AlphaGo Zero的原理分析课件.pptxVIP

计算机处理围棋复杂的能力压倒了人类;围棋AI是可以理解的 约20篇围棋AI分析文章在观察者网、新浪棋牌发表。 与应氏杯冠军唐韦星九段、吴肇毅九段共同解说AI对人的棋局。 赛前独家预测到了李世石第四局战胜AlphaGo的方式，分析出了AlphaGo的弱点。 通俗分析，不需要太多算法专业知识。 ;围棋是一个优美的数学问题 规则极简单，只需要2条极简单的行棋规则即可。 1. 气尽提子 2.禁止同形再现（否则程序陷入死循环了，需要打劫） ;围棋是一个优美的数学问题 由行棋规则可以推出博弈规则： 1. 双方占地，能生存的棋子和围住的空归本方。都不下了就终局数目。 2. 双方游戏目标是多占地。至此已经可以进行游戏与优化了，是一个博弈问题。 3. 博弈论的均衡解：双方最完美的行棋达成的平衡。 数学问题：双方分享N*N个点，双方博弈均衡值是多少？N=5已经解决。 五路棋盘均衡解：黑方25个点全得。七路棋盘均衡解推测为黑29子白20子（李喆六段）。 ;围棋是一个优美的数学问题 围棋是宇宙数学中天然存在的游戏，人类只是发现（非发明）了它。 胜负规则是人类强加的：贴目。 1. 比赛棋盘19*19共361个交叉点：黑占182、183、184、185、186... 2. 双方数子结果的和一定为361： 白占179、178、177、176、175... 3. 现在黑184则负，185则胜，这是为了分出胜负强加的。 4. AI认为，中国规则数子是自然的，容易程序实现，AI是中国规则最坚定支持者。 5. 日韩规则数目，定义不完全甚至是错误的，是人强加的，AI无法理解。 日韩规则：强行规定盘角曲四是死棋。“劫尽棋亡”逻辑错误，双活需要实战解决。 ;围棋是一个优美的数学问题 东西方对围棋不同的理解 东方（中日韩）：围棋是文化艺术，是竞技，代表国家荣耀。爱好者普遍认为，围棋有深奥的战略与战术，能开发智力，非常有意思。专业与业余高手很多。 西方：围棋是数学问题。国际象棋爱好者多，能领会围棋的优美与深奥的人少。主要把围棋看成数学问题，围棋高手极少。 ;博弈论与计算机算法对国际象棋与围棋的理解：完全博弈树 开盘是根节点，按不同的下一招，分出多个分支。 叶子节点不再需要分支：国际象棋死棋或和局，围棋终局数子。 所有可能的局面都会出现在这个完全博弈树中。 策梅罗定理（1913）：每个节点都有确定的博弈结论，黑方必胜、白方必胜、或和棋。 国际象棋：应该是双方和棋（顶级AI超过90%和棋），但不是证明。 围棋：如果均衡贴目，双方和棋（如黑184白177的均衡结果）。偏离均衡贴目，一方必胜（贴7目半执白有优势，贴5目半执黑优势）。 ;国际象棋局面数：约10^46 围棋合法局面数：简单计算是3^361。精确数值是171位数（2015）。 208168199381979984699478633344862770286522453884530548425639456820927419612738015378525648451698519643907259916015628128546089888314427129715319317557736620397247064840935 局面数都是天文数字，到现在都不可能破解，只能想办法设计实际的搜索算法。国际跳棋已经破解。;国际象棋等传统棋类算法的核心概念：局面评估函数 局面评估函数可以静态计算（仅依赖当前局面），不用往前搜索。 局面评估函数和真实的局面情况，存在误差，如将黑胜的结果误判为白胜。好的函数误差小，适应性强（没有明显bug，常见局面不出错）。 从一个节点往下搜索是改善这个节点评分的办法：多算胜，少算不胜。 利用局面评估函数进行搜索优化，是棋类博弈算法的核心工作。如Alpha-Beta剪枝算法，意思是损失巨大的分支就不用搜索了。 ;国际象棋AI战胜人类棋手：符合人类直觉的传统算法 局面评估剪枝，搜索优化。将搜索树规模降到计算机算力之内。 搜索代码+人类知识库开局库。硬件工程师+软件算法工程师+专业棋手。 国际象棋AI的算法和人类弈棋思维差不多，但算得快、算得深。 计算机国际象棋80、90年代就有相当实力，因为没围棋那么复杂。 现在人类还有希望和AI下和，国际象棋的复杂人还算能应付。;人类高手应对围棋复杂的办法：优秀的直觉 围棋高手识别局面，根据局部棋形产生直觉选点：很多情况只此一手。 围棋高手的计算结果一般就是第一直觉。10秒的快棋水平与慢棋相差不大。 国际象棋高手更依赖于计算与评估，围棋局面评估极难，人类高手靠直觉。 围棋高手强调计算：局部死活、局部得失的验证，是对第一直觉的验算。 围棋高手的局势评估会起关键作用，但并不是每一招都进行。感觉需要了才进行数目、手割之类的评估。评估不准确，不同棋手观点对立。 计算、局势评估是顶