但这更说明象棋依然是上帝的杰作,她的艺术光芒,依然夺目。
渡水兄所言极是!
不知道艾尔法狗的算法的细节。简介上是说机器学习加搜索(machine learning and tree search)。猜想搜索部分应该是变化了的A/B搜索。80年代我接触过一些人工神经网络的东东,其中很重要的一个部分就是l就是学习和训练。常常是通过学习,程序便聪明了,可是具体学到了什么?新的对弈逻辑是什么?说不清楚。就是有点像人了。
前不久我发了我儿子编写的阿利马(Arimaa)对弈程序Sharp胜了电脑对人类的挑战赛的事。
他的程序的关键也是学习。阿利马的分支因子很大。要想算得深,必须要大量砍枝。人类棋手有天然的直觉,能够一下子抓住要点,精算自己和对方最可能的一小步份走法。这对电脑来说是大难点。儿子的程序中的关键一块就是向人类学习。他程序中的学习部分在比赛时不能使用,但平时可以输入大量的人类对局来学习。学习当然不是死记硬背,具体的学习算法我不清楚。听说他的程序每一步大约要砍掉96%的可能性,只算剩下的一小部分。所以才能算得深。
-------------------------------------------------------------------------------------
阿利马也是EXPTIME的复杂性。分支因子很大(17281)。
https://en.wikipedia.org/wiki/Game_complexity
(其中第41个引文是他的论文)
这几年他一直在对他的程序进行改进和training。家里有一台电脑24小时运行,还租了云计算。去年他程序的棋力有了大突破,在正式的阿利马挑战赛中战胜人类棋手。历史上首次。
https://en.m.wikipedia.org/wiki/Arimaa
按规定S必须提交一篇论文给国际电脑游戏组织(ICGA),他的胜利才能得到承认。
期刊第38卷第一期。
https://chessprogramming.wikispaces.com/ICGA+Journal#38_1
这一期期刊的内容几乎都是关于这个事件的。
也算为电脑游戏人工智能的进展尽了一点力。12K奖金他捐给阿利马棋社。
他的母校,哈佛工学院在校友网页上也记录了这件事。。
https://www.seas.harvard.edu/blog/2015/08/alumni-profile-david-wu-ab-11
第一段将这件事和深蓝和华生相提并论。实在是太夸张了,不敢当。他这个是小棋种,玩的人少,所以他这样的业余研究者也可以插一脚。