n*****t
发帖数: 22014 | 1 李思思还在试图寻找阿狗的漏洞，比如不会打劫，以求扳回一局。我认为前两盘输就输
在这种心态上了。
实际上，阿狗的漏洞很明显，既序盘的时候判断能力差。这其实也很容易理解，棋盘越
大、变化越多，电脑的计算优势越小，漏算可能越大。而人类的直觉和成百上千年的研
究、手割，基本已经对此有定论了。
既然如此，就应当按棋理下，堂堂正正的应对，而不要寄希望于什么骗招、鬼招。事实
上在大家都不熟悉的地方，电脑显然算得更清楚。你在这里偷鸡摸狗，对方在那里冷冷
的算得清清楚楚。
也许只有输了第三盘，100 万的奖金彻底泡汤之后，李思思才会放下胜负心，抱着向电
脑学棋的心态，下出正常水平。也只有这样冷冷的下，人类才能战胜电脑。 |
P******a
发帖数: 1379 | 2 下自己的棋还是一个输，不过场面会好看些
【在 n*****t 的大作中提到】
: 李思思还在试图寻找阿狗的漏洞，比如不会打劫，以求扳回一局。我认为前两盘输就输
: 在这种心态上了。
: 实际上，阿狗的漏洞很明显，既序盘的时候判断能力差。这其实也很容易理解，棋盘越
: 大、变化越多，电脑的计算优势越小，漏算可能越大。而人类的直觉和成百上千年的研
: 究、手割，基本已经对此有定论了。
: 既然如此，就应当按棋理下，堂堂正正的应对，而不要寄希望于什么骗招、鬼招。事实
: 上在大家都不熟悉的地方，电脑显然算得更清楚。你在这里偷鸡摸狗，对方在那里冷冷
: 的算得清清楚楚。
: 也许只有输了第三盘，100 万的奖金彻底泡汤之后，李思思才会放下胜负心，抱着向电
: 脑学棋的心态，下出正常水平。也只有这样冷冷的下，人类才能战胜电脑。
|
h*h
发帖数: 27852 | 3 狗打劫会吃亏，但是估计不足以改写胜负
寻劫，不意味不走本手
【在 n*****t 的大作中提到】
: 李思思还在试图寻找阿狗的漏洞，比如不会打劫，以求扳回一局。我认为前两盘输就输
: 在这种心态上了。
: 实际上，阿狗的漏洞很明显，既序盘的时候判断能力差。这其实也很容易理解，棋盘越
: 大、变化越多，电脑的计算优势越小，漏算可能越大。而人类的直觉和成百上千年的研
: 究、手割，基本已经对此有定论了。
: 既然如此，就应当按棋理下，堂堂正正的应对，而不要寄希望于什么骗招、鬼招。事实
: 上在大家都不熟悉的地方，电脑显然算得更清楚。你在这里偷鸡摸狗，对方在那里冷冷
: 的算得清清楚楚。
: 也许只有输了第三盘，100 万的奖金彻底泡汤之后，李思思才会放下胜负心，抱着向电
: 脑学棋的心态，下出正常水平。也只有这样冷冷的下，人类才能战胜电脑。
|
M*T
发帖数: 123 | 4 事实上小李第二句就是这么下的，用最正常的开局试图拿下序盘。
结果狗狗冷不丁一个脱先中国流断了“人类成百上千年的研究、手割”，让他没法继续
按谱子下了。
小李当时就起身出去抽烟了你看到没…… |
n*****t
发帖数: 22014 | 5 我不认为狗打劫会吃亏，这种纯计算的东西，对电脑来说太简单了。狗的弱点还是序盘
，正如他们自己说的，缺乏足够多的高手的棋谱。
举个例子，第一局右上托退，职业棋手基本都认为黑便宜。但是在狗的字典里，有 1M
的业余棋手对局没有体现这点，有 6 盘职业棋手对局，黑的胜率 4/6，这种情况下就
很难得出准确结论。
【在 h*h 的大作中提到】
: 狗打劫会吃亏，但是估计不足以改写胜负
: 寻劫，不意味不走本手
|
n*****t
发帖数: 22014 | 6 正常情况下，这种脱先很快会被攻击，李思思恰恰是因为对电脑的恐惧，在应该作战的
地方束手束脚，这种例子第二局至少有 3 个以上。
【在 M*T 的大作中提到】
: 事实上小李第二句就是这么下的，用最正常的开局试图拿下序盘。
