※ 引述《turing (涂妮)》之铭言：
: 再看今天第78手后，发生什么事情？
: 明显这个“神之一手”不在其策略网络之前估计的棋步中。
: 所以，之前所有值网络所估计的胜率全部报废。
: AlphaGo必需全部重新计算胜率，而需要约五步的时间(到第79~87步)
: 值网络才回复正常。
我的看法是 Policy Network 里面有给过神之一手 (白 78)
AlphaGo 也算过相关变化, 但是算的不够深, 或者说 Value Network 太晚估对.
假设 AlphaGo 搜寻深度固定 8 层 (简化说明, 实际上不是如此)
AlphaGo 79 手: 我算过 79~86 手的变化了, 86 手的 value network 有 70%
我可以安心下 79.
AlphaGo 81 手: 81 手 value network 报 70%
让我算一下 81~88 手为止的变化
WTF! 87 手的 value network 掉到 40% ?
可是 81 手的胜率 40% (被 87 手降低) 还是最高, 只好继续下 81.
AlphaGo 83 手: 83 手 value network 报 70%
83 手的胜率 40% 还是最高, 只好继续下 83.
AlphaGo 83 手: 85 手 value network 报 70%
85 手的胜率 40% 还是最高, 只好继续下 85.
AlphaGo 87 手: 87 手的 value network 报 40%
我第 81 手时知道我错了, 可是 81 手前下错已经走上单行道.
想避开神之一手
AlphaGo 要能搜寻的更深提早知道 87 手的盘面很劣 (但要花很多运算时间)
或是 Value Network 早一点报对, 比如说第 80 手的盘面就知道很劣.
拉长搜寻时间不太可行 (今天都快用光时间了)
把 Value Network 训练的更准应该是 AlphaGo 主要的目标.
作者:
ilw4e (可以吃吗？)
2016-03-13 22:23:00可是照理说minimax不是要排除吗?:D
作者:
SuperUp ((￣▽￣＃)﹏﹏)
2016-03-13 22:24:00自爆的那二手也是胜率最高吗?
作者:
ShenMue (莎木)
2016-03-13 22:28:00如果到了2040年左右？能再多搜个几层的话 棋士还能对抗吗
作者:
aaaba (小强)
2016-03-13 22:28:00也有可能是mcts里的rollout policy太烂，分支就被剪掉了
作者:
birdy590 (Birdy)
2016-03-13 22:28:00实际上计算是 MCTS, 评估网络认为没那么重要的 就不会算那么深(时间够或计算资源多还是可能会算到 但不保证)
作者:
arcworld (人生究竟是什么呢？)
2016-03-13 22:29:00可是是因为AG下了69才会有78的发生
作者:
Uizmp (黑袍法师)
2016-03-13 22:30:00自爆的时候可能决策系统给出的胜率都很低了
作者:
pkyosx (Insomnia)
2016-03-13 22:30:00minmax 是看他深度决定的 有可能 min 在更深的地方
作者:
birdy590 (Birdy)
2016-03-13 22:31:00应该反过来讲 它在计算 69 的时候是看不到 78 的
作者:
arcworld (人生究竟是什么呢？)
2016-03-13 22:31:00所以，实际上AG在评估69要下哪边时就做错决定了...
作者:
pkyosx (Insomnia)
2016-03-13 22:31:00等到他真的遇到了 就 GG 了
作者:
pkyosx (Insomnia)
2016-03-13 22:37:00这个局部的洞估计两边都很难在够早的地方看到 就是运气
不懂。如果他早知道正常下87手胜率很低，79手就不会觉得胜率高吧? 我不懂MCTS，但我以为这里收敛到minimax很快
感谢原po XD 想来我本来看错了，不过这跟Demis说法不符?
就是Demis说AlphaGo的回报胜率到87才降
Demis 可能透过 AlphaGo 知道 79 手下别处没那么差value network 的确是到 87 手才降的搜寻树回报的胜率是后续几手 value network 决定Demis 指的是 value network 到 87 手才知道劣太晚了
我不会这样解读Demis的说法XD 不过说不定是你说的这样等等，你说的真是太有道理了!!! m(_ _)m感谢推这篇XD，我觉得对没学过算法的人这篇最好，你没有讨论rollout policy，不过Demis意思应该就是说value network才是问题所在，这样好像很难分析...