[讨论] Alphago 离围棋之神多远 ?

楼主: nanlong (懒龙)   2017-05-28 22:43:40
刚写文时突然有事手残眼花搞成误按误发在此先行致歉。
假定 Alphago 或 后面的AI 不断进化 , 不知还要进步多少才能
达到终极围棋或我们说的围棋之神的境界 ? Alphago要退役
后面就看其他围棋AI的发展了。
日本古代有棋手说以砍头为注的话受让4子就敢奉陪,
跟最新版的 Alphago 不知高手们觉得要被让到何种程度就有把握
胜算破5成以上?
作者: Borges (波波波波)   2017-05-28 22:47:00
是时候废除职棋九段封顶制了 大家一样强只是自欺欺人而已
作者: arthurwang (莫言)   2017-05-28 22:49:00
除了废除封顶,也要有降段
作者: goldduck (哥达鸭)   2017-05-28 22:50:00
三颗以上
作者: LeeSeDol (啧啧...)   2017-05-28 22:51:00
周经文,5/24才被问过
作者: BRANFORD (请保佑我的父亲)   2017-05-28 22:53:00
高川(真正的高川)说 让九颗也不敢下
楼主: nanlong (懒龙)   2017-05-28 22:54:00
我lag了~~以前我还以为大李的全盛期已离围棋之神不到一先了~~
作者: ilw4e (可以吃吗?)   2017-05-28 23:04:00
黄士杰受访时说每个月都看得到AG的进步,所以AG离神都还有
作者: goldduck (哥达鸭)   2017-05-28 23:05:00
其实我们都看不到
作者: ilw4e (可以吃吗?)   2017-05-28 23:05:00
明显距离
作者: LeeSeDol (啧啧...)   2017-05-28 23:13:00
只要存在某个贴目,alphaGo自我对战的黑白胜率无法到95:5那么悬殊,他就没资格靠近神
作者: ilw4e (可以吃吗?)   2017-05-28 23:16:00
等训练AI一阵发现AI没太明显进步了也许可以说接近了某个极线,学习曲线理论上是会越来越平缓的但AI到了的极限又有多接近神好像也难讲
作者: LeeSeDol (啧啧...)   2017-05-28 23:18:00
像现在贴7.5目,人类黑白胜率大致相近,就可推知离神超远
作者: aegis43210 (宇宙)   2017-05-28 23:19:00
楼上的意思我能理解,如果黑贴7.5目是过重的话那白棋的胜率应该会在九成以上,因为他已经可以算到终盘极大部份的变化了
作者: LeeSeDol (啧啧...)   2017-05-28 23:21:00
假设先行优势是5目,围棋之神要做到贴5.5目白全胜,贴4.5目黑全胜
作者: aegis43210 (宇宙)   2017-05-28 23:22:00
围棋之神就是穷举法,但穷举围棋变化就连量子电脑也难个人觉得有到九成以上,那对我而言就是围棋之神了
作者: ykes60513 (いちご)   2017-05-28 23:23:00
你是说只要贴目稍不平衡 棋神就能让某边胜率100%的意思是这样理解吗?
作者: LeeSeDol (啧啧...)   2017-05-28 23:25:00
是啊
作者: shyangs (厚呦)   2017-05-28 23:26:00
先手必胜, 先手必和, 先手必负. 猜完先就决定胜负者为神.
作者: ykes60513 (いちご)   2017-05-28 23:29:00
不过贴目不可能平衡的 现在白棋胜率75% 所以还不算神如果AlphaGO训练到最后单边胜率100%就能叫神了?
作者: aegis43210 (宇宙)   2017-05-28 23:31:00
黄博士说alphago每个月都还在进步,所以有可能100%
作者: LeeSeDol (啧啧...)   2017-05-28 23:32:00
单边胜率100是必要条件,不是充分条件
作者: aegis43210 (宇宙)   2017-05-28 23:32:00
代表未来绝艺或zen团队有按照论文做的话,要达到目前master的强度也是有可能的,还没看到极限
作者: grimnir158 (8-1)   2017-05-28 23:35:00
不是说要弄个不吃人棋谱自学的版本 不知有没有再做了
作者: devidevi (蜜蜜)   2017-05-28 23:44:00
这次的AG就是不学人类棋谱不是??用上一版的AG来教这版的AG,这版用的棋谱是上一版的AG
作者: sunev (Veritas)   2017-05-28 23:45:00
还是有人搞不清楚,这版本是自李世石版本自我对奕而来但李世石的版本是有参考人类棋谱的。
