推 staristic: 我猜应该秒杀，这些名局应该是第一批喂AI的食物 02/01 11:57
→ staristic: 就算不是第一批，应该也是喂过。如果答不出来…… 02/01 11:57
很难阿
之前做题目都会遇到
题目太大电脑跑不动的状况
就算是付费的熊猫老师也一样 哈哈
推 kafai: 喂过跟TRAIN起来是两回事，偶发的鬼手可能当NOISE进不去 02/01 13:07
推 coldmilk: 我不行啦，身体太多毛病，已经不写围棋程式了。还有Cold 02/01 13:16
→ coldmilk: milk根本比不上Zen，倒是交大吴毅成老师的团队开发的CGI 02/01 13:16
→ coldmilk: 最近棋力突飞猛进，我看很有可能已经有KGS 6D水准了 02/01 13:16
喔喔
这讯息就没跟上 那这次如果有去温哥华的话
再来学学
推 aaaba: 这个问题太有趣了。因为机器学习讲究的是学到普遍性的原则 02/01 13:19
→ aaaba: ，而非记忆各种特殊解，所以这个问题就得看这些鬼手发生当 02/01 13:19
→ aaaba: 时的盘面会不会透过类神经网络映射到一个容易发现鬼手的特 02/01 13:19
→ aaaba: 殊空间(而不是人类直观看到的361维空间)。如果可以，表示Al 02/01 13:19
→ aaaba: phaGo的普遍性原则萃取得非常之好，很神。 02/01 13:19
→ nanlong: 有时鬼手妙手是因非理性或失衡造成某种局面而爆发出来的. 02/01 14:02
→ nanlong: 人比较会这样..电脑很理性我就不知会不会这样会爆。 02/01 14:03
→ nanlong: 有时双方无错著还挺无聊的-看起伏落差大的对局有趣点。 02/01 14:05
我以为围棋的美丽就是这些层出不穷的鬼手跟妙手阿
这不也是实力展现的一部分
另外藤泽跟加藤的对局
如果那一手是唯一解 那理论上电脑就该跑得出来这位置
这也是个很好的测试阿
http://imgur.com/FljPwS6
不然遇到这个状态下的李世石要赢还真是很辛苦....
白68右下角托 大部分的人跟电脑应该都会觉得这只能跟着应...
手拔中央尖一个实在太强

Deep Learning 不可能学到鬼手 鬼手只能靠硬爆 也就是暴力穷举破解法 等电脑速度能算到五十步以后鬼手就会出来了现在AlphaGo的算法就是跟人一样是靠学习的 不要把它想的那么厉害 还有我不太懂什么叫做唯一解＠＠ 下围棋还有唯一解的话除了局部攻杀 我不觉得有人可以证出来我觉得现阶段AlphaGo不可能靠布局赢人类 只能靠人类的失误但人是很容易算不清打勺的有一点我是觉得值得讨论 当AI赢了人类后 围棋的普及是会进步还是退步呢？我自己感觉是会退步 因为他的魅力对没有接触过围棋的人来讲是减少很多的 不知道国际象棋在1997年以后普及的程度有提高吗？还是越来越少人下了？

“不可能找出鬼手”，是一句不能证明的论述。人感知的鬼手隐蔽程度高段与低段就有所不同，何况是不同参数学出的各种cnn如果如果某些鬼手在AlphaGo认为下一手可能位置的机率值的前二十名，算是学到了吗？

如果机率是前20 然后最后应法都正确的话 就算找出鬼手没错

就这些完全资讯公开的棋类游戏来说，最佳解都是被证明存在的啊，当然最佳解可能不是唯一的至于鬼手只能靠暴力法找这个论述你讲得有点果断，我不同意

我说的鬼手只能靠暴力解是以目前的算法作为基础的以目前发展的算法 鬼手要出来的话必须靠暴力搜索来"找到" (并不是学到) 当然科技进步那么快 说不定两年后新的算法发表出来也是有可能的我是觉得以目前这个算法就有机会打败人类顶尖了 Google并没有想要把围棋AI变成神 等到目前这个AI的棋力比顶尖棋手强一子后这个象征性的研究项目大概也会结束 接下来会研究的可能就只剩对围棋有兴趣的 要组织二三十人有AI知识的研究者是不太可能的

我认为人和机器行棋中目的都是在于“有效率的搜寻到较佳的一手棋”。至于你所谓“学到”和“找到”到底区隔在哪？我不是把AI当神，而是认为不必把人的“学习”当成神圣的词汇，套在机器上面好像就有种抗拒感。