: 结果狗狗冷不丁一个脱先中国流断了“人类成百上千年的研究、手割”，让他没法继续
: 按谱子下了。
: 小李当时就起身出去抽烟了你看到没……
|
t******l
发帖数: 10908 | 7 你忘了狗可以跟克隆狗对练，一步步提升战力，产生无数职业棋手级别的内部对局。
（前提是 learning 算法参数结果稳定能 converge，估计一伙马工天天对付这个。
另外是不能有 search space 里的重大遗漏，不过可能肉算也看不出来就是了。）。
只要在狗咬狗的 learning 阶段能保持稳定 converge，一群狗的战力不断相互提升。
克服这个弱点也就是费多少电的问题。
或者从某个角度看，一群狗咬狗，其实好比是高层 learning 的不断 iterative 的算
法。
话说当年牛鼻顿不就是用 iterative newton solver 把欧几里德阿基米德打得满地找
牙？虽然 iterative newton solver 的每一步都很蠢，不超过泰勒展开的二次微分项。
但只要保持 converge，来上五百万步，啥高次多次超级次方程，都是屎。
1M
【在 n*****t 的大作中提到】
: 我不认为狗打劫会吃亏，这种纯计算的东西，对电脑来说太简单了。狗的弱点还是序盘
: ，正如他们自己说的，缺乏足够多的高手的棋谱。
: 举个例子，第一局右上托退，职业棋手基本都认为黑便宜。但是在狗的字典里，有 1M
: 的业余棋手对局没有体现这点，有 6 盘职业棋手对局，黑的胜率 4/6，这种情况下就
: 很难得出准确结论。
|
M*T
发帖数: 123 | 8 攻击力不如小李的，当然不敢离谱。可遇到攻击力超过他的，这么下不是更合理么，而
且还正好打乱了他的思路，从此你得跟着我走……
总之就是若按棋谱来小李最后能占优势的话，我相信狗狗铁定中间给你变出岔子。 |
n*****t
发帖数: 22014 | 9 能穷举算清的，电脑 100% 不会输，比如角上的死活。但对于序盘和早期的战斗，电脑
的评估算法显然不靠谱，多少条狗对战都没用。
项。
【在 t******l 的大作中提到】
: 你忘了狗可以跟克隆狗对练，一步步提升战力，产生无数职业棋手级别的内部对局。
: （前提是 learning 算法参数结果稳定能 converge，估计一伙马工天天对付这个。
: 另外是不能有 search space 里的重大遗漏，不过可能肉算也看不出来就是了。）。
: 只要在狗咬狗的 learning 阶段能保持稳定 converge，一群狗的战力不断相互提升。
: 克服这个弱点也就是费多少电的问题。
: 或者从某个角度看，一群狗咬狗，其实好比是高层 learning 的不断 iterative 的算
: 法。
: 话说当年牛鼻顿不就是用 iterative newton solver 把欧几里德阿基米德打得满地找
: 牙？虽然 iterative newton solver 的每一步都很蠢，不超过泰勒展开的二次微分项。
: 但只要保持 converge，来上五百万步，啥高次多次超级次方程，都是屎。
|
D*******r
发帖数: 2323 | 10 别扯什么阿狗的弱点是序盘判断能力了，应该是人类反省自己的序盘判断理论的缺陷好
不好？
在这里再次解释一下阿狗是怎么做形势判断的。
围棋的所有合法局面是10^171。阿狗当然是不可能算尽所有合法局面。它是从当前手开
始，按照人类棋手可能走的各种应手，在几秒钟内摆出几十万种到终局的结果，并统计
胜负比例。以此比例来判断当前局面形势黑白各自胜率如何。
当然，实际棋局可能不会是完全和它计算的那几十万种终局相同，但是这并不很大影响
它的胜率判断的准确性。必然说它所计算的100万种终局结果中黑的胜率是55%。虽然还
