S*E
发帖数: 3662 | 1 现在通常的解释是狗追求胜率而不是赢的目数。
这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
不可能每次都需要牺牲目数来换取胜率。
我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
它已经掌握了百分之百获胜的方法。然后开始打控制球。
每一步都选择获胜但是赢的目数最少的着法。
这样有两个好处：一是给人类棋手保留面子。二是检验强大的算力，供内部审核用。 |
t******g
发帖数: 1136 | 2 目标函数的weights 变了，一个是要赢，一个是要赢得大。
【在 S*E 的大作中提到】
: 现在通常的解释是狗追求胜率而不是赢的目数。
: 这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
: 从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
: 不可能每次都需要牺牲目数来换取胜率。
: 我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
: 它已经掌握了百分之百获胜的方法。然后开始打控制球。
: 每一步都选择获胜但是赢的目数最少的着法。
: 这样有两个好处：一是给人类棋手保留面子。二是检验强大的算力，供内部审核用。
|
d*****n
发帖数: 754 | 3 价值网络在官子阶段没用，就是靠生算。狗在这方面不算强，主要靠前面领先大
[在 SLE (嗯，就这样定了。) 的大作中提到：]
:现在通常的解释是狗追求胜率而不是赢的目数。
:这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
:从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
:不可能每次都需要牺牲目数来换取胜率。
:我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
:它已经掌握了百分之百获胜的方法。然后开始打控制球。
:每一步都选择获胜但是赢的目数最少的着法。
:这样有两个好处：一是给人类棋手保留面子。二是检验强大的算力，供内部审核用。 |
S*E
发帖数: 3662 | 4 它可以切换成穷举。
【在 d*****n 的大作中提到】
: 价值网络在官子阶段没用，就是靠生算。狗在这方面不算强，主要靠前面领先大
: [在 SLE (嗯，就这样定了。) 的大作中提到：]
: :现在通常的解释是狗追求胜率而不是赢的目数。
: :这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
: :从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
: :不可能每次都需要牺牲目数来换取胜率。
: :我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
: :它已经掌握了百分之百获胜的方法。然后开始打控制球。
: :每一步都选择获胜但是赢的目数最少的着法。
: :这样有两个好处：一是给人类棋手保留面子。二是检验强大的算力，供内部审核用。
|
j**********r
发帖数: 3798 | 5 最简的变化就是深度最少的变化。狗并不在乎赢半目还是赢10目，只要保证赢就行。退
让通常都是自己补，变化少。
【在 S*E 的大作中提到】
: 现在通常的解释是狗追求胜率而不是赢的目数。
: 这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
: 从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
: 不可能每次都需要牺牲目数来换取胜率。
: 我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
: 它已经掌握了百分之百获胜的方法。然后开始打控制球。
: 每一步都选择获胜但是赢的目数最少的着法。
: 这样有两个好处：一是给人类棋手保留面子。二是检验强大的算力，供内部审核用。
|
c**v
发帖数: 103 | 6
Agree!
【在 j**********r 的大作中提到】
: 最简的变化就是深度最少的变化。狗并不在乎赢半目还是赢10目，只要保证赢就行。退
: 让通常都是自己补，变化少。
|
b*******8
发帖数: 37364 | 7 属实 马拉松赛第一名在最后阶段如果领先较多 最佳策略是慢慢走过去 避免抽筋崴脚
等意外 看着第二名 保证不被超过 第二名在最后也不可能爆发百米冲刺速度 可以稳稳
控制 最后就赢个五六米
★ 发自iPhone App: ChineseWeb 16
【在 j**********r 的大作中提到】
: 最简的变化就是深度最少的变化。狗并不在乎赢半目还是赢10目，只要保证赢就行。退
: 让通常都是自己补，变化少。
|
l******8
发帖数: 1691 | 8 it counts the probability of winning, not the size of winning. This result
shows us that the best move to win big is also often a riskier move.
Your basic assumption is wrong.
