※ 引述《PlanktonEvil (邪惡皮老闆)》之銘言： : 圍棋的AI確實不難寫阿！ =.=a : 只是電腦計算能力有限，要幫電腦判斷分析哪些路徑是比較重要的， : 而那就是人類把自己的一些經驗傳給電腦，好增加電腦的分析效率。 : 所以如果讓職業棋手先分析某個棋手的下棋習慣， : 讓職業棋手指導電腦分析各路徑的權重應該怎麼分配， : 電腦就可以學會怎樣更有效率的計算路徑，然後去下贏某個特定棋手。 : 我覺得真正難寫的AI反而是難以被量化的東西，所以電腦視覺的AI進步的很慢， : 要讓電腦學會生物視覺的分辨能力，這種小貓小狗都能辦到的能力，才是最複雜的， : 反而那種不見的是每個人都會下的圍棋，要寫一個下贏初學圍棋者的AI， : 就容易非常多了，至少程式設計師知道問題在哪裡，該怎麼去改善， : 但是電腦視覺的AI... 連怎麼著手，可能都不太知道... 之前我說圍棋跟圖形辨識很像的原因就在這邊 例如說一個簡單的死活題 若白下於A點，黑必死 若黑下於A點，則活 ┌┬○●┬┬┬ Ａ┼○●┼┼┼ ├○○●┼┼┼ ○○●●┼┼┼ ●●●┼┼┼┼ ├┼┼┼┼┼┼ ├┼┼┼┼┼┼ ├┼┼┼┼┼┼ 一般而言，學到上面那個基本型 不論是在實戰中學的，或是別人教的 就應該能自動推演出下面這幾種 ┌┬○●┬┬┬ Ａ┼○●┼┼┼ ├○┼●┼┼┼ ○○●┼┼┼┼ ●●┼┼┼┼┼ ├┼┼┼┼┼┼ ├┼┼┼┼┼┼ ├┼┼┼┼┼┼ ┌┬○●┬┬┬ Ａ┼○●┼┼┼ ├○●┼┼┼┼ ○○●┼┼┼┼ ●●┼●┼┼┼ ├┼┼┼┼┼┼ ├┼┼┼┼┼┼ ├┼┼┼┼┼┼ ┌┬○●┬┬┬ Ａ┼○●┼●┼ ├○┼┼┼●┼ ○○┼●┼┼┼ ●●┼●┼┼┼ ├┼┼┼┼┼┼ ├┼┼┼┼┼┼ ├┼┼┼┼┼┼ ┼┼┼┼┼┼┼┼┼┼ ┼┼┼○┼○○┼┼┼ ┼┼○●┼┼┼○┼┼ ┼○●┼●●┼○○┼ ┼┼○●┼┼●┼┼┼ ┼○┼●┼┼●○○┼ ┼○┼●┼●┼●┼┼ ┼┼●┼●┼○○○┼ ┼○○●○○┼┼┼┼ ┼┼○┼○┼┼┼┼┼ ┼┼┼┼○┼┼┼┼┼ 其餘略 「人」會把這個棋型的特徵給識別出來 把不重要的資訊給忽略掉 然後會記住，單一個五空格的眼中，點A點必死 旁邊長怎麼樣沒差，只要旁邊做不出眼，怎麼排都一樣 但是AI嘛..... 得先教它去把特徵抓出來 雖然，要專門寫個演算法去判斷這個棋型很簡單 但是..... 看一下裡面的題庫 http://www.weiqiok.com/asp/ShowAllProblems.asp 嗯.... 到底該怎麼去抓每種棋型的「特徵」？ 總不可能一種一種的特別去寫吧？ 在中段以上的對弈中，下棋不會下出死活題 而是早在好幾步前就算出..... 「如果我下那一步，就會被點A殺死一大片棋」 所以會避開那種棋部 所以在出現那種棋型之前，就得判斷出來了 有點像是 我拿出幾張「花」的圖片 這裡面有向日葵、玫瑰花、薰衣草花、鬱金香、九重葛 教一個小朋友說「這是花花」 當我拿出一張「百合花」時 小朋友也要回答出「這是花花」 即使一開始給他看的圖中，沒有「百合花」的圖片也一樣 雖然 象棋、西洋棋中也有這種狀況 但是麻煩的地方在於，合法的棋步太多 而且單子的威脅比象棋跟西洋棋還難以判斷 還有，剛剛去抓了GUN GO的圍棋來下 我認得這個AI的下棋模式，之前抓來的軟體就是這種下法 只要包AI的棋包的緩一點，就可以吃掉AI的大龍了 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 118.170.134.248