作者mathbug (天堂的定義)
看板GO
標題Re: [閒聊] 有關"深度學習"的文章
時間Wed Mar 16 11:24:14 2016
※ 引述《OxfordGOD (牛津神)》之銘言：
: http://www.bnext.com.tw/article/view/id/38923
: 目前我在網路上看到這篇介紹的比較詳細
第一次粗略地看完這一篇文章 結合這幾天來的思考 我想提出一些看法
簡略地先說說 AlphaGo 的三大手法:(有錯請指正)
1. 策略網路 (根據大量棋譜訓練 監督式學習 提出(雙方)最有可能的落子點)
https://goo.gl/bONQ6T
2. 評價網路 (根據兩台能力相同的AlphaGo(隨機多次)下到完，
推估落子點勝率，選勝率高者。由於兩台機器能力一樣，
此機率跟落點有關，跟對手是誰或能力無關)
https://goo.gl/XWfWnv
3. 蒙地卡羅搜尋樹 (混合1與2並進行簡化動作，不需要每一點或每一個分支進行分析)
____________________________________________________________
也請參考
http://www.slideshare.net/ccckmit/alphago-59482042
(用十分鐘瞭解《AlphaGo的幾個可能弱點》)
____________________________________________________________
****** 以下為我的看法 *********
_______________________________
個人覺得有兩個方向可能可以試試 讓AlphaGo更接近完美
A. 訓練棋譜先分類 如我之前的文章所說明
#1MvdF35h
(避開勝負手/無理手翻盤的棋譜 訓練時只採用完勝的棋譜)
B. 將評價網路中的
勝率最高著點改為圍地目數最多之著點
當然可以兩種都記錄下來
根據以上的第2點，比方說，模擬10000盤，某a點圍地最多，它的勝率也應該是
勝率最高的幾個點之一，這絕對是正相關的兩種參數
(若不是，系統的不穩定性就出來了(如第四盤的鬼手出現))
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 180.177.12.82
※ 文章網址: https://webptt.com/m.aspx?n=bbs/GO/M.1458098658.A.720.html
※ 編輯: mathbug (180.177.12.82), 03/16/2016 11:24:49
1F：→ aaaba: 來人啊，把千萬盤棋譜表上圍地最大的著點 03/16 11:26
2F：→ aaaba: 等等，你到底是在說評價網路還是策略網路 03/16 11:27
3F：→ aaaba: 表->標 03/16 11:28
4F：→ aaaba: 原來的評價網路也是沒有勝率最高著點這種輸出 03/16 11:29
5F：推 zeat: 有些棋是專門破空或殺棋的，這跟圍地就無關了吧 03/16 11:39
我應該說數子最多者 基本上是一樣的
※ 編輯: mathbug (180.177.12.82), 03/16/2016 11:42:28
6F：推 jackypan1989: 不如說是相對目數增幅 03/16 11:53
7F：噓 aaaba: 你可以自己定義你的評價網路，但不要說是alphaGo的可以嗎？ 03/16 13:25