有N个黑负的局面没有在这一百万个终局里，但同样也有N多黑胜的局面不在这一百万终
局里。也就是说即使算尽10^171方种终局，黑的胜率和它只算100万个终局得到的胜率
相差甚微。
又由于它是基于人类可能的应手去确定他要判断的终局局面，所以人类除非能够完全一
反棋理走出阿狗完全预料不到的应手，99%以上的可能，人类的应手是在阿狗的计算范
围内的。
所以整个棋局的过程就是，从开始各自50%的胜率开始，选择每一步的胜率，计算机总
是在最高的胜率的应手里选，人类应对了，也就是继续把50%左右的胜率继续维持，如
果人类有一步选成了40%胜率的应手，那么在这40%胜率应手往后，人类选择走向输的概
率就越大，如果后面又选了一个胜率小的，那么人类可能胜利的概率就越来越狭窄，我
估计阿法狗到达某个胜率比如说57%，人类就再也没法翻盘了，因为狗会把算到的人类
可能胜利的变化一一堵死，除非人类又能走出它完全算不到的变化，但这个概率几乎为
零。
所以李世石昨天其实是做得相当完美的，他在到中盘前，一直没有犯错误，也就是说他
的应手也都是在胜率50%左右的应手范围内，所以直到进入中盘，阿法狗的胜率也就是
在50%以后。但是再往后，随着局面的复杂，李世石再也撑不住了。
【在 n*****t 的大作中提到】
: 李思思还在试图寻找阿狗的漏洞，比如不会打劫，以求扳回一局。我认为前两盘输就输
: 在这种心态上了。
: 实际上，阿狗的漏洞很明显，既序盘的时候判断能力差。这其实也很容易理解，棋盘越
: 大、变化越多，电脑的计算优势越小，漏算可能越大。而人类的直觉和成百上千年的研
: 究、手割，基本已经对此有定论了。
: 既然如此，就应当按棋理下，堂堂正正的应对，而不要寄希望于什么骗招、鬼招。事实
: 上在大家都不熟悉的地方，电脑显然算得更清楚。你在这里偷鸡摸狗，对方在那里冷冷
: 的算得清清楚楚。
: 也许只有输了第三盘，100 万的奖金彻底泡汤之后，李思思才会放下胜负心，抱着向电
: 脑学棋的心态，下出正常水平。也只有这样冷冷的下，人类才能战胜电脑。
|
|
|
D*******r
发帖数: 2323 | 11 再说一下所谓的”失误“。
人类以为人类对抗AI是因为人会受情绪波动，注意力分散而造成偶尔失误，其实在计算
机眼里，人类棋手的每一步都踏在失误边缘，胜率50%和胜率49%的两手棋，选了49%的
那一手，就是一个失误，只不过因为这个失误微小，或者因为其带来的恶果远在几十手
以后，人类根本不自知，甚至还以为自己是优势。
所以人类的失误根本就不是来自于疏忽和情绪波动，它的根本原因是人没法精确计算，
人的计算精度差计算机太远。于是计算机就像一个耐心的猎手，等待着人类在一连串的
大小失误中一步步走向深渊。
【在 D*******r 的大作中提到】
: 别扯什么阿狗的弱点是序盘判断能力了，应该是人类反省自己的序盘判断理论的缺陷好
: 不好？
: 在这里再次解释一下阿狗是怎么做形势判断的。
: 围棋的所有合法局面是10^171。阿狗当然是不可能算尽所有合法局面。它是从当前手开
: 始，按照人类棋手可能走的各种应手，在几秒钟内摆出几十万种到终局的结果，并统计
: 胜负比例。以此比例来判断当前局面形势黑白各自胜率如何。
: 当然，实际棋局可能不会是完全和它计算的那几十万种终局相同，但是这并不很大影响
: 它的胜率判断的准确性。必然说它所计算的100万种终局结果中黑的胜率是55%。虽然还
: 有N个黑负的局面没有在这一百万个终局里，但同样也有N多黑胜的局面不在这一百万终
: 局里。也就是说即使算尽10^171方种终局，黑的胜率和它只算100万个终局得到的胜率
|
o*****p
发帖数: 2977 | 12 Alphago是判断70手的时候自己的胜率大增。这一步大部分视频的职业棋手都大吃一惊
