围棋ai算法

A. 和ai下围棋为什么赢不了

思维差。Al下围棋的策略，其下棋算法没有经过人工调试，完全是靠自己在海量数据中摸索出来的，这才是真正的人工智能对职业棋手的胜利，不会赢是因为自己的思维太差了。

B. 怎样用ai进行围棋训练

今年对围棋来说是载入史册的一年。一月阿法狗初露端倪，毁誉参半。三月震惊世界，一战惊天人。面对三千年未有之大变局，逃避是没有丝毫益处的。我们能做的只是努力了解新科技，并且努力使自己适应这些变化。

笔者从小跟父亲学习下围棋。至今笔者仍然记得自己是怎样被带入这个坑的。当年年过三十并且依然中二的父亲跟我说：“我觉得你学习是学不出来的（我去年买了个表，你哪只眼睛看出来我学不出来？是不是亲生的？）。想想能不能走别的路吧，我觉得你可以努力当运动员（纳尼？）。我查了一下，奖金最高的是三个项目（奖金！奖金！）。第一个太贵了，咱们学不了（是啥？），是网球。教练场地咱都花不起那个钱。第二个你也学不了（还有我学不了的？），是拳击（。。。。。。。。。。。。。。。。。。。）。第三个就是围棋，你就学这个吧（好吧我就学围棋吧。等等，好像哪里不对。那时候没有网，你从哪查到的奖金排名？套路，都是套路）。”

从那以后就开始学着下，自己看书，看CCTV5的纹枰论道，看一些挂盘讲解。开始提高的还比较快，很快父亲就下不过我了。可是到了一定程度，就怎么也提高不了了。看死活题的书，要么就是太容易没价值，要么就是太难，看得一头雾水。书上没有的参考图，自己心中仍然也有很多疑问。布局，作战方向上没有老师的指导，终究是很难有突破的。终于到后来就放弃了围棋，还是老老实实读书去了。现在想来，如果小时候就有阿法狗给我玩，就算达不到职业水平，也不会仅仅是今天这个水平吧。

小学的时候偶然间接触到了一个围棋游戏，从那时开始关注计算机围棋，距今已有十几年了。玩过的有名的对战程序有GNU Go，银星围棋，Crazy Stone和Zen。解死活题的程序有横滨死活题。特别是Zen，从Zen4玩到Zen6，亲眼目睹了程序的成长，同时在利用围棋程序更高效地提高自身水平方面，有一些自己的心得。本文主要目的是针对想努力提高自身围棋水平的业余爱好者，谈一谈怎样利用世界中的“他者”，更好地为自己服务。

Zen6

Zen6是日本工程师开发的计算机对战软件。在比较好的个人电脑上运行可以达到弈城8段甚至9段的水平。可以说除了阿法狗之外，目前就数Zen6最强。

虽然Zen6没有阿法狗强，但是对于一般的爱好者来说，Zen6比阿法狗更合适。首先，他们用的算法相似，都是神经网络加蒙特卡洛树搜索。其次，成本上来说阿法狗一般人根本玩不起，Zen6相当亲民。最后，阿法狗太强了，对于一般业余爱好者来说，Zen6的实力更适合一些。

C. 世界三大围棋AI身世大起底 究竟哪只狗最厉害

AlphaGo到底是如何下棋的呢？AlphaGo通过蒙特卡洛树搜索算法和两个深度神经网络合作来完成下棋。在与李世石对阵之前，谷歌首先用人类对弈的近3000万种走法来训练“阿尔法狗”的神经网络，让它学会预测人类专业棋手怎么落子。然后更进一步，让AlphaGo自己跟自己下棋，从而又产生规模庞大的全新的棋谱。谷歌工程师曾宣称AlphaGo每天可以尝试百万量级的走法。“它们的任务在于合作‘挑选’出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围内。在本质上，这和人类棋手所做的是一样的。”中国科学院自动化研究所博士研究生刘加奇说。