【在 S*E 的大作中提到】
: 现在通常的解释是狗追求胜率而不是赢的目数。
: 这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
: 从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
: 不可能每次都需要牺牲目数来换取胜率。
: 我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
: 它已经掌握了百分之百获胜的方法。然后开始打控制球。
: 每一步都选择获胜但是赢的目数最少的着法。
: 这样有两个好处：一是给人类棋手保留面子。二是检验强大的算力，供内部审核用。
|
S*E
发帖数: 3662 | 9 怎么解释每次到管子阶段都是小胜。怎么可能胜率和目数每次都是矛盾？
result
【在 l******8 的大作中提到】
: it counts the probability of winning, not the size of winning. This result
: shows us that the best move to win big is also often a riskier move.
: Your basic assumption is wrong.
|
y***i
发帖数: 91 | |
|
|
e*********6
发帖数: 3453 | 11 我不认为是这样的。在master 60盘的时候，很多走法用这个理论无法解释。
我觉得就是非常简单的loss of gradient的问题。对于一个最简单的情况，现在其他地
方都走完了，就有2处可以走的，一处单关，一处一目，都没有风险和其他任何后续手
段，现在狗狗盘面领先10目，走哪个胜率都是100%，两处没有区别，狗狗就丧失了判断
能力，随机走一个。
【在 j**********r 的大作中提到】
: 最简的变化就是深度最少的变化。狗并不在乎赢半目还是赢10目，只要保证赢就行。退
: 让通常都是自己补，变化少。
|
n*******7
发帖数: 181 | 12 为什么这时候要随机走而不是求最大领先？如果算法稍改一下变成求最大领先，棋就会
更好看了。
【在 e*********6 的大作中提到】
: 我不认为是这样的。在master 60盘的时候，很多走法用这个理论无法解释。
: 我觉得就是非常简单的loss of gradient的问题。对于一个最简单的情况，现在其他地
: 方都走完了，就有2处可以走的，一处单关，一处一目，都没有风险和其他任何后续手
: 段，现在狗狗盘面领先10目，走哪个胜率都是100%，两处没有区别，狗狗就丧失了判断
: 能力，随机走一个。
|
e*********6
发帖数: 3453 | 13 因为围棋的目标就是赢棋，是一个单一目标任务。狗狗的目标就是赢棋，不是好看。
如果把围棋的目标改成多赢棋，那就是另一种游戏了。
【在 n*******7 的大作中提到】
: 为什么这时候要随机走而不是求最大领先？如果算法稍改一下变成求最大领先，棋就会
: 更好看了。
|
k****2
发帖数: 248 | 14 调难度了，cpu比李世石时代少了9/10。根本不想赢太多，想控制赢的数目 |
b*****s
发帖数: 11267 | |
w***g
发帖数: 5958 | 16 我觉得和左右互搏这种训练方法有关。互博的两个模型一直是水平相当的，以至于训练
出来的模型也只会在微弱的优势下下棋。
【在 S*E 的大作中提到】
: 现在通常的解释是狗追求胜率而不是赢的目数。
: 这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
: 从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
: 不可能每次都需要牺牲目数来换取胜率。
: 我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
: 它已经掌握了百分之百获胜的方法。然后开始打控制球。
: 每一步都选择获胜但是赢的目数最少的着法。
: 这样有两个好处：一是给人类棋手保留面子。二是检验强大的算力，供内部审核用。
|
F******k
发帖数: 7375 | 17 agree
【在 w***g 的大作中提到】
: 我觉得和左右互搏这种训练方法有关。互博的两个模型一直是水平相当的，以至于训练
: 出来的模型也只会在微弱的优势下下棋。
|
n****g
发帖数: 14743 | 18 有趣的想法
【在 w***g 的大作中提到】