，包括古力和柯洁。
https://www.zhihu.com/question/41213792/answer/90327874?group_i
691799163309936640
“白70、72打拔二路一子，还落了后手，几乎等于投降。当时在直播或研究的所有人，
感觉都要跳起来了。李世石是怎么啦？”
所以李世石是下了一个差不多所有职业棋手都能看得见的大勺子，Alphgo才一把抓住
。可见你说的“但是再往后，随着局面的复杂，李世石再也撑不住了。”也实在有点夸
张。职业选手的能力底线应该比这个高很多。
【在 D*******r 的大作中提到】
: 别扯什么阿狗的弱点是序盘判断能力了，应该是人类反省自己的序盘判断理论的缺陷好
: 不好？
: 在这里再次解释一下阿狗是怎么做形势判断的。
: 围棋的所有合法局面是10^171。阿狗当然是不可能算尽所有合法局面。它是从当前手开
: 始，按照人类棋手可能走的各种应手，在几秒钟内摆出几十万种到终局的结果，并统计
: 胜负比例。以此比例来判断当前局面形势黑白各自胜率如何。
: 当然，实际棋局可能不会是完全和它计算的那几十万种终局相同，但是这并不很大影响
: 它的胜率判断的准确性。必然说它所计算的100万种终局结果中黑的胜率是55%。虽然还
: 有N个黑负的局面没有在这一百万个终局里，但同样也有N多黑胜的局面不在这一百万终
: 局里。也就是说即使算尽10^171方种终局，黑的胜率和它只算100万个终局得到的胜率
|
D*******r
发帖数: 2323 | 13 先不说“Alphago是判断70手的时候自己的胜率大增。”这句话是否可靠，即使可靠，
和我说的也不矛盾啊。
那只能说明李世石把两分的局面撑到了第70手。不能说明人类棋手分析的阿法狗在左下
粘两子逃出后大损的判断呀？阿法狗就是先把胜率保持在50%左右，然后等待人类一连
串的失误，这和我的结论符合呀。
【在 o*****p 的大作中提到】
: Alphago是判断70手的时候自己的胜率大增。这一步大部分视频的职业棋手都大吃一惊
: ，包括古力和柯洁。
: https://www.zhihu.com/question/41213792/answer/90327874?group_i
: 691799163309936640
: “白70、72打拔二路一子，还落了后手，几乎等于投降。当时在直播或研究的所有人，
: 感觉都要跳起来了。李世石是怎么啦？”
: 所以李世石是下了一个差不多所有职业棋手都能看得见的大勺子，Alphgo才一把抓住
: 。可见你说的“但是再往后，随着局面的复杂，李世石再也撑不住了。”也实在有点夸
: 张。职业选手的能力底线应该比这个高很多。
|
o*****p
发帖数: 2977 | 14 唉。你是犯了一个基本逻辑错误。但我没精力撕逼了。只是提醒你一点吧。
围棋和5子棋应该是有完美解的：这个解就是，你错了任何一步，对方的胜率就是100%
。（就象国际象棋好像就有近完美解了，先走的一定至少能逼和对手）。
任何你走一步，对方的几率增加1%这种，不是棋的最优解是有这个性质，而是这个计
算机根本对完美解还没谱。根据某些算法预估出来的几率。
更简单的一个比喻你能懂：比如让两个Alphago下棋，难道两个Alphago能50%的几率到
终局？一定是到了某个阶段某一个Alphago自以为的50%，被对手的Alphago一个下出了
胜率大跌的结果。
对人也一样。某处Alphago以为是50%，人下了一手（另一个Alphago的棋），Alphgo的
胜率立刻下降。
解释的不清楚。不过就这样吧。
【在 D*******r 的大作中提到】
: 再说一下所谓的”失误“。
: 人类以为人类对抗AI是因为人会受情绪波动，注意力分散而造成偶尔失误，其实在计算
