2017年12月5日 星期二

王銘琬九段的後阿發夠報告(13)


從7圖可以看出,阿發夠是不會乖乖把征子提吃掉的棋風。要舉例的話,我首先想到就是Master時期所下的這手黑4。這個地方以前人類都是空心提掉的。現在人類也常下在A飛,但黑4卻是遠比A位有更飛躍的感覺。

7圖


7圖的黑A,因為有讓白B大飛侵入的弱點,等於是在圍袖空。但在此圖的局面下,右邊與下邊都很寬廣,上邊白棋也很薄弱,所以黑4指向更寬廣的方向是一手非常讓人贊同的棋。

在這樣的條件下,我的理解是不提取征子而走拓寬局面的下法會更有力。但阿發夠對柯潔之戰這樣不提取征子的下法,就不符合這樣的解釋。不知道是我的理解哪裡出了問題?抑或是5圖白▲這手棋單純只是阿發夠的一種「趣向」?這只有打開這兩種種計算資料來比較,才能完全明白了吧?

[即將成為職業棋士研究會的必需品]

如果圍棋AI的計算內容能夠變得很容易看懂的話,大家就會因為看懂而心裏覺得很舒暢。現在雖然還沒能做到這樣的程度,我想在不久的將來就有機會達成才對。

現在有個具有與職業棋士水準相當的日本強大AI「AQ」決定將程式原始碼公開化。所以不論是誰,都可以下載下來對局。這套軟體雖然能夠即時顯示勝率,卻沒有除此以外的功能。作者本人非常忙碌,似乎是無暇再弄了,但既然原始碼公開了,就有人可以在作者的程式上再添加其他的功能了。

而台灣的CGI已經打算開始開發這方面的功能,所以未來店長系列應該也會考慮跟進吧。所以我覺得能夠簡單看懂比人類還強的圍棋AI的計算資料應該只是時間的問題而已了。

到了那個時候,圍棋AI就能指出勝率下降的棋,然後顯示出與這手棋相關的變化圖,也能徹底地配合人類找出想要研究的著手變化。雖然這些變化未必是全部正確,但對職業棋士而言卻是不能忽視的重要參考。將來可能會有很多研究會準備好圍棋AI,變成善於使用圍棋AI的型態吧?

[深度學習難以理解之處]

圍棋AI所下的棋之所以讓人覺得難懂,其實也跟深度學習有關。

深度學習是一種從大量資料中自我找出一種特徵的技術,但這種辨認特徵的過程,其實就連寫程式的人也未必明白。也是因為這樣,深度學習就被當成是黑盒子、被認為是看不懂的東西了。

在圍棋AI中,的確是利用深度學習的效果算出勝率與提出候補落點,但為何它能算的出來,到最後為止都沒有人知道。

不過,這應該不至於構成圍棋AI「難以理解」的要素才對。這是因為反正人類也只能把這種地方當成是黑盒子。人類自己怎麼去判斷每個局面、怎麼樣想出次一手的落點,常常也是到了最後也搞不清楚啊。

[說不完的理由與無限的趣味]

放在書架上的書,只要想看,隨時都能看。所以大家就會覺得人類下的棋,只要是感興趣,應該也是只要去問下出的人就能問出關於那手棋的一切吧?不過,人類很難重現自己的形勢判斷與算路的過程,所以對於一著棋是怎麼生成的,其實是很難好好說明清楚的。

雖然無法好好說明清楚,但人類所下的棋和AI下的棋還是有決定性的差異。那就是AI的棋是根據決定好的學習內容所造成的結果,或說是既定的過程中所產生出來的產物。所以人類無法從中找出類似人類要這麼下的「理由」。

另一方面,人類的棋是不管下在哪裡,一定會有那個人要這麼下的理由。雖然說這個理由可能會因為太過複雜而無法好好說明出來。

換句話說,人類下的棋除了「下在甚麼地方」以外,還包含了每個人不同的「為什麼」。而這個理由也是全世界唯有那個人才擁有的。越往下挖掘這個理由,就越能增加人類下棋的趣味性。

8圖是我最近持白下的一局,當黑2尖碰時,我下出了白3這手棋。我想這手棋恐怕是這個局面下前所未有的下法吧。就算AI也下出這手棋,也沒有任何理由,但我這樣下,卻有一大堆的理由。不管是欠缺了哪一個理由,我就下不出這手棋來。

8圖 王銘琬九段(白)的實戰例


在這個型態下,通常白棋會下A或B,但白A立之後會出現記不太清楚的大型變化。白B的話又覺得太過閃避。所以如果白棋能下出3象飛,則一來可以和白1呼應,希望強調全局廣闊的優異性。接下來黑棋如果下A,則白C碰應該可以弄出甚麼成果,所以我就想「賭一把」而下在白3看看。

如果要繼續追究下去,就會討論到為何這樣可以造就「寬廣」的「優異性」?為何非要「賭一把」?真是說也說不完。不過所謂的「理由」本來就是這麼一回事啊。

其實至今為止,我能把自己的棋完全解說出來的經驗可說是一次也沒有。我想這正是理由說也說不盡、圍棋的趣味則是無窮無盡的證明吧。

===



相關系列文章: