回上層
Disp BBS
看板 C_Chat
作者 crazypitch (′‧ω‧‵)(丁洨雨)
標題 [閒聊] 圍棋比將棋更男女平衡？(有龍王雷)
時間 Thu Mar 22 01:37:53 2018

有龍王六卷以後雷





作者在書中有寫:

「圍棋成為職業棋士的難度不像將棋那麼高，
所有女性職業棋士並不罕見。」

又把最有歷史意義的「本因坊」頭銜，寫出由女棋士取得，
不是女流本因坊，而是正規本因坊系列戰。

是作者個人的見解，還是圍棋對男女競賽比較互有勝負啊？

--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 39.10.192.94
※ 文章代碼(AID): #1QifXqQS (C_Chat)
※ 文章網址: https://www.ptt.cc/bbs/C_Chat/M.1521653876.A.69C.html
推 AkihisaYoshi: 其實這個問題沒有答案 只有統計數據1F 03/22 01:39
推 airbear: ==棋類相輕2F 03/22 01:40
→ xsw15963: 因為圍棋不像將棋星人能夠一步一步算  很多時候也都靠棋感下棋  我猜啦3F 03/22 01:41
推 youngluke: 兩邊對職業的定義和門檻應該不太一樣5F 03/22 01:42
推 rotusea: 樓上，阿法狗表示6F 03/22 01:42
推 staristic: 史上女子最強的芮乃偉在全盛時期可以從曹薰鉉手上拿冠7F 03/22 01:43
推 roger2623900: 剛剛看目前圍棋世界排名女性最高是第123名8F 03/22 01:43
→ staristic: 世界大賽能打進四強，將棋是連進職業都困難9F 03/22 01:43
→ xsw15963: alphago規格外本來就不該算進來10F 03/22 01:44
推 arrenwu: 圍棋那些頂尖的也是算到爆吧11F 03/22 01:44
→ crazypitch: 不過圍棋計算比將棋要高多了吧？12F 03/22 01:45
推 airbear: 我孤陋寡聞 真的有女棋士拿到本因坊? 不是女流本因坊喔==13F 03/22 01:45
推 Pegasus99: 沒有一種職業競技靠感覺的 這可是嚴肅的事14F 03/22 01:46
推 falken: 不過圍棋目前還是中韓的天下吧15F 03/22 01:47
→ crazypitch: 沒有 是龍王作者裡寫的人物16F 03/22 01:47
→ xsw15963: 單純死活可以算  但是如果是前期走外勢真的比較難17F 03/22 01:48
→ crazypitch: 我剛看完也覺得有扯 而且棋士還是副業 主業盤師18F 03/22 01:48
推 rotusea: 只要是棋類，都是靠計算，怎麼可能靠感覺。圍棋要算的就是每一步的手順、目數、死活，憑棋感？19F 03/22 01:49
推 morichi: o巴啊啊啊啊啊啊啊啊啊21F 03/22 01:49
→ Atima: 就兩者待遇來說 你有能力絕對會選圍棋 而不是將棋22F 03/22 01:49
→ xsw15963: 很多時候都是靠經驗或感覺 來覺得下哪對以後比較有幫助23F 03/22 01:49
→ Atima: 就像LBJ也可以去打美足 他卻選去NBA 這種感覺24F 03/22 01:49
→ crazypitch: 描寫終年酒空 只有刻盤不喝酒 就連比賽都喝25F 03/22 01:49
推 staristic: 龍王的作者寫的是哪個棋士啊，感覺資訊有誤26F 03/22 01:50
推 airbear: 有棋感吧 但是決定勝負的還是計算力跟經驗27F 03/22 01:50
→ Atima: 當然是作者YY自爽寫的 棋類競技分男女是有原因的28F 03/22 01:50
→ GKki2012: 這裡大多都外行人 真正了解圍棋的可能不多 如果真想了解建議到圍棋版去問29F 03/22 01:51
→ crazypitch: 根本小說傳說人物規格(？)31F 03/22 01:51
→ xsw15963: 圍棋能算的當然要算  但是很多時候靠著的是經驗跟棋感32F 03/22 01:53