: 机眼里，人类棋手的每一步都踏在失误边缘，胜率50%和胜率49%的两手棋，选了49%的
: 那一手，就是一个失误，只不过因为这个失误微小，或者因为其带来的恶果远在几十手
: 以后，人类根本不自知，甚至还以为自己是优势。
: 所以人类的失误根本就不是来自于疏忽和情绪波动，它的根本原因是人没法精确计算，
: 人的计算精度差计算机太远。于是计算机就像一个耐心的猎手，等待着人类在一连串的
: 大小失误中一步步走向深渊。
|
n*****t
发帖数: 22014 | 15 几秒钟摆出几十万种到终局的结果？
假如每一步有 5 种变化，假如只计算 20 步，假如我们把每个结果存为一个字节，你
算算是多大的存储。
【在 D*******r 的大作中提到】
: 别扯什么阿狗的弱点是序盘判断能力了，应该是人类反省自己的序盘判断理论的缺陷好
: 不好？
: 在这里再次解释一下阿狗是怎么做形势判断的。
: 围棋的所有合法局面是10^171。阿狗当然是不可能算尽所有合法局面。它是从当前手开
: 始，按照人类棋手可能走的各种应手，在几秒钟内摆出几十万种到终局的结果，并统计
: 胜负比例。以此比例来判断当前局面形势黑白各自胜率如何。
: 当然，实际棋局可能不会是完全和它计算的那几十万种终局相同，但是这并不很大影响
: 它的胜率判断的准确性。必然说它所计算的100万种终局结果中黑的胜率是55%。虽然还
: 有N个黑负的局面没有在这一百万个终局里，但同样也有N多黑胜的局面不在这一百万终
: 局里。也就是说即使算尽10^171方种终局，黑的胜率和它只算100万个终局得到的胜率
|
o*****p
发帖数: 2977 | 16
http://mitbbs.com/article1/Go/31249205_3_0.html
ss ss 回复 toraoh hdu
“在40-48步的时候胜率评估分布式是47%，单机51%”
“70-71这一手alphago认为胜率飙升。现在自评56%”
而且前面50步Alphgo有胜率下降的时候，不是你说的只能上升。
https://www.zhihu.com/question/41213792/answer/90327874?group_i
691799163309936640
【在 D*******r 的大作中提到】
: 先不说“Alphago是判断70手的时候自己的胜率大增。”这句话是否可靠，即使可靠，
: 和我说的也不矛盾啊。
: 那只能说明李世石把两分的局面撑到了第70手。不能说明人类棋手分析的阿法狗在左下
: 粘两子逃出后大损的判断呀？阿法狗就是先把胜率保持在50%左右，然后等待人类一连
: 串的失误，这和我的结论符合呀。
|
D*******r
发帖数: 2323 | 17 你先去了解点基础知识吧，快速摆棋摆出终局结果，不是计算，这里没有次序问题，就
是终局图形。比如说黑二连星白二连星是一种终局图形，但是走出黑二连星白二连星的
方式有八种。
快速摆棋只是用来做形势判断，就是说从现在的局面开始，不管次序如何，一人一手走
出100万种终局局面，黑白胜负率各为多少。至于怎么走出它计算的终局局面，才是蒙
特卡罗搜索的任务。
【在 n*****t 的大作中提到】
: 几秒钟摆出几十万种到终局的结果？
: 假如每一步有 5 种变化，假如只计算 20 步，假如我们把每个结果存为一个字节，你
: 算算是多大的存储。
|
n*****t
发帖数: 22014 | 18 我都没说计算，我说的仅仅是存储计算结果。
等会，你的终局图形到二连星就结束了？黑就判断自己赢了？那当我没说吧。
【在 D*******r 的大作中提到】
: 你先去了解点基础知识吧，快速摆棋摆出终局结果，不是计算，这里没有次序问题，就
: 是终局图形。比如说黑二连星白二连星是一种终局图形，但是走出黑二连星白二连星的
: 方式有八种。
: 快速摆棋只是用来做形势判断，就是说从现在的局面开始，不管次序如何，一人一手走
: 出100万种终局局面，黑白胜负率各为多少。至于怎么走出它计算的终局局面，才是蒙
: 特卡罗搜索的任务。
|
w**p
发帖数: 39 | 19 搜索空间不需要10^171, 局部小很多，第一作者的博士论文可以网上下载，黑白对称，
棋盘四角旋转境象对称，局部变化完全在计算机掌控中，远处呼应的影响完全可以打分
，现在只有试武宫流，看计算机削空能力了 |
D*******r
发帖数: 2323 | 20 你要有点概率统计的基础知识就会明白我说的。
现在有10^171个棋谱，你不知道其中有多少是黑赢，多少白赢。
于是，你随机选出100万个棋谱，统计出黑赢的比率是55%。
你认为10^171个棋谱中真正的黑胜的棋谱比率会占多少？
100%
【在 o*****p 的大作中提到】
:
: http://mitbbs.com/article1/Go/31249205_3_0.html
: ss ss 回复 toraoh hdu
: “在40-48步的时候胜率评估分布式是47%，单机51%”
: “70-71这一手alphago认为胜率飙升。现在自评56%”
: 而且前面50步Alphgo有胜率下降的时候，不是你说的只能上升。
: https://www.zhihu.com/question/41213792/answer/90327874?group_i
: 691799163309936640
|
|
|
M*******p
发帖数: 5626 | 21 输肯定输了，但是也一定要看，第二局石头能抵抗到70几手不落下风，第三局看看能抵
抗到什么时候。 |
n*****t
发帖数: 22014 | 22 我前面说了，即使只计算 5^20 种变化，也是相当惊人的，哪怕是对电脑来说。而计算
20 来手对人类来说太正常了。
【在 w**p 的大作中提到】
: 搜索空间不需要10^171, 局部小很多，第一作者的博士论文可以网上下载，黑白对称，
: 棋盘四角旋转境象对称，局部变化完全在计算机掌控中，远处呼应的影响完全可以打分
: ，现在只有试武宫流，看计算机削空能力了
|
n*****t
发帖数: 22014 | 23 10^9 vs 10^171 毫无意义
【在 D*******r 的大作中提到】
: 你要有点概率统计的基础知识就会明白我说的。
: 现在有10^171个棋谱，你不知道其中有多少是黑赢，多少白赢。
: 于是，你随机选出100万个棋谱，统计出黑赢的比率是55%。
: 你认为10^171个棋谱中真正的黑胜的棋谱比率会占多少？
:
: 100%
|
D******n
发帖数: 2965 | 24 唯一的办法只有找火星人下过的棋谱，因为狗狗还没学习过，火星棋谱本身又蕴含着一
定程度的理性。这样说不定还有机会。
【在 D*******r 的大作中提到】
: 别扯什么阿狗的弱点是序盘判断能力了，应该是人类反省自己的序盘判断理论的缺陷好
: 不好？
: 在这里再次解释一下阿狗是怎么做形势判断的。
: 围棋的所有合法局面是10^171。阿狗当然是不可能算尽所有合法局面。它是从当前手开
: 始，按照人类棋手可能走的各种应手，在几秒钟内摆出几十万种到终局的结果，并统计
: 胜负比例。以此比例来判断当前局面形势黑白各自胜率如何。
: 当然，实际棋局可能不会是完全和它计算的那几十万种终局相同，但是这并不很大影响
: 它的胜率判断的准确性。必然说它所计算的100万种终局结果中黑的胜率是55%。虽然还
: 有N个黑负的局面没有在这一百万个终局里，但同样也有N多黑胜的局面不在这一百万终
