圍棋ai演算法

A. 和ai下圍棋為什麼贏不了

思維差。Al下圍棋的策略，其下棋演算法沒有經過人工調試，完全是靠自己在海量數據中摸索出來的，這才是真正的人工智慧對職業棋手的勝利，不會贏是因為自己的思維太差了。

B. 怎樣用ai進行圍棋訓練

今年對圍棋來說是載入史冊的一年。一月阿法狗初露端倪，毀譽參半。三月震驚世界，一戰驚天人。面對三千年未有之大變局，逃避是沒有絲毫益處的。我們能做的只是努力了解新科技，並且努力使自己適應這些變化。

筆者從小跟父親學習下圍棋。至今筆者仍然記得自己是怎樣被帶入這個坑的。當年年過三十並且依然中二的父親跟我說：「我覺得你學習是學不出來的（我去年買了個表，你哪隻眼睛看出來我學不出來？是不是親生的？）。想想能不能走別的路吧，我覺得你可以努力當運動員（納尼？）。我查了一下，獎金最高的是三個項目（獎金！獎金！）。第一個太貴了，咱們學不了（是啥？），是網球。教練場地咱都花不起那個錢。第二個你也學不了（還有我學不了的？），是拳擊（。。。。。。。。。。。。。。。。。。。）。第三個就是圍棋，你就學這個吧（好吧我就學圍棋吧。等等，好像哪裡不對。那時候沒有網，你從哪查到的獎金排名？套路，都是套路）。」

從那以後就開始學著下，自己看書，看CCTV5的紋枰論道，看一些掛盤講解。開始提高的還比較快，很快父親就下不過我了。可是到了一定程度，就怎麼也提高不了了。看死活題的書，要麼就是太容易沒價值，要麼就是太難，看得一頭霧水。書上沒有的參考圖，自己心中仍然也有很多疑問。布局，作戰方向上沒有老師的指導，終究是很難有突破的。終於到後來就放棄了圍棋，還是老老實實讀書去了。現在想來，如果小時候就有阿法狗給我玩，就算達不到職業水平，也不會僅僅是今天這個水平吧。

小學的時候偶然間接觸到了一個圍棋游戲，從那時開始關注計算機圍棋，距今已有十幾年了。玩過的有名的對戰程序有GNU Go，銀星圍棋，Crazy Stone和Zen。解死活題的程序有橫濱死活題。特別是Zen，從Zen4玩到Zen6，親眼目睹了程序的成長，同時在利用圍棋程序更高效地提高自身水平方面，有一些自己的心得。本文主要目的是針對想努力提高自身圍棋水平的業余愛好者，談一談怎樣利用世界中的「他者」，更好地為自己服務。

Zen6

Zen6是日本工程師開發的計算機對戰軟體。在比較好的個人電腦上運行可以達到弈城8段甚至9段的水平。可以說除了阿法狗之外，目前就數Zen6最強。

雖然Zen6沒有阿法狗強，但是對於一般的愛好者來說，Zen6比阿法狗更合適。首先，他們用的演算法相似，都是神經網路加蒙特卡洛樹搜索。其次，成本上來說阿法狗一般人根本玩不起，Zen6相當親民。最後，阿法狗太強了，對於一般業余愛好者來說，Zen6的實力更適合一些。

C. 世界三大圍棋AI身世大起底 究竟哪只狗最厲害

AlphaGo到底是如何下棋的呢？AlphaGo通過蒙特卡洛樹搜索演算法和兩個深度神經網路合作來完成下棋。在與李世石對陣之前，谷歌首先用人類對弈的近3000萬種走法來訓練「阿爾法狗」的神經網路，讓它學會預測人類專業棋手怎麼落子。然後更進一步，讓AlphaGo自己跟自己下棋，從而又產生規模龐大的全新的棋譜。谷歌工程師曾宣稱AlphaGo每天可以嘗試百萬量級的走法。「它們的任務在於合作『挑選』出那些比較有前途的棋步，拋棄明顯的差棋，從而將計算量控制在計算機可以完成的范圍內。在本質上，這和人類棋手所做的是一樣的。」中國科學院自動化研究所博士研究生劉加奇說。

