※ 引述《jamesho8743 (加拿大好美)》之銘言： : 所謂人類圍棋知識 是專指人類"在棋盤上"的著手 應法 思考 這叫圍棋知識(不包括基本規則) : AGZ "就算有" 建立在之前 AlphaGo的基礎上 比如說要用 幾層類神經網路 MCTS 或其它 : "人類工程上"的知識 但這些跟"人類圍棋知識" 並不相同 基本上這個是工程問題 數學問題 主是跟棋盤大小 : 圍棋規則 及圍棋本質等相關的東西 而跟人類"棋盤上的著法"無關 對啊，那些推文中的質疑，都是對相關知識不了解而造成的過度猜測。 首先是終局條件和勝負判定必然要有，不然只是任意的填子，什麼都不是。 圍棋基本規則是判定一個點可不可以下，以及下了之後的輸出結果。 以上這些都是獨立的程序黑箱，沒有這些東西就下不了電腦圍棋， 其中 19*19*2 的步數當成終局條件，就是這樣夠用了，不要浪費電腦資源， 就跟電腦裡的 255 或 65535 一樣。 改用 ResNet 因為是最當紅的神經網路模型，大家都說好，到處拿第一， 只要是做機器學習，不改來用看看才奇怪，這跟圍棋一點關係也沒有。 然後主程序就是通過 ResNet + MCTS 獲得的數據來不斷自我訓練。 這幾乎是一個在固定數目的位置中填入數據的通用算法，跟圍棋的關係， 僅僅在於填入的位置、數據、填入數據後的變化、評估終局和成功或失敗， 是根據圍棋而「限定」。 換句話說，只要改上述的設定，使用這個算法可以直接變成五子棋程式， 或另外的棋，例如很多人想過把圍棋改成圓環狀（上下左右無邊的循環）， 或是三維的圍棋，都可以照樣修改後讓電腦去自行修煉成大師。 在一些細部結構上，DeepMind 也試過不同的參數，其中比較好的結果， 才變成現在的版本，這種工程調整，跟人類的圍棋知識也沒有關係。 所以這不是圍棋專用的算法，如果這樣還要說是用到了人類圍棋知識， 那就隨便他了。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.164.199.160 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/GO/M.1510248740.A.17C.html ※ 編輯: capita (1.164.199.160), 11/10/2017 02:07:17