: 我觉得和左右互搏这种训练方法有关。互博的两个模型一直是水平相当的，以至于训练
: 出来的模型也只会在微弱的优势下下棋。
|
c****o
发帖数: 317 | 19 围棋的巨大分支树，最底下的节点就是终局时盘面的形态，那么每个盘面都有一个客观
的胜负多少目的结果。对alphago来说，它并不考虑这个胜负多少目，它只考虑这个形
态下到底是黑胜还是白胜。然而，如果我们考察分支树，那么从统计意义上说，胜负差
距越小的盘面数目，应该就越多，例如，大胜200目的所有可能盘面，必然远远少于小
胜2目的盘面数目。
这一点可以大致用数学原理来分析一下。如果假设最终我们分别用黑子和白子把黑白双
方占的地都填满，那么黑占181白占180的盘面数目为C(361,180)，命名为c1，而黑占
231白占130的盘面数目为C(361,130)，命名为c2。我们来考察下c1和c2谁大谁小，简单
的计算表明c1大约是c2的一百六十万倍。注意，这里的估算是非常简化的，但是看懂的
人能够理解我们的定性结论，即，差距越小的盘面，其总数也就越多。
有了这个结论，就可以分析为什么alphago并不追求目数最大化，而反而表象为目数最
小化（当然首先要保证赢）似的。这完全是一个概率的事情，对alphago来说，它选择
走棋也就是选择某个分支，完全是看这个分支下面自己能赢的盘面数目是不是最多。而
能赢的那些盘面里，差距越小的，数目占了绝大多数，因此，这类小胜的盘面，就相当
于投%票群众里大多数，所以主导了alphago的选择。比如如果有一类盘面，能够大胜50
目，它们也想让alphago选择自己，但无奈人数太少，发声不够，而另一类盘面，小胜2
目，但是人数众多，能够在alphago的投%票系统里得到最多的权重，所以alphago当然
倾向于选择拥有最多“小胜2目”盘面的分支了。
粗略的说就是，赢你的方法非常多，但是细分的话，大胜你的方法千千万，小胜你的方
法却有万万千。然而alphago的算法是完全不分辨大胜和小胜，所以从统计上说，最后
的局面落在小胜的概率远高于落在大胜的概率。
可能有人还是困惑，他们认为，比如某个局面下，如果某一步能够获得更多的目数，那
么当然能够最大化地提高胜率，那么当然alphago应该选择这一步了。然而这个结论只
是一个错觉，从统计上说，任何局面下，能最大化目数的招法几乎肯定不是最大化胜率
的招法，alphago的风格验证了这个数学原理。 |
j*m
发帖数: 833 | 20 把目标函数改成预期胜利目数x获胜概率就可以了。不知道开局阶段获胜目数能不能算
到底，不过似乎也关系不大。到官子阶段切换也来得及。按说电脑计算官子应该比人类
精确才对。 |
|
|
S*E
发帖数: 3662 | 21 可以换成一旦找到必胜策略，就采取最大目数或者最小目数战略。
【在 j*m 的大作中提到】
: 把目标函数改成预期胜利目数x获胜概率就可以了。不知道开局阶段获胜目数能不能算
: 到底，不过似乎也关系不大。到官子阶段切换也来得及。按说电脑计算官子应该比人类
: 精确才对。
|
y*j
发帖数: 3139 | 22 应该就是在官子阶段，统计不确定性越来越小，它的棋力越来越弱。其实和人们一般的
想法相反，它主要不是靠硬计算来赢棋的，而是靠大数据统计来赢棋的。越不确定，它
的棋感越强。
：现在通常的解释是狗追求胜率而不是赢的目数。
：这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
：从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
：不可能每次都需要牺牲目数来换取胜率。
：我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
：它已经掌握了百分之百获胜的方法。然后开始打控制球。
：每一步都选择获胜但是赢的目数最少的着法。
：这样有两个好处：一是给人类棋手保留面子。二是检验强大的算力，供内部审核用。
【在 S*E 的大作中提到】
: 可以换成一旦找到必胜策略，就采取最大目数或者最小目数战略。
|
D**s
发帖数: 6361 | 23 新版本的alphago号称可以自己对弈自己来学习
【在 y*j 的大作中提到】
: 应该就是在官子阶段，统计不确定性越来越小，它的棋力越来越弱。其实和人们一般的
: 想法相反，它主要不是靠硬计算来赢棋的，而是靠大数据统计来赢棋的。越不确定，它
: 的棋感越强。
:
: ：现在通常的解释是狗追求胜率而不是赢的目数。
: ：这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
