Alpha Zero เป็น“ มนุษย์มากกว่า” อย่างไร?

ฉันมีคำถามที่ไร้เดียงสาเกี่ยวกับ AlphaZero ฉันได้เห็นมันอธิบายว่าเล่นในลักษณะ "มนุษย์มากขึ้น" กว่าคอมพิวเตอร์เครื่องอื่น ๆ แต่ไม่ว่ามันจะทำอะไรก็จะได้คะแนน ELO ประมาณ 100 คะแนนโดยการทำ คาสปารอฟและอีกหลายคนอ้างว่ามนุษย์ที่แข็งแกร่งในความร่วมมือกับคอมพิวเตอร์จะเอาชนะคอมพิวเตอร์ที่แข็งแกร่ง (อาจจะประมาณ 100 ELO ??) ดังนั้นคำถามที่ชัดเจนคือ AlphaZero จะเปรียบเทียบกับชุด "เซ็นทอร์" ได้อย่างไร

สิ่งที่ฉันสังเกตเห็นคือคอมพิวเตอร์ส่วนใหญ่เล่นเกมเปิดกว้างที่เพิ่มความคล่องตัวของตัวเอง แต่ดูเหมือนว่า AlphaZero จะมีความกังวลมากที่จะ จำกัด การเคลื่อนไหวของฝ่ายตรงข้าม ในผู้เล่นที่เป็นมนุษย์ฉันจะอธิบายสิ่งนี้ว่าเป็นเรื่องของสไตล์ไม่ใช่มนุษย์มากหรือน้อย

หน้า 5 ในกระดาษมีคำตอบของคุณ:

... AlphaZero ชดเชยจำนวนการประเมินที่ต่ำกว่าโดยใช้โครงข่ายใยประสาทแบบลึกของมันเพื่อค่าใช้จ่ายมากขึ้นในการเลือกรูปแบบที่มีแนวโน้มมากที่สุด - เนื้อหาเป็นวิธีที่ "เหมือนมนุษย์" มากกว่าหมากรุก ...

"selectively" เป็นคำสำคัญ นั่นหมายความว่าอย่างไร? ลองใช้ตำแหน่งต่อไปนี้สำหรับตัวอย่างของเรา:

https://chess24.com/en/read/news/london-classic-5-caruana-shows-how-it-s-done

เกมนี้เป็นเกมล่าสุดที่ Caruana ชนะในปี 2017 London Chess Classic อธิการสีขาวกำลังถูกโจมตีและคุณรู้ว่าคุณต้องย้ายมัน แต่ที่ไหน

ความเป็นไปได้ (ไม่สูญเสียชิ้นส่วน):

• BH4
• Be3
• BD2
• BC1

Caruana กำลังคิดอะไรอยู่

ฉันรู้สึกว่าฉันจะแพ้ในบางจุด แต่เมื่อฉันเห็น 25.Bc1 ฉันก็เริ่มที่จะได้รับในเชิงบวกมากขึ้นเกี่ยวกับโอกาสของฉัน ฉันรู้ว่าตำแหน่งของฉันไม่ดี แต่อย่างน้อยฉันก็มีแผนและนั่นคือทั้งหมดที่ฉันต้องการเพื่อความมั่นใจในตำแหน่งนี้ เมื่อฉันเห็น b3 นี้ c4 ตำแหน่งนั้นถูกทำให้เป็นขอบสองเท่าและฉันมีโอกาสบ้าง

นี่คือความคิดของมนุษย์และ "การเคลื่อนไหวของมนุษย์" Caruana ไม่ได้พิจารณา Bh4, Be3 และ Bd2 เพราะพวกเขา "ดู" ไม่ดี เขาได้มุ่งเน้นเท่านั้นและเฉพาะในการเคลื่อนไหว Bc1

มนุษย์เล่นหมากรุกอย่างพิถีพิถันเราละทิ้งการเคลื่อนไหวที่ไม่สมควรเพราะเราไม่มีเวลาตรวจสอบความเป็นไปได้ทั้งหมดเท่า ๆ กัน

• เราทิ้ง Bh4 เพราะปล่อยความตึงเครียดในการจำนำ h6
• เราละทิ้ง Be3 ไปเพราะมันปิดกั้น rooks สีขาวสองอันบนอันดับสาม
• เราทิ้ง Bd2 เพราะมันปิดกั้นราชินีสีขาวไปทางด้านกษัตริย์

นั่นคือสิ่งที่ AlphaZero พยายามอ้างสิทธิ์ในเอกสาร พวกเขาอ้างว่าอัลกอริทึมของพวกเขาแม้ว่าช้ากว่าสต็อคฟิชสามารถเลือกการเคลื่อนไหวที่ดีกว่าสต็อคฟิชในการค้นหา ในขณะที่สต็อคฟิชนั้นเร็วกว่า แต่ก็เป็นการเสียเวลาในการเคลื่อนที่ AlphaZero ช้ากว่า แต่ก็แม่นยำกว่า (เหมือนที่ Caruana กำลังทำ)

ตัวอย่างเช่น AlphaZero อาจใช้ทรัพยากร 80% ใน Bc1 และ 20% สำหรับการย้ายอธิการอื่น ๆ สต็อคฟิชอาจให้ 25% ต่อการเคลื่อนไหว (Bh4, Be3, Bd2, Bc1)

เอนจิ้นที่แข็งแกร่งส่วนใหญ่เน้นที่การมองลึกมากโดยใช้ฟังก์ชั่นