※ 引述《turing (涂妮)》之銘言：
: 再看今天第78手後，發生什麼事情？
: 明顯這個「神之一手」不在其策略網路之前估計的棋步中。
: 所以，之前所有值網路所估計的勝率全部報廢。
: AlphaGo必需全部重新計算勝率，而需要約五步的時間(到第79~87步)
: 值網路才回復正常。
我的看法是 Policy Network 裡面有給過神之一手 (白 78)
AlphaGo 也算過相關變化, 但是算的不夠深, 或者說 Value Network 太晚估對.
假設 AlphaGo 搜尋深度固定 8 層 (簡化說明, 實際上不是如此)
AlphaGo 79 手: 我算過 79~86 手的變化了, 86 手的 value network 有 70%
我可以安心下 79.
AlphaGo 81 手: 81 手 value network 報 70%
讓我算一下 81~88 手為止的變化
WTF! 87 手的 value network 掉到 40% ?
可是 81 手的勝率 40% (被 87 手降低) 還是最高, 只好繼續下 81.
AlphaGo 83 手: 83 手 value network 報 70%
83 手的勝率 40% 還是最高, 只好繼續下 83.
AlphaGo 83 手: 85 手 value network 報 70%
85 手的勝率 40% 還是最高, 只好繼續下 85.
AlphaGo 87 手: 87 手的 value network 報 40%
我第 81 手時知道我錯了, 可是 81 手前下錯已經走上單行道.
想避開神之一手
AlphaGo 要能搜尋的更深提早知道 87 手的盤面很劣 (但要花很多運算時間)
或是 Value Network 早一點報對, 比如說第 80 手的盤面就知道很劣.
拉長搜尋時間不太可行 (今天都快用光時間了)
把 Value Network 訓練的更準應該是 AlphaGo 主要的目標.
作者:
ilw4e (可以吃嗎？)
2016-03-13 22:23:00可是照理說minimax不是要排除嗎?:D
作者:
SuperUp ((￣▽￣＃)﹏﹏)
2016-03-13 22:24:00自爆的那二手也是勝率最高嗎?
作者:
ShenMue (莎木)
2016-03-13 22:28:00如果到了2040年左右？能再多搜個幾層的話 棋士還能對抗嗎
作者:
aaaba (小強)
2016-03-13 22:28:00也有可能是mcts裡的rollout policy太爛，分支就被剪掉了
作者:
birdy590 (Birdy)
2016-03-13 22:28:00實際上計算是 MCTS, 評估網路認為沒那麼重要的 就不會算那麼深(時間夠或計算資源多還是可能會算到 但不保證)
作者:
arcworld (人生究竟是什麼呢？)
2016-03-13 22:29:00可是是因為AG下了69才會有78的發生
作者:
Uizmp (黑袍法師)
2016-03-13 22:30:00自爆的時候可能決策系統給出的勝率都很低了
作者:
pkyosx (Insomnia)
2016-03-13 22:30:00minmax 是看他深度決定的 有可能 min 在更深的地方
作者:
birdy590 (Birdy)
2016-03-13 22:31:00應該反過來講 它在計算 69 的時候是看不到 78 的
作者:
arcworld (人生究竟是什麼呢？)
2016-03-13 22:31:00所以，實際上AG在評估69要下哪邊時就做錯決定了...
作者:
pkyosx (Insomnia)
2016-03-13 22:31:00等到他真的遇到了 就 GG 了
作者:
pkyosx (Insomnia)
2016-03-13 22:37:00這個局部的洞估計兩邊都很難在夠早的地方看到 就是運氣
不懂。如果他早知道正常下87手勝率很低，79手就不會覺得勝率高吧? 我不懂MCTS，但我以為這裡收斂到minimax很快
感謝原po XD 想來我本來看錯了，不過這跟Demis說法不符?
就是Demis說AlphaGo的回報勝率到87才降
Demis 可能透過 AlphaGo 知道 79 手下別處沒那麼差value network 的確是到 87 手才降的搜尋樹回報的勝率是後續幾手 value network 決定Demis 指的是 value network 到 87 手才知道劣太晚了
我不會這樣解讀Demis的說法XD 不過說不定是你說的這樣等等，你說的真是太有道理了!!! m(_ _)m感謝推這篇XD，我覺得對沒學過演算法的人這篇最好，你沒有討論rollout policy，不過Demis意思應該就是說value network才是問題所在，這樣好像很難分析...