我非常同意你所说的"有效率搜索到最佳的一手棋"因为这以目前的状况下(例如机器资源配置 秒数设定) 所能得到的最佳手鬼手有点像是唯一一手 神之一手这样 想要强调的是AI没有那么强 不要把那么神圣的任务放在他身上AI没办法达到唯一的一手是很正常的 也不要因为这样就觉得人类最终还是比较有创造性啊什么的 然后去排斥AI最近看到有些论坛把AI神格化或是妖魔化感觉都不太恰当噢 我对把学习这个词套在机器上一点也没有抗拒感我把学到跟找到两个词做一下区别只是区别用在AlphaGo的算法上面 以Deep Learning找到鬼手是不可能的 但如果用传统硬爆搜索的方法就有可能 但因为硬件运算速度限制所以目前很难实现职业棋手所谓的鬼手吧好像越讲越不清楚 学到=机器学习统计得出 找到=用传统搜索

@ztdxqa 我只觉得你把AI（或说学习）的范围过度狭义化了。然后再说一次，你认为学不到鬼手，这个结论太果断了。先不提我前面有提过确实有研究就是针对找出稀少有意义的Pattern（虽然目前应该是并没有围棋的AI在使用，这比较常见于Frequent Pattern一系）我只要把学习的条件改为“越稀少但是有赢过”的下法，就能学到一大堆鬼手了。虽然相对地也会学到一大堆垃圾下法，导致这个AI整体来说可能很烂，但我要表明的是“现在的学习方法一定学不到鬼手”这个结论是不正确的而当中如果有针对性的设计，因为它可以用带有乱数的自我对局进一步学习，学出鬼手并非彻底不可能的事，只是我强调“这是需要一些额外特别设计来支援”，它必须拨出一个比例的运算资源来处理稀少着手。然后“AI没办法达到唯一的一手是很正常的”这句话也很诡异就是了，因为就现在而言AI算不清的公开资讯棋类，人类也都算不清XD但很多人类也算得清的棋类，AI一样都能学到唯一必胜的下法

恕我见识浅薄 我确实没听过 frequent pattern这类型的算法(跟naive bayse类似？)所以也不清楚发展到哪里 如果他能用在围棋AI上且能确实学到鬼手会是很大的突破 那这可能会是继Deep Learaning RL又一大进步吧不过以目前 我所知道已发表的算法(蒙地卡罗搜索CNN RL)我实在看不出要怎么学到职业棋士所认为的鬼手 大头鬼这种常用的当然是学得出来处理稀少数据确实是学界一直在努力奋斗的目标 但目前似乎没有一个很有效且通用的法(就我所知) 找到鬼手这种机率很小 可能一百场职业棋谱也找不出一手的数据量 我觉得很不太容易办得到 尤其是以机器学习这种方法来实现至于你说人类算得清机器也算得清唯一必胜的下法 我觉得他用的算法一定是brute force 围棋跟棋类相比 就是以目前的围棋跟其他棋类相比 就是以目前的硬件效能 还不能用暴力法不能说国际象棋可以找出唯一解 围棋就可以 又如果人类都算不清 你又如何评断电脑算得清呢?(暴力解法除外) 所以我认为这是假议题.电脑赢人类 应该是不需要鬼手就可以赢了(最多三年吧@@)

你的brute force到底是多brute？难道涉及到树的搜寻都被你归类为brute force？那人找出鬼手时如果用上一手手排除的寻找，也要被你认为是brute force？好吧！那你对了，deep learning 的确不是用来取代搜寻而是辅助搜寻，不用树的搜寻而解类似赛局概念的问题我还没想过有这种可能性，无论是人或机器。

你说的学不到鬼手其实是建立在一个前提上，就是不能为了学鬼手而多学垃圾手拖累棋力。这叫是不为也，非不能也。然后我还是要说你没有搞清楚你讲出“AI没办法达到唯一的一手是很正常的”这句话到底有多不严谨XD我并没有否定“现在的AI，很难在围棋上得到绝对最佳解”，当人类跟AI都算不清时，你讲那句话根本没有论证任何高下的效果，特别是你句子还没有指定围棋XD然后鬼手也跟最佳着手一点关系也没有，反而跟人类的思考比较有关，鬼手并不一定要是最佳着手，只要对人类来说是出乎意料，导致后续取得利益就可称之，而要学到这种着手只要调整评估方式就有机会将之纳入，只不过会同时也学到很多垃圾手而已，并非学不到。鬼手被算清后，它就可能会变成标准的妙著或其实是应对得当就没那么好的下法，而相对于人类使用大量研究来证实这些东西，AI也可以利用大量带随机性的模拟对局来进行“研究”，这其中唯一的问题就在于鬼手的稀少有可能导致AI一开始就没有打算把它列入需要花运算资源去验证的范围内。因此，只要这边做些设计，让鬼手有可能进入被模拟对局验证的范围即可。当然如上面一直强调的，危险性就在可能让很多垃圾下法也进去抢夺运算资源，甚至劣币驱逐良币，这跟灌进大量低棋棋谱结果越学越差是某程度上相似的状况。赛局理论的话，事实上解赛局理论更需要穷举，因为需要得到完整的pay-off table......XD而且事实上赛局理论的分析在某些情况还是会使用树状展开处理的，不管用树状或矩阵式，目标都是穷举所有选择对双方的价值