: 局里。也就是说即使算尽10^171方种终局，黑的胜率和它只算100万个终局得到的胜率
|
s***u
发帖数: 80 | 25 按
按堂堂正正的棋理下，是正理。
输了，那就是人类认识的错误。
【在 n*****t 的大作中提到】
: 李思思还在试图寻找阿狗的漏洞，比如不会打劫，以求扳回一局。我认为前两盘输就输
: 在这种心态上了。
: 实际上，阿狗的漏洞很明显，既序盘的时候判断能力差。这其实也很容易理解，棋盘越
: 大、变化越多，电脑的计算优势越小，漏算可能越大。而人类的直觉和成百上千年的研
: 究、手割，基本已经对此有定论了。
: 既然如此，就应当按棋理下，堂堂正正的应对，而不要寄希望于什么骗招、鬼招。事实
: 上在大家都不熟悉的地方，电脑显然算得更清楚。你在这里偷鸡摸狗，对方在那里冷冷
: 的算得清清楚楚。
: 也许只有输了第三盘，100 万的奖金彻底泡汤之后，李思思才会放下胜负心，抱着向电
: 脑学棋的心态，下出正常水平。也只有这样冷冷的下，人类才能战胜电脑。
|
D*******r
发帖数: 2323 | 26 每个棋盘361个点，算一个点占一个byte，一百万局也就是361M存储空间。
我说终局摆到二连星黑就判断自己赢了吗？我用一个简单例子告诉你终局局面和多少组
合变化的区别而已。
【在 n*****t 的大作中提到】
: 我都没说计算，我说的仅仅是存储计算结果。
: 等会，你的终局图形到二连星就结束了？黑就判断自己赢了？那当我没说吧。
|
s***u
发帖数: 80 | 27 对的。
而且有的时候alphago留给人类很多选择。
只有一个特别正确接近50%。
剩下的都是微亏的。
一次次给人类这样的出错机会。
包括后盘其实也是如此。
陷好
手开
统计
影响
然还
万终
胜率
【在 D*******r 的大作中提到】
: 再说一下所谓的”失误“。
: 人类以为人类对抗AI是因为人会受情绪波动，注意力分散而造成偶尔失误，其实在计算
: 机眼里，人类棋手的每一步都踏在失误边缘，胜率50%和胜率49%的两手棋，选了49%的
: 那一手，就是一个失误，只不过因为这个失误微小，或者因为其带来的恶果远在几十手
: 以后，人类根本不自知，甚至还以为自己是优势。
: 所以人类的失误根本就不是来自于疏忽和情绪波动，它的根本原因是人没法精确计算，
: 人的计算精度差计算机太远。于是计算机就像一个耐心的猎手，等待着人类在一连串的
: 大小失误中一步步走向深渊。
|
s***u
发帖数: 80 | 28 Bugger是对的。
你说的这个道理分析的太简单，谁都明白。
你的这个说法最早也就是MCTS 90年代试了试效果不好就放弃了的原因。
人们无论如何不觉得在一个确定性的东西上人为把概率的内容塞进去会得到好的效果。
非常违反直觉。
可是2005年重新弄到好的结果才热起来。并且大热，背后的理论分析是有的。
就是收敛。
100%
计算
%的
十手
算，
串的
【在 o*****p 的大作中提到】
:
: http://mitbbs.com/article1/Go/31249205_3_0.html
: ss ss 回复 toraoh hdu
: “在40-48步的时候胜率评估分布式是47%，单机51%”
: “70-71这一手alphago认为胜率飙升。现在自评56%”
: 而且前面50步Alphgo有胜率下降的时候，不是你说的只能上升。
: https://www.zhihu.com/question/41213792/answer/90327874?group_i
: 691799163309936640
|
t******l
发帖数: 10908 | 29 这种其实也是 global optimizer 的一种常见结果，看起来在每个个体上