D. DeepMind 研发的围棋 AI AlphaGo 是如何下棋的

AlphaGo是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。
AlphaGo的棋让人想起了李昌镐九段全盛时期的招法，经常走一些看似缓手的自补，其实这正是李昌镐和AlphaGo的英雄所见略同啊，已走下神坛的李昌镐，看到AlphaGo想必会别有一番滋味在心头。
这个思路相当机智开始棋面简单可供学习的专家棋谱多，因此下棋就以学人下为主，后期搜索空间变少了，则已暴力穷举为主。

E. 如何在下围棋的时候使用ai

摘要 您好，很高兴为您解答问题，拍照识别棋盘，转成sgf格式的文件，导入到AI分析软件里面，使用AI实时分析，给出建议。找了很多的软件和开源代码，终于发现弈客围棋可以实现，但是过程稍有繁琐。因为弈客围棋的拍照数子功能较弱，容易出错，建议采用下面的方式

F. 围棋AI引擎MOGO，计算力还可以，很想了解其算法思想

没有算法思想，最主要还是棋谱录入。你说的MOGO里面录得棋谱多，而且变化也比较新（手谈5什么的变化还是很老的），这样它应对的变化就多。一个是局部变化、另一个是全局变化，围棋ai主要在这两方面做文章。但不管怎么改，围棋ai水平还是很弱的，首先一打劫它就蒙了，而且判断引征的问题也会有错误（很难解决）。围棋不像国际象棋或中国象棋，变化能数出来，存在最强的ai，围棋变化太多，还牵扯打劫等问题。不可能将所有变化录进去，很多地方还是能钻ai的空子的。

G. 围棋AI为什么这么强 强在哪里

主要强在两点：
1、强大的暴力计算力，也就是数学计算力。这一点计算机在一两百年前就超过了人类，现在更加不用说。这一能力可以使计算机在局部计算时对人有优势，可以实行局部穷举法。这样在对杀中，尤其是快棋，会比人类有明显优势。
2、超高的学习效率。这一点是阿发go的亮点，也是谷歌想展示的东西。我没记错的话，阿发go学习，一天可以下成千上万盘棋。一周下的盘数可能就超过柯杰一生。即使每盘棋的思考总结能力比人类弱不少，但是效率实在超出太多了。
我觉得，柯杰要是能下阿发go一半甚至1/10的盘数，并且保持这么年轻的状态，肯定能赢阿发go。可惜按照人的寿命和生理需要，这是不可能的。

H. AI打败围棋冠军，人工智能真的会“思考”吗

并不是。
那么AlphaGo是为什么能赢？从机器人家一篇深度文章‘’为什么柯洁一局都赢不了‘’中我们知道，AlphaGo 下围棋的策略，与按人类预设剧本下棋的深蓝不同，其下棋算法没有经过人工调试，全部是靠一种计算模型，可以在海量数据中找出规律。AlphaGo 使用了两种人工神经网络，一个是预测网络（policy network），一个是评估网络（value network）。预测网络用来预测对手下一步可能怎么走，评估网络则用来评估给定棋局下己方的获胜概率。
所以机器讲究的是算法，并不是会‘思考’。这也印证了前两天机器人参加数学高考的事实而不是语文，我想如果是语文，估计成绩就没那么好了，那就叫机器‘’烧脑‘’了。

I. 现代化“AI”是不是已经毁了围棋这一古老的游戏

我个人认为现代化“AI”并没有毁了围棋这一古老的游戏，因为现在围棋比赛又不是叫你和“AI”比赛，研究出围棋“AI”也只不过是为了测试前沿的技术，根本就没想着颠覆围棋。

总的来说，我个人认为现代化“AI”是不是已经会了围棋这一古老的游戏完全就是在给“AI”泼脏水，因为围棋比赛还是正常由人和人比赛，而“AI”之所以选择围棋，只不过是因为围棋的高复杂度很适合训练“AI”，我劝那些玻璃心围棋选手别太自作多情，你一生的价值甚至不如别人在“AI”领域投资的零头！