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：
沒有留言:
張貼留言