→ arrenwu: 這點將棋也一樣吧33F 03/22 01:54
→ GKki2012: 還有棋類的計算除了深度之外還有廣度以人類來講要全部都要全部都算難以做到 所以對棋局的敏銳判斷可以更容易掌更容易掌握局勢 那種棋感 可以說是從天份和經驗累積起來34F 03/22 01:54
推 rotusea: 如果圍棋是以「棋感」為主，那阿法狗就不會著重在計算，而會寫成圖形判讀軟體，看「棋型」來下了37F 03/22 01:57
推 kinghtt: 所謂的棋感也是計算出的概論，經驗越多越能省略計算過程39F 03/22 01:58
推 brightwish: 往盤面上一看能夠篩選出數個值得下的點 那就是棋感阿40F 03/22 01:58
→ GKki2012: 以我認識的象棋為例 特定局面棋子之間的相對位置會處於會處於很微妙的關係41F 03/22 01:58
→ brightwish: 從那數個點在去往下篩選才是計算43F 03/22 01:58
→ xsw15963:   我不是說圍棋以棋感為主  而是指相較於將棋  估計圍棋用的比較多44F 03/22 01:59
→ brightwish: alphaGo就是用類神經網路模仿這個棋感 篩選出可以下的46F 03/22 01:59
→ GKki2012: 那些只能花時間去拆棋 才能對局勢 有比較準確的判斷47F 03/22 01:59
→ rotusea: 先會計算，才會有所謂的「棋感」，就像你要先背好九九乘法，你才會對數字有「感覺」48F 03/22 02:00
推 arrenwu: @rotusea 這可能是有點誤會了 你講的這兩種都是計算50F 03/22 02:00
→ brightwish: 位置 才用蒙地卡羅演算法計算後續51F 03/22 02:00
→ arrenwu: 只是其中一種是精度需求沒那麼高的計算52F 03/22 02:00
→ xsw15963: 實際上alphago推翻了不少人類定石  這也代表已往人類的棋感  很多都是錯的53F 03/22 02:01
→ GKki2012: 還有 上面的人在講得 棋感 是無法量化的標準 所以如果所以如果用棋感來作比較根本毫無意義55F 03/22 02:01
→ rotusea: 沒有初步運算，你怎麼決定哪幾個點值得下？邏輯要弄清楚57F 03/22 02:03
→ brightwish: @rotusea 阿法夠用類神經網路就是模仿人類大腦的棋感原理和影像辨識的確有異曲同工之妙58F 03/22 02:03
→ GKki2012: 不過我是不確定上面哪些人是 圍棋高手啦 對棋感的認識也看不出來是否只是外行人看表面講幹話而已60F 03/22 02:04
→ arrenwu: 棋感這東西除非是完全沒玩過棋類 不然沒這麼難懂吧62F 03/22 02:05
推 jupto: 棋感也算是計算 只是這是很不精準的計算 圍棋因為複雜度高63F 03/22 02:05
→ rotusea: 我的意思是，阿法狗算的是下在棋盤每任一個點的最高勝率，來決定落子，而不是看「棋子的形狀」來決定優劣64F 03/22 02:05
推 brightwish: 就算不會圍棋 你第一直覺也不會考慮要下在1-1上吧
這也是棋感阿66F 03/22 02:06
→ jupto: 以人類大腦在有限時間內根本做不到足夠精準的計算 所以棋感68F 03/22 02:06
→ brightwish: 就說你錯了...阿法狗為了不要計算全部的點的勝率69F 03/22 02:07
→ jupto: 這種不精準的估算佔比就相對的重70F 03/22 02:07
→ brightwish: 才要用類神經網路 先篩選出幾個比較好的點71F 03/22 02:07
推 arrenwu: 是啊  但AlphaGO估計出勝率前 類神經網絡會萃取出當前盤面的各種特徵量，這其中會涵蓋你歲的 棋子的形狀72F 03/22 02:08
推 kinghtt: 阿法狗也是先經過幾百場對奕累積計算資料後才推去比賽74F 03/22 02:10
→ crazypitch: 說到這個 黃士傑請自下的第一手天元之後才交由alphago 算是讓步嗎？75F 03/22 02:10
推 reinhert: 阿法狗就是把盤面看成19*19的圖型去算的77F 03/22 02:10
