※ 引述《nnlisalive (nnlisalive)》之銘言： : ※ 引述《ykes60513 (いちご)》之銘言： : : 假設A走法有90%贏一目 B走法有85%贏十目 AlphaGo會選前者 : 請問有誰知道90%或85%是怎計算出來的? : 因為對手還沒下 需要跑迴圈運算 : 這勝率統計是否有所謂的信賴區間 : 再來是會不會有100%勝率落子的時候 : 當100%的路一出現 是否就代表比賽結束 : 去年AG對上李 我看那個落子機率會忽高忽低 : 雖然大部分的時候是50~100%遞增 : 但李 v.s AG大戰第4局的78手 頓時讓AG勝率下降不少 : 是否代表只要我們能下出Alpha世界線以外的棋 : 就能迎接勝利的美好未來? 小弟這學期有修電腦對局理論的相關課程 看到這篇想說分享一下好了 我們上一次的作業是要做黑白棋的 AI 使用的方法就是蒙地卡羅搜尋樹 （跟 AlphaGo 比起來只是菜而已） 考慮當前我可以下的每一步棋的情況下 我們都可以假設「雙方棋手只會亂數下棋」 並且去計算每一步可行的棋所亂數出來的盤面勝率有多少 這裡的勝率是指最終盤面 可以想像電腦亂數把一盤棋下完只要幾毫秒的時間 我自己做出來的實驗一秒內算個一萬多盤棋是沒有問題的 概念上其實就是隨機抽樣而已 關於使用到的技術 其實還有各式各樣的優化 並且讓電腦接續前一步下的棋思考也並非難事 （實作上不難） 因此電腦暖機越久想得越清楚 越接近實際上的亂數勝率（非真實勝率） -- 以上是我的作業 XD -- 回到 alphago 我想 alphago 應該在裡面也用了不少亂數 配合上深度學習的神經網路可以幫他為某些可行點做加權 他可以走向期望上更好的盤面 並且以學過的棋譜去估計勝率 這裡的勝率無法達到 100% 我猜一部分原因是 在亂數情況下電腦會嘗試去填自己的空,使得自己反而輸棋,因此會產生一些敗局 不過因為我沒有讀過 alphago 的論文 所以不是很確定詳細情況 也許就連 deepmind 的研究員都沒辦法給出 100% 的答案？ 就我剛剛提到我的作業來說, 我也有不斷追蹤自己 AI 每一步棋的期望勝率 不過因為是純亂數 所以沒有很準 XD （但至少我到現在沒下贏自己的 AI 就是..） 我也沒有辦法很準確說明為什麼我的 AI 有時候會爛掉 XDDD （可能是 bug 吧） 以上分享 歡迎留言討論！ --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.16.185 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/GO/M.1483587997.A.150.html