赚得不多，而且只是 statistically 的赚，有个别还会亏一些（个别
outlier）。但加起来就稳赚不赔赚翻了。
【在 s***u 的大作中提到】
: 对的。
: 而且有的时候alphago留给人类很多选择。
: 只有一个特别正确接近50%。
: 剩下的都是微亏的。
: 一次次给人类这样的出错机会。
: 包括后盘其实也是如此。
:
: 陷好
: 手开
: 统计
|
s***u
发帖数: 80 | 30 就当欣赏精彩对局了。
希望石头超水平发挥切alphago一盘。
【在 M*******p 的大作中提到】
: 输肯定输了，但是也一定要看，第二局石头能抵抗到70几手不落下风，第三局看看能抵
: 抗到什么时候。
|
|
|
s***u
发帖数: 80 | 31 你说的也没有错，MCTS实现简单，但是其中一个麻烦就是内存需求大。
不过不是像你这样算的。不是所有分支存下来的。
实际上有很多优化，能不存的尽量不存。
陷好
手开
统计
影响
然还
万终
胜率
【在 n*****t 的大作中提到】
: 几秒钟摆出几十万种到终局的结果？
: 假如每一步有 5 种变化，假如只计算 20 步，假如我们把每个结果存为一个字节，你
: 算算是多大的存储。
|
D*******r
发帖数: 2323 | 32 他跟我说的根本就是两个问题，我在说阿狗的快速摆棋形势判断算法，他在说蒙特卡罗
存储计算分支要多少存储空间，这根本就是两码事。在阿狗的distributed system上，
这根本就是在两个不同的机子上做的。
【在 s***u 的大作中提到】
: 你说的也没有错，MCTS实现简单，但是其中一个麻烦就是内存需求大。
: 不过不是像你这样算的。不是所有分支存下来的。
: 实际上有很多优化，能不存的尽量不存。
:
: 陷好
: 手开
: 统计
: 影响
: 然还
: 万终
|
o*****p
发帖数: 2977 | 33 这个其实没有几率问题。
我们假设我们有所有黑白谱的终局，然后我们假设这些黑白谱要么黑赢要么白赢（当
然有极少数和棋的情况，为了简明起见，我们认为没有和棋），然后是两个围棋之神在
下棋。
好了，对这每一个终局而言，输赢是100%，要么黑赢，要么白赢，没有几率问题。
从这个树枝回推（可以想象吧）
假设最后一级分叉是黑子，上一级就是白子。那么上一级的白子是不是决定性的，100
%已经确定了是黑还是白输赢呢？
其实有3种情况：白子的有几个分叉，这几个分叉都是黑赢，那么这个白子也是100%黑
赢，
如果这几个分叉都是白赢，那么这个白子也是100%白赢。
如果有几个分叉，部分是白赢，部分是黑赢 --- 注意，因为我们假设是围棋之神在下
棋，那么最后下黑棋的，必然选择黑赢，所以这种情况，也是100%黑赢！
所以倒数第二层的棋也是100%决定论的！
依次类推，一直往上，任何一层的任何一枝，对真正的围棋之神，都只有100%黑赢或
者白赢的机会。
所以这里根本就没有几率问题。
这么一直可以推到最上 ---- 其实对围棋来说，该黑赢还该白赢本来是决定性的。就
象5子棋，该谁赢没有什么几率问题。
只要扯到几率，还都是说明下棋还是靠蒙。既然你还在蒙，那绝对没什么指望自己的
几率只升不降。遇到知道全部结局的围棋之神，你还在讨论我有50%的几率，那第一手
，胜率就下降到1/10 （假设神之决定性一手是在你的10个选项中的一个），第二手胜
率就下降到1/100以下。第三手棋。。。。
【在 D*******r 的大作中提到】
: 你要有点概率统计的基础知识就会明白我说的。
: 现在有10^171个棋谱，你不知道其中有多少是黑赢，多少白赢。
: 于是，你随机选出100万个棋谱，统计出黑赢的比率是55%。
: 你认为10^171个棋谱中真正的黑胜的棋谱比率会占多少？
:
: 100%
|