: ：从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
: ：不可能每次都需要牺牲目数来换取胜率。
: ：我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
: ：它已经掌握了百分之百获胜的方法。然后开始打控制球。
|
y*j
发帖数: 3139 | 24 凡是到了靠规则取胜的时候，也就是官子阶段，不确定性变小，统计方法的威力就变小
了。也就是说可搜索的空间越大，统计方法相当于人来说越有效。
和李世石对局有一次李世石来了一个定式，alphago 就应对的不好。因为人可以记住定
式，按Redmond的说法，他闭着眼睛都知道怎么下那个定式，但是统计方法学习定式的
效率不高。
：新版本的alphago号称可以自己对弈自己来学习
：☆ 发自 iPhone 买买提 1.23.01
【在 D**s 的大作中提到】
: 新版本的alphago号称可以自己对弈自己来学习
|
h*********2
发帖数: 444 | |
f***e
发帖数: 5443 | 26 这个分析靠谱，就是训练集合导致的
【在 c****o 的大作中提到】
: 围棋的巨大分支树，最底下的节点就是终局时盘面的形态，那么每个盘面都有一个客观
: 的胜负多少目的结果。对alphago来说，它并不考虑这个胜负多少目，它只考虑这个形
: 态下到底是黑胜还是白胜。然而，如果我们考察分支树，那么从统计意义上说，胜负差
: 距越小的盘面数目，应该就越多，例如，大胜200目的所有可能盘面，必然远远少于小
: 胜2目的盘面数目。
: 这一点可以大致用数学原理来分析一下。如果假设最终我们分别用黑子和白子把黑白双
: 方占的地都填满，那么黑占181白占180的盘面数目为C(361,180)，命名为c1，而黑占
: 231白占130的盘面数目为C(361,130)，命名为c2。我们来考察下c1和c2谁大谁小，简单
: 的计算表明c1大约是c2的一百六十万倍。注意，这里的估算是非常简化的，但是看懂的
: 人能够理解我们的定性结论，即，差距越小的盘面，其总数也就越多。
|
a****l
发帖数: 8211 | 27 没这么复杂。人类棋手也经常这么做，盘面优势的情况下，各种官子都是选择最保险的
没有任何变数的下法，虽然经常损一些，但是不给对手漏勺翻盘的机会。唯一的区别是
棋手在这种情况下可能过于保险反而坏事，机器却不会，随时算准确了。
【在 S*E 的大作中提到】
: 现在通常的解释是狗追求胜率而不是赢的目数。
: 这种解释并不令人信服。事实上，AlphaGo/Master赢的棋到数目的时候大多是小胜。
: 从常理上讲，赢目数多在大多数情况下应该是和胜率高不矛盾。
: 不可能每次都需要牺牲目数来换取胜率。
: 我认为事实可能是；在最后阶段AlphaGo扮演了围棋上帝的角色。
: 它已经掌握了百分之百获胜的方法。然后开始打控制球。
: 每一步都选择获胜但是赢的目数最少的着法。
: 这样有两个好处：一是给人类棋手保留面子。二是检验强大的算力，供内部审核用。
|
T**********e
发帖数: 29576 | 28 deepmind那人访谈，说收官退让是狗的一个bug，要改。 |
E******d
发帖数: 3514 | 29 你这个分析很有意思，确实很可能研究团队是把每一盘结果当作1或者0输入给电脑，导
致了电脑追求胜利而不追求优势的最大化。那么接下来是不是可以说，如果给每一个胜
负局加上权重，比如胜负五目的棋局重复训练十次，而胜负半目的棋局只训练一次，这
样训练出来的狗会更聪明一些？
【在 c****o 的大作中提到】
: 围棋的巨大分支树，最底下的节点就是终局时盘面的形态，那么每个盘面都有一个客观
: 的胜负多少目的结果。对alphago来说，它并不考虑这个胜负多少目，它只考虑这个形
: 态下到底是黑胜还是白胜。然而，如果我们考察分支树，那么从统计意义上说，胜负差
: 距越小的盘面数目，应该就越多，例如，大胜200目的所有可能盘面，必然远远少于小
: 胜2目的盘面数目。
: 这一点可以大致用数学原理来分析一下。如果假设最终我们分别用黑子和白子把黑白双
: 方占的地都填满，那么黑占181白占180的盘面数目为C(361,180)，命名为c1，而黑占
: 231白占130的盘面数目为C(361,130)，命名为c2。我们来考察下c1和c2谁大谁小，简单
: 的计算表明c1大约是c2的一百六十万倍。注意，这里的估算是非常简化的，但是看懂的
: 人能够理解我们的定性结论，即，差距越小的盘面，其总数也就越多。
|
G***s
发帖数: 739 | 30 我很好奇如果让两个alphago对弈会是什么结果？ |
