感觉AlphaGo最大的问题是用胜率去下每一子
成也胜率败也胜率
领先时无法赢到最大 落后时无法输到最小
人类棋手落后时会这里挖一点那里挖一点先缩小差距
ai落后时容易出现一些 你虚手我胜率飙涨
但人类棋手怎么可能去虚手
去年黄博士说过bug修好了 但人类没做任何事只是让他自我对弈自己就修好了
看了配对赛后开始怀疑 AlphaGo在自我对弈中根本只是变得更强
没有落后当然没有再出现bug 但bug一直都存在

系统仍有崩溃 抓不完

旧版的围棋软件在小官都可以算的很精了我不太懂 照理说 AG应该也算的出来最佳路径应该也会是最高剩绿才对

掌握bug掌握胜利

下到后面胜率不是100%就是0%下哪都一样怎么决定?

所以这次比赛就是为了试出bug呀，下午希望人类能赢

对狗来说赢几目都算赢 它可能为了万分之一会输的机率

在复杂变化被人类抓到没算到的棋才是bug

我大胆推测 狗狗的自我对弈，每盘几乎没有大幅落后或领先的情况，赢都是赢一目 半目，输也只是一目 半目就容易有这种配对赛的情况发生，所以才会想办人机大战找bug，这bug是用胜率来决定落子的必然bug人下的话，必定会扩大优势

AG的程式里,可能没办法区别1目败和10目败的差别

推楼上

有个办法是算出稳赢或稳输时调整贴目再重算一遍

狗狗仍然会继续比赛不会被拆了

反正AG目的也不是当围棋之神 只是想验证AI的可行性而已

在细微差距中,人类可以期待对手犯错而追回,AI无法判断吧

狗的问题仍在 论文继续发 这个弱点颗颗明天掌握就赢

其实就只是利用围棋开发TPU而已吧

如何至造陷阱给狗狗踩

现阶段狗还是超强

加入PID控制回餽补偿,也许可以改善(胡言乱语

还可以调整增益(?)

因为围棋是极简单规则下，最复杂的问题

等好久 总算等到一篇一日棋迷文了~

可以改善问题是拿捏 无法100%确认 棋路一开始到终点的路太多这版有改进没修好

而且这是配对赛耶 互扯后腿趣味赛

你搞错了，黄博士说修好是第4局78手，不是官子问题

官子问题只要没有让到输都不算bug

问题在于阿尔法为旗下的提高胜率的办法人类看不懂它是以他最强的假想敌步数去应对

对alphago没有官子阶段 每部都是全局考虑

嗯，如果对手也下最强手的话，有时厚势反而是正解

上次78手是没发现胜率下降 等发现落后时就崩溃

讲什么东西啊，官子本身不就是全局考量

狗离神的距离还很远 解决这个bug又来一个bug

围棋之神到底长怎样根本没人知道，现在AG就是神的境界比如说，围棋之神可以让世界冠军几子，没人可以回答

我是只上次78挖 和这次官子阶段崩溃对alphago是同一个事件自我对自时胜率过低就投了 所以没看到崩溃的问题但古力今天没投问题就出来了

上次是alphago没算到导致胜率爆炸, 这次算是外力干扰

今天古连这盘白上面活就赢多了，连盘面胜负都有困难正常收怎么可能会赢，就算是人类顶尖棋手那个状况也不太愿意继续下下去，那把他正常收完有什么意义？只有优势变平局或平局变劣势这种才叫做bug，劣势拚搏(尽管很蠢)这种不能称之为bug，对结果没差

照H大说法 去年第四盘也不能叫bug了去年崩溃也是发生在落后时

去年的bug应该说是误判胜率 没有发现局势不利

还记得有报导 崩溃发生在第87手发现落后时

去年第四盘当然是bug啊，78没棋啊，有至少三种应对方法，后面那一串送到87手显然就是bug的一部分你不能说等到他发现胜率下降了才能开始找bug吧

算法弱点不算bug吧

我只的bug是像97手超扯的那种

AlphaGo:劣势假如有bug又怎样？反正现在没人能让他劣势（菸）ＸＤ

用在自动驾驶, 前后左右的车辆算同行的队友吧

只有赢或是输，没有别的

并不是bug, 只是行为不如你期望中的理想围棋机器他常常下出围棋熟手不会下的下法,这应该算常态了有时好,有时坏,好的时候多,坏的时候少,如此而已如果是程式逻辑漏洞,他们找了几个月应该查出来修掉了但应该不是,只是训练资料在特定组合时不够多,所以才估错