作者 fallcolor 在 PTT [ GO ] 看板的留言(推文), 共37則

[問題] 再和alphago重覆同一盤棋?

[ GO ]16 留言, 推噓總分: +4

作者: Dialysis - 發表於 2016/03/15 22:38(9年前)

2^F推fallcolor: 兩個network輸出不變但快速走子那裡應該有隨機03/15 22:50

[討論] alphago能進化成betago嗎消失

[ GO ]24 留言, 推噓總分: +3

作者: fallcolor - 發表於 2016/03/15 20:07(9年前)

6^F→fallcolor: 恩所以搜尋樹深度很重要03/15 20:14

8^F→fallcolor: 不過我記得快速走子好像單獨使用才24%左右這..算準嗎03/15 20:15

13^F→fallcolor: 如果是廣度問題那就要更換MCTS的UCT策略了03/15 20:17

16^F→fallcolor: 我倒是覺得大家不用妄自菲薄都是對ML有想法的人罷了03/15 20:26

22^F→fallcolor: 這個建議不錯耶03/15 21:45

[新聞] Facebook工程師解疑：AlphaGo為什這厲害

[ GO ]43 留言, 推噓總分: +17

作者: zkow - 發表於 2016/03/14 15:40(9年前)

34^F推fallcolor: Yuandong Tian真的很不錯!03/14 17:04

35^F推fallcolor: 不過rollout policy中的default policy論文裡有嗎?03/14 17:27

Re: [心得] 圍棋AI AlphaGo 之我見

[ GO ]68 留言, 推噓總分: +9

作者: kafai - 發表於 2016/03/14 13:17(9年前)

13^F→fallcolor: 我也覺得MCTS很重要但既然不熟就不敢評論它的重要性03/14 15:01

14^F→fallcolor: 至於NN 純粹是認為你對NN求的最佳解理解為平均這概念03/14 15:02

15^F→fallcolor: 是錯的所以才想介紹ML基礎原理03/14 15:02

16^F→fallcolor: Kalman filter的話...恩...它跟NN複雜度差太多..03/14 15:06

17^F→fallcolor: 不要這樣推論比較好03/14 15:06

57^F→fallcolor: 那你就這樣認為吧以後你對ML懂更多就會改變想法了03/14 17:01

60^F→fallcolor: 我沒這麼說我是說平均這概念不對請別腦補謝謝03/14 19:02

Re: [心得] 圍棋AI AlphaGo 之我見消失

[ GO ]59 留言, 推噓總分: +27

作者: fallcolor - 發表於 2016/03/13 21:53(9年前)

22^F→fallcolor: 說的對除了參數個數模型複雜度也跟f()形狀有關03/13 22:17

41^F→fallcolor: 說的對因為ANN被提出時只有AI 沒有ML 他目的是仿生03/13 22:54

42^F→fallcolor: 不過因為本篇是談ML 所以我從1980開始算的確不精確03/13 22:55

43^F→fallcolor: Dialysis的問題我答案可能是NO 因為f()長什麼樣子03/13 22:56

44^F→fallcolor: 還是由人定義03/13 22:56

[心得] 圍棋AI AlphaGo 之我見

[ GO ]73 留言, 推噓總分: +25

作者: kafai - 發表於 2016/03/13 15:30(9年前)

7^F→fallcolor: 對NN的理解太草率了03/13 16:01

[轉錄] 分析AlphaGo算法巨大的優勢與可能的缺陷

[ GO ]29 留言, 推噓總分: +15

作者: rgx - 發表於 2016/03/13 11:41(9年前)

3^F推fallcolor: 除了google在賽前改MCTS的猜想以外的分析都滿同意的03/13 11:57

Re: [新聞] 科學視角解讀 AI3-5年內將贏遍人類棋手

[ GO ]26 留言, 推噓總分: +1

作者: saltfish - 發表於 2016/03/13 10:53(9年前)

26^F推fallcolor: asglay我懂你不要難過03/13 13:57

Re: [好文推薦] 這兩盤棋沒人會比李世石做得好消失

[ GO ]53 留言, 推噓總分: +10

作者: fallcolor - 發表於 2016/03/12 11:35(9年前)

4^F→fallcolor: 看data source的性質如果是像sensor收到的這種數值03/12 11:45

6^F→fallcolor: 勢必帶noise 那訓練階段就要故意加一點noisy data下去03/12 11:46

12^F→fallcolor: ML可以阿只是過去ML模型沒這麼複雜泛化能力就差03/12 11:48

13^F→fallcolor: 而且這樣說很奇怪 deep本來就是ML的一種03/12 11:48

15^F→fallcolor: 不是耶你有誤會03/12 11:48

50^F→fallcolor: 說的是但貼那個link就是要說明有策略可以讓NN效率變差03/12 13:03

51^F→fallcolor: MCTS如何破解的部分就需要其他專家補充了03/12 13:04

Re: [好文推薦] 這兩盤棋沒人會比李世石做得好消失

[ GO ]169 留言, 推噓總分: +15

作者: fallcolor - 發表於 2016/03/12 00:39(9年前)

4^F→fallcolor: 加入什麼樣的雜訊能讓模型預測失效也是靠演算法算出來03/12 00:45

5^F→fallcolor: 人類能做的事是從這些雜訊反推此模型對什麼樣的輸入03/12 00:46

6^F→fallcolor: 比較敏感容易預測錯誤03/12 00:46

8^F→fallcolor: 對但這個研究的方向就是要證明ML還有改善空間03/12 00:48

10^F→fallcolor: 在某棋面下出某一步造成系統預測失準把這種方式當作加03/12 00:50

11^F→fallcolor: 雜訊03/12 00:50

157^F→fallcolor: 人這麼武斷很難做研究03/12 08:04

作者查詢 / fallcolor