→ GKki2012: 如果原po對於AI之類的話題有興趣的話可以考慮
可以考慮去學machine learning78F 03/22 02:11
推 kinghtt: 類神經網路只是讓它在下棋時能抓出那方位落子跟其後的步數可以得到最高勝率80F 03/22 02:12
推 arrenwu: 我是覺得要學的話可以去看Stanford的CS231n啦82F 03/22 02:13
推 reinhert: 它會從整體盤面去推出哪一手最好83F 03/22 02:13
→ kinghtt: 這些落子的手順也是從先前的對奕資料中取得計算84F 03/22 02:13
→ arrenwu: 很多Machine Learning的課程幾乎沒碰到Deep Learning85F 03/22 02:13
→ GKki2012: 機器學習我以前只有 旁聽過幾堂課86F 03/22 02:14
→ arrenwu: 但如果你只會SVM 那你能做出來的AI就真的只是條狗而已 哈不過就算是傳統的機器學習，當通識聽聽也滿有趣的87F 03/22 02:14
→ GKki2012: 所以上面講得 一些和深度學習有關的演算法89F 03/22 02:15
→ arrenwu: 不過 AlphaGO 會這麼強也是因為挑圍棋這種軟柿子吃啦90F 03/22 02:15
→ GKki2012: 會不覺名利91F 03/22 02:15
→ arrenwu: 圍棋算是很容易應用reinforcement learning 的項目92F 03/22 02:15
→ GKki2012: 可是 在碰深度學習之前 不是要先 學機器學習打底嗎93F 03/22 02:16
→ kinghtt: 圍棋算軟柿子？說得好像研發阿法狗很簡單一樣…94F 03/22 02:17
→ arrenwu: 應該說兩者某些知識有重疊 從機器學習開始是比較順沒錯研發AlphaGO 不簡單 但是圍棋真的是軟柿子95F 03/22 02:17
推 rotusea: 了解，感謝指正。但這不影響我的論點，所謂棋感，只是一種達到反射程度的快速計算，不是無中生有的「感覺」。就像前面說的不會想下在一，1  不是因為那看起來「不好看」，而是因為那看起來「無利可圖」，歸根結底還是計算97F 03/22 02:18
→ GKki2012: 不管AI有沒有棋感 我再用另一種方式說
一般大眾對棋感的認識很籠統會容易產生 你講的是東西和和我講得東西 認知會完全符合
如果可以的話 我期望k大可以去分析任一棋類的決策樹
和某些AI的演算法 相關的部分 讓我學習一下291F 03/22 11:06
推 afking: 阿法狗的演算法不是類神經網路嗎296F 03/22 11:39
推 GKki2012: 抱歉 我可能只是對只花幾個小時查資料用自己的解讀 去寫去寫新聞的記者而已 而並非自身研究的專業領域綜合其他綜合其他專家得出來的推論
若A則B →若結果為非B則因為非A 但是若結果為B並不代表並不必然因 為A 這是一般大眾很容易混淆的邏輯
只靠一般人對某些理論的解讀並沒有像專家了解的因果關係那麼準確297F 03/22 12:21

--
中間的PTT推文已隱藏
點此載入...
→ GKki2012: 不管AI有沒有棋感 我再用另一種方式說
一般大眾對棋感的認識很籠統會容易產生 你講的是東西和和我講得東西 認知會完全符合
如果可以的話 我期望k大可以去分析任一棋類的決策樹
和某些AI的演算法 相關的部分 讓我學習一下291F 03/22 11:06
推 afking: 阿法狗的演算法不是類神經網路嗎296F 03/22 11:39
推 GKki2012: 抱歉 我可能只是對只花幾個小時查資料用自己的解讀 去寫去寫新聞的記者而已 而並非自身研究的專業領域綜合其他綜合其他專家得出來的推論
若A則B →若結果為非B則因為非A 但是若結果為B並不代表並不必然因 為A 這是一般大眾很容易混淆的邏輯
只靠一般人對某些理論的解讀並沒有像專家了解的因果關係那麼準確297F 03/22 12:21
--
--
作者 crazypitch 的最新發文:
點此顯示更多發文記錄
(crazypitch.): [閒聊] 圍棋比將棋更男女平衡？(有龍王雷) - ACG板