看板 Gossiping作者 SangoDragon (SANGO)標題 Re: [爆卦] AlphaGo終極版:AlphaGo Zero時間 Thu Oct 19 09:25:15 2017
這真是太強了
強的地方在哪裡?
在於現在 alpha go 不需讀人類棋譜
簡單講就是一個新的 alpha go 從甚麼都不知道, 到最強
你不必告訴他規則
(傳統的程式就是如果A ,你去判斷一些東西,計算一些東西,敵我優略勢
一堆規則後,決定下在哪)
現在一個新生的 alpha go 他一開始甚麼都不知道
你不必告訴他圍棋則,不必告訴他怎樣叫做贏
不必告訴他一堆專有名詞,例如脫先.........
他甚麼都不知道,然後開始跟你下
第一盤它輸了,搞不好他不知道為什麼這叫做輸,他什麼都不知道
下到第100盤後,他可能還是輸,但是他會自己學習
漸漸的,他甚麼規則都不知道,就變最強的
-------------------------------------------
想像一下,如果沒人告訴你任何規則,
你沒辦法學一些套路,你對圍棋都不董
而且你沒任何資源可以去搜尋任何關於圍棋的東西
你就去下圍棋 (甚至於你根本不知道把對方圍起來的規則)
反正簡單講就是你一無所知任何關於圍棋的東西,連要圍起來這件事都不知道
然後你一直跟人下棋
你一直輸,沒人告訴你為什麼這樣叫做輸
你可能下到最後會抓狂
因為你完全不知道在下甚麼?
這就是 alpha go 強的地方
不需要棋譜,不需要知道規則
一直下,自我學習,最後變最強
有人說如果兩個alpha go 一直自我學習的互下會怎樣?
簡單講除非雙方每一步都是最佳解
否則一定還是有優略
現在 Alpga go 差不多 5000分,應該還不到每步都最佳解
現在怕的是雙方每一步都是最佳解
那可能要回歸最初的規則
倒底黑棋要貼幾目?
=================================
另外 deepmind 要用
AI玩 星海爭霸
很多人說
電腦控兵很強,根本無延遲,一定會贏
但AI玩遊戲重點不在這裡
重點在於 AI 甚麼都不知道
你丟它下去玩星海爭霸
它不知道玩法
它不知道每個種族的差異
它不知道每各兵種的優略
它不知道甚麼叫做贏
它甚麼都不知道
然後一直玩一直學習
最後把你打敗
AI玩遊戲重點在這裡
看看 AI 怎麼訓練玩遊戲?
https://www.youtube.com/watch?v=5iZlrBqDYPM
https://www.youtube.com/watch?v=6L448yg0Sm0
https://www.youtube.com/watch?v=St5lxIxYGkI
--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.241.215.5
※ 文章代碼(AID): #1Pv_x-ZS (Gossiping)
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1508376318.A.8DC.html
※ 同主題文章:
Re: [爆卦] AlphaGo終極版:AlphaGo Zero
10-19 09:25 SangoDragon.
推 derekhsu: 圍棋規則還是需要啦
這是增強式學習 要告訴AI怎樣叫贏
怎麼可能什麼規則都不要 開玩笑嗎2F 10/19 09:27
推 StellaNe: 不知道規則不管怎麼下都說我贏會怎樣5F 10/19 09:28
不知道規則不代表沒規則,只是你不知道
→ derekhsu: 最好是不跟他講什麼叫贏……你變魔術嗎6F 10/19 09:30
推 alog: AlphaGo Zero 簡直中二爆了7F 10/19 09:30
→ resudi: 這個理解有很大的問題 XD9F 10/19 09:31
推 callTM: 為什麼不說規則?10F 10/19 09:32
→ pponywong: 否則AI還以為圍棋是擺花紋漂亮會贏 藝術有分數嗎?
如果 AI 真的能進步到理解人類的 藝術美學 那真的很神11F 10/19 09:32
※ 編輯: SangoDragon (111.241.215.5), 10/19/2017 09:33:35
→ pponywong: 因為人類會受文化信仰影響 看到的東西也是感光受器影響13F 10/19 09:34
→ pponywong: 人類覺得顏色繽紛 其他生物眼中可不是這樣15F 10/19 09:35
→ prestonia: 加強式學習沒給他獎懲條件 要怎麼加強? 你誤解大了喔16F 10/19 09:35
推 airflow: 打磚塊也要告訴它可以做的動作是左右移,這就是規則17F 10/19 09:40
推 DIDIMIN: 你這樣完全沒有目標,是能訓練什麼鬼東西18F 10/19 09:43
推 b0920075: 應該是讓他亂搞但是最後會告訴他結果吧19F 10/19 09:43
推 neofish: 不給回饋要怎麼收斂行為
沒有懲罰下在棋盤外面的行為,AI永遠第一步下棋盤外20F 10/19 09:48
推 ECZEMA: 所以叫 zero! 太極最高境界 什麼招式都不記得 就是會贏22F 10/19 09:53
推 derekhsu: 就文組想法… 先找一本機器學習基礎再來吧23F 10/19 09:59
噓 fewhy: 不要做夢還寫一大篇了..24F 10/19 10:02
→ ssccg: 原論文沒有提到不必告訴他怎樣叫做贏,盤面、下子方法也是固定的,只是下一步該下哪是從一個隨機值開始25F 10/19 10:02
推 birdy590: 輸贏算是外界幫它判定啦 人類沒有教它的是怎樣下比較好原始版本訓練是用人類棋譜開始, 等於在模仿人類的決策27F 10/19 10:03
噓 snane: 規則最好不用告訴他,給他棋盤黑白子不告訴他規則,你確定不會下成五子棋,黑白棋?29F 10/19 10:07
噓 leafgg: 是不參考人類棋譜 最好是沒規則啦 不懂裝懂 笑死我了31F 10/19 10:07
→ snane: 或自己發明別種玩法?32F 10/19 10:08
→ ssccg: 論文第22頁就有寫到有哪些是訓練前已知的Domain Knowledge1. perfect knowledge of the game rules33F 10/19 10:08
噓 pinkowa: 。。。。。。。。。。。。37F 10/19 10:20
推 IHD: 說的好 這樣以後統治者嘴出來嘴哲學等 大概就要跟AI辯論了吧?38F 10/19 10:22
推 victorly: 這樣要光是前三天就下幾萬局了吧39F 10/19 10:24
噓 maayaleaf: 雖然原PO根本搞不懂狀況 至少顏色上的不錯40F 10/19 10:26
→ pinjose: 它知道規則啦!它也是一直往獲勝目標前進41F 10/19 10:30
推 birdy590: 應該說它是從隨機亂下開始 最後學到天下無敵
一開始什麼資料也沒有 所以就像小孩在棋盤上亂擺
裡面有講啊 訓練三小時後 開始認知佔愈多實地的贏43F 10/19 10:34
→ ssccg: 其實比亂擺還好一點,至少是合法的亂擺46F 10/19 10:39
→ birdy590: 19 小時後開始會考慮生死和厚勢... 70 小時已經變成超人47F 10/19 10:40
--