作者: walkwall (会走路的墙)   2017-05-28 23:47:00
就是说有人类血统 但基本上还是个外星人
作者: grimnir158 (8-1)   2017-05-28 23:54:00
想看没参考纯自学会不会真的下成外星人围棋
作者: walkwall (会走路的墙)   2017-05-29 00:00:00
纯自学的话 开盘定石会形成非常慢 不是合理的做法
作者: ilw4e (可以吃吗?)   2017-05-29 00:01:00
他是一个学很快的机器,但你基础不教他要他瞎子摸象他可能
作者: ykes60513 (いちご)   2017-05-29 00:01:00
自学有个缺点是错误可能会被保留或放大 因为没人跟它讲它可能永远不知道那边是错的 可能还会扩大
作者: walkwall (会走路的墙)   2017-05-29 00:01:00
嗯 没错
作者: ilw4e (可以吃吗?)   2017-05-29 00:02:00
神奇的领悟也不一定
作者: devidevi (蜜蜜)   2017-05-29 00:35:00
自学错误被保留或放大不太可能,除非下错还能赢..要看你怎么定义,如果自己没用棋谱,下赢有学棋谱的人这样也算学习人类棋谱的话,那不管几代AG都不可能达到不用人类棋谱的方式
作者: ykes60513 (いちご)   2017-05-29 00:42:00
怎么不可能 两边都用错的方法下棋啊 当然其中一边会赢
作者: ledia (付出不需要理由)   2017-05-29 00:57:00
自学错误是很有可能的,但是以现在这种基于人类棋谱衍生的人工智能,说不定人类也没办法找出错误之处 XD不过印象 DeepMind 团队有在对局中制造一些噪声干扰试图让自我学习的过程尽量不要有这种区域最佳的问题,细节就不得而知了
作者: pinjose (jose)   2017-05-29 01:23:00
说的好,还有很大的距离
作者: ztdxqa (ztdxqa)   2017-05-29 01:30:00
我觉得还有三子左右 围棋这水太深了
作者: ice80712 (我很有事)   2017-05-29 01:34:00
目前穷举法都算不完 所以一定有变强的可能
作者: ztdxqa (ztdxqa)   2017-05-29 01:34:00
人类的话跟AlphaGo大概两子以上三子未满五成胜率吧 跟柯洁第二盘看到点希望
作者: ddavid (谎言接线生)   2017-05-29 01:39:00
DeepMind有说过,他们在AlphaGo的模拟对手中有刻意加入反AlphaGo,专门选择AlphaGo不太会去选的着手用这种方式来减少彻底走偏然后有些着手几乎没有评估到的情况,这也算是李世石战神之一手给他们抓出来的问题之解决案
作者: ztdxqa (ztdxqa)   2017-05-29 01:42:00
但我觉得软件实力大概就这样了吧 google 也不会再研发了现行CNN based算法一定有极限 不会超出现在alphago太多缺少世界顶级科学家的帮助 再突破的机会很小D大说的是GAN吧 这一年大家都在玩GAN
作者: ddavid (谎言接线生)   2017-05-29 01:47:00
也不完全是,因为AlphaGo并没有需要区分是否人类着手或是AlphaGo着手的这种需求,我觉得基本概念上不太像,虽然实做可能有些部分是相通的主要是GAN是要尽量“像”某个目标让判别猜不出来,让生成跟判别同时进步,不过AlphaGo是让生成中加入“尽量不像”的部分来脱出局部最佳,硬要说比较像基因算法的突变机制,用人类的说法就是故意出定石书里没有的变化让他解题XD
作者: ztdxqa (ztdxqa)   2017-05-29 01:55:00
原来如此 超期待AlphaGo的新论文!
作者: enjoytbook (en)   2017-05-29 12:46:00
段位制早就不是实力指数了吧
作者: LeeSeDol (啧啧...)   2017-05-29 13:26:00
一些关于anti-AG的讨论 https://goo.gl/tqL5hm
作者: Parazicecum (WTKD)   2017-05-29 15:49:00
不是gan吧 听起来比较像RL的Q-learning里面的exploreand exploit的explore的部分 顺道一提的话 之前Deepmind做AlphaGO让他玩打砖块 就已经在实作Deep Q L
作者: shortimex (白毛葡萄)   2017-05-29 22:25:00
如果是人类早就封神了
作者: ddavid (谎言接线生)   2017-05-30 18:28:00
对,应该不是GAN

Links booklink

Contact Us: admin [ a t ] ucptt.com