D. DeepMind 研發的圍棋 AI AlphaGo 是如何下棋的

AlphaGo是通過兩個不同神經網路「大腦」合作來改進下棋。這些大腦是多層神經網路跟那些Google圖片搜索引擎識別圖片在結構上是相似的。它們從多層啟發式二維過濾器開始，去處理圍棋棋盤的定位，就像圖片分類器網路處理圖片一樣。經過過濾，13 個完全連接的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。
AlphaGo的棋讓人想起了李昌鎬九段全盛時期的招法，經常走一些看似緩手的自補，其實這正是李昌鎬和AlphaGo的英雄所見略同啊，已走下神壇的李昌鎬，看到AlphaGo想必會別有一番滋味在心頭。
這個思路相當機智開始棋面簡單可供學習的專家棋譜多，因此下棋就以學人下為主，後期搜索空間變少了，則已暴力窮舉為主。

E. 如何在下圍棋的時候使用ai

摘要 您好，很高興為您解答問題，拍照識別棋盤，轉成sgf格式的文件，導入到AI分析軟體裡面，使用AI實時分析，給出建議。找了很多的軟體和開源代碼，終於發現弈客圍棋可以實現，但是過程稍有繁瑣。因為弈客圍棋的拍照數子功能較弱，容易出錯，建議採用下面的方式

F. 圍棋AI引擎MOGO，計算力還可以，很想了解其演算法思想

沒有演算法思想，最主要還是棋譜錄入。你說的MOGO裡面錄得棋譜多，而且變化也比較新（手談5什麼的變化還是很老的），這樣它應對的變化就多。一個是局部變化、另一個是全局變化，圍棋ai主要在這兩方面做文章。但不管怎麼改，圍棋ai水平還是很弱的，首先一打劫它就蒙了，而且判斷引征的問題也會有錯誤（很難解決）。圍棋不像國際象棋或中國象棋，變化能數出來，存在最強的ai，圍棋變化太多，還牽扯打劫等問題。不可能將所有變化錄進去，很多地方還是能鑽ai的空子的。

G. 圍棋AI為什麼這么強 強在哪裡

主要強在兩點：
1、強大的暴力計算力，也就是數學計算力。這一點計算機在一兩百年前就超過了人類，現在更加不用說。這一能力可以使計算機在局部計算時對人有優勢，可以實行局部窮舉法。這樣在對殺中，尤其是快棋，會比人類有明顯優勢。
2、超高的學習效率。這一點是阿發go的亮點，也是谷歌想展示的東西。我沒記錯的話，阿發go學習，一天可以下成千上萬盤棋。一周下的盤數可能就超過柯傑一生。即使每盤棋的思考總結能力比人類弱不少，但是效率實在超出太多了。
我覺得，柯傑要是能下阿發go一半甚至1/10的盤數，並且保持這么年輕的狀態，肯定能贏阿發go。可惜按照人的壽命和生理需要，這是不可能的。

H. AI打敗圍棋冠軍，人工智慧真的會「思考」嗎

並不是。
那麼AlphaGo是為什麼能贏？從機器人家一篇深度文章『』為什麼柯潔一局都贏不了『』中我們知道，AlphaGo 下圍棋的策略，與按人類預設劇本下棋的深藍不同，其下棋演算法沒有經過人工調試，全部是靠一種計算模型，可以在海量數據中找出規律。AlphaGo 使用了兩種人工神經網路，一個是預測網路（policy network），一個是評估網路（value network）。預測網路用來預測對手下一步可能怎麼走，評估網路則用來評估給定棋局下己方的獲勝概率。
所以機器講究的是演算法，並不是會『思考』。這也印證了前兩天機器人參加數學高考的事實而不是語文，我想如果是語文，估計成績就沒那麼好了，那就叫機器『』燒腦『』了。

I. 現代化「AI」是不是已經毀了圍棋這一古老的游戲

我個人認為現代化“AI”並沒有毀了圍棋這一古老的游戲，因為現在圍棋比賽又不是叫你和“AI”比賽，研究出圍棋“AI”也只不過是為了測試前沿的技術，根本就沒想著顛覆圍棋。

總的來說，我個人認為現代化“AI”是不是已經會了圍棋這一古老的游戲完全就是在給“AI”潑臟水，因為圍棋比賽還是正常由人和人比賽，而“AI”之所以選擇圍棋，只不過是因為圍棋的高復雜度很適合訓練“AI”，我勸那些玻璃心圍棋選手別太自作多情，你一生的價值甚至不如別人在“AI”領域投資的零頭！