝的遊戲,則當我從第一手開始每
01/04 03:00, 34F

01/04 03:01, , 35F
一手都下到神之一手,則對手不管怎麼應手我都會維持勝利到
01/04 03:01, 35F

01/04 03:02, , 36F
終局,類似這樣的概念。當然也可以擴充到贏的目數子數要盡
01/04 03:02, 36F

01/04 03:02, , 37F
可能最多就是了,那是難度更高更嚴格的定義。
01/04 03:02, 37F

01/04 03:51, , 38F
這樣圍棋下法到底還能不能算是有創意呢 ? 可能對人類而言
01/04 03:51, 38F

01/04 03:52, , 39F
變化太繁複只了解片面而覺得有所謂有靈氣有創見 但對AI就
01/04 03:52, 39F

01/04 03:53, , 40F
只是個技術活
01/04 03:53, 40F

01/04 04:54, , 41F
統計學的結果跟經驗有差異而有新的結論 也算創見啊
01/04 04:54, 41F

01/04 04:55, , 42F
甚至從統計中得出更準確的方式也是有可能的 不過不見得比
01/04 04:55, 42F

01/04 04:56, , 43F
較簡潔
01/04 04:56, 43F

01/04 08:29, , 44F
NN連工程師都不知道他是怎學的 就算棋手知道是好點也難以
01/04 08:29, 44F

01/04 08:29, , 45F
應用吧
01/04 08:29, 45F

01/04 08:52, , 46F
其實人類追求的不是人類的神乎其技嗎?
01/04 08:52, 46F

01/04 10:36, , 47F
以後圍棋老師只能教初學者了
01/04 10:36, 47F

01/04 10:49, , 48F
如果以後AI把為什麼下這個地方顯示出來,
01/04 10:49, 48F

01/04 10:49, , 49F
圍棋老師也不需要??
01/04 10:49, 49F

01/04 10:49, , 50F
AI顯示勝率啊,沒有為什麼
01/04 10:49, 50F

01/04 10:52, , 51F
以後找個棋力10k的宅男女神搭配zen8就可以直播所有世界大賽
01/04 10:52, 51F

01/04 10:52, , 52F
XD
01/04 10:52, 52F

01/04 10:53, , 53F
老師我看50年內都是需要的,不然心算老師表示:
01/04 10:53, 53F

01/04 10:54, , 54F
網球教練自己都打不贏選手,但選手還是會請教練的
01/04 10:54, 54F

01/04 11:00, , 55F
AI絕對有工程模式,只是使用者界面還沒改得友善罷了。能提
01/04 11:00, 55F

01/04 11:00, , 56F
供的不止勝率,起碼有幾個十手內的變化圖可以看吧,也可以
01/04 11:00, 56F

01/04 11:00, , 57F
把這幾個候選位置落子後形勢判斷的差異顯示出來,告訴你哪
01/04 11:00, 57F

01/04 11:00, , 58F
幾手有下在目上
01/04 11:00, 58F

01/04 11:10, , 59F
其實讓電腦能教人也是另一種"AI"可以挑戰的題目
01/04 11:10, 59F

01/04 11:14, , 60F
電腦想了想該如何教人類下棋,最終決定根除人類
01/04 11:14, 60F

01/04 11:17, , 61F
喔對能提供變化圖吧,但電腦的形勢判斷不就是基於勝率
01/04 11:17, 61F

01/04 11:17, , 62F
看?
01/04 11:17, 62F

01/04 11:22, , 63F
哦哦,我是說它可以快速下完全盤數千次,平均出哪些目大致
01/04 11:22, 63F

01/04 11:22, , 64F
屬於黑或白,目前網棋提供的功能就是如此,只是滿弱的,AG
01/04 11:22, 64F

01/04 11:22, , 65F
的版本應該就會比較準
01/04 11:22, 65F

01/04 11:43, , 66F
先有形勢判斷才有勝率,不然你以為勝率怎麼算出來的??
01/04 11:43, 66F

01/04 11:46, , 67F
是說讓AI自己對弈幾千萬盤 應該就可以把貼目問題解了吧
01/04 11:46, 67F

01/04 11:50, , 68F
……
01/04 11:50, 68F

01/04 11:58, , 69F
貼目的問題只有棋神知道, 7.5目AG說白52%, 棋神會說0%或100%
01/04 11:58, 69F

01/04 12:09, , 70F
理論上最後貼目一定不會公平的,必定傾斜一方
01/04 12:09, 70F

01/04 13:54, , 71F
AlphaGo的形勢判斷是大量自我對局堆出來的,這不是人類可
01/04 13:54, 71F

01/04 13:54, , 72F
以直接學習的形式。
01/04 13:54, 72F

01/04 13:57, , 73F
至於貼目問題呢,若有貼半目則解開的情況只有必勝必敗或必
01/04 13:57, 73F

01/04 13:57, , 74F
和三種,正是因為人類跟AI都還遠遠解不開才會有個看似雙方
01/04 13:57, 74F

01/04 13:57, , 75F
公平的解
01/04 13:57, 75F

01/04 14:00, , 76F
不過如果改制為沒有貼那個半目的話就有較高機會出現必和解
01/04 14:00, 76F

01/04 14:01, , 77F
了,不過也會造成一般對局和局機率提高,大家不喜歡
01/04 14:01, 77F

01/04 14:42, , 78F
人類的教學不會被取代的
01/04 14:42, 78F

01/04 14:55, , 79F
往後應是AI給變化圖搭配人類說明的方式來輔助教學,能解多
01/04 14:55, 79F

01/04 14:55, , 80F
少是多少
01/04 14:55, 80F

01/04 15:07, , 81F
那個可能還要等到每個人人手都有一台阿法狗再說XD
01/04 15:07, 81F

01/04 15:18, , 82F
不一定,也許開放用多少錢可以租借網路連線服務的形式即可
01/04 15:18, 82F

01/04 15:18, , 83F
,當然前提是成本划得來
01/04 15:18, 83F

01/04 15:20, , 84F
那成本一定很貴...
01/04 15:20, 84F

01/04 15:24, , 85F
看軟硬體技術以及有沒有可能針對訓練完成的Model出輕量版
01/04 15:24, 85F

01/04 15:24, , 86F
01/04 15:24, 86F

01/04 15:25, , 87F
當下AI領域火熱,資源集中情況下,人人有阿狗很快會實現
01/04 15:25, 87F

01/04 15:28, , 88F
跟當初深藍下棋情況不同,現在是各大公司都有商業動機投入
01/04 15:28, 88F

01/04 15:37, , 89F
比較起來硬體都是小錢 只要做的出來中日韓一定會投
01/04 15:37, 89F

01/04 20:08, , 90F
樓上還是先確定你說的小錢到底是哪個量級的
01/04 20:08, 90F
文章代碼(AID): #1OQypSsd (GO)
文章代碼(AID): #1OQypSsd (GO)