第二章 AlphaGo的思考方式
在前一章中，我們確認過了「I Love You」的翻譯思考方式，而AlphaGo使用的其實也是同樣的手法。接下來，我們就用簡明易懂的「碰長定石」為例來看看它怎麼思考吧。
１圖
其實AlphaGo並不是把上圖這個型辨識成碰長定石，而是之前利用統計與機率導出了這個型，並且把一塊形狀當成一個群組。
換句話說，和碰長定石沒有關係，就算是出現在棋盤上其他地方，它也會判斷成只要黑１碰來，白棋就有６０％的機率會下２扳。
或者它也會從資料庫中尋找有沒有像白Ａ長等等其他的招數，然後根據搜尋出來出現機率最高的結果選擇下出白２這一著。
但其實AlphaGO並不知道白２這手棋到底是好棋還是壞棋。即便是如此，為何AlphaGo還是可以靠著統計與機率的搜尋方式來贏棋呢？這個我們後續再談。
回到圖１，當白２扳時，黑棋也有７０％的機率會３長，或者黑棋也可能會走Ｂ扳，但程式還是會根據機率搜尋挑出出現機率最高的一手棋，並且持續搜尋接下來的各手棋、並做出選擇，然後假定會變成到黑７為止的結果，先做出一個型。至於途中發現的其他變化形態也會一塊塊的做成群組，然後放入選擇名單之中。
這就和「I Love You」的翻譯思考方式是一模一樣。
到這裡為止的解釋，可能有人會誤解為AlphaGo是光靠定石（型的群組）來下棋的，所以我想用２圖的棋型來幫助大家更進一步地理解它的思考方式。
２圖
像２圖這樣黑地與白地都已經有相當程度完成的局面中，有５０％的機率黑棋會走黑１尖。接著白棋會有８０％的機率下２擋，然後一直到白６為止也都是靠統計與機率推斷出會變成這個型態。
更進一步，它會搜尋出只要黑１尖，就有７０％的機率會走成白６為止的型態，然後就把白６為止的一塊型態當作一個群組學習起來。
然後我們再把說明拉回到碰長定石上。
３圖
像３圖那樣，假定先在棋盤上填入碰長定石的群組，後續也根據統計與機率的搜尋方式導出到黑△之後的發展，最後的黑１到白６也用搜尋的方式填入這個群組來思考。
至今為止採用了蒙地卡羅演算法的圍棋程式，都是在黑１下出後，使用亂數搜尋的方式去計算白２、甚至是黑３以下的各手棋，這樣要導出圖３中白６為止的結果是非常困難之事。
不過利用深度學習，就可以參照儲存起來的棋譜資料庫，辨識出黑１到白６的棋型會頻繁出現，因此把這個棋型暫時先做成一個群組。然後在棋局的進行中，搜尋各式各樣的棋型，做出暫定的終局圖，並且假定黑棋只要下□，就可以１０目勝。
它就是經過這樣的思考方式，從出現率最高的變化中，搜尋出最單純的一手棋當作它的次一手棋。
以上的這些過程，用我們人類的角度來看，就是一般所說的「一廂情願計算（勝手細算）」，但是對於電腦來說，這可是一種精確度高到嚇人的一廂情願計算。
這裡還有一個理解AlphaGo實力的重要關鍵，就是它不一定下的是「最佳」著手。
在下一章中，我想來解說一下我所看到的AlphaGo實力。
＝＝＝
相關系列文章：
沒有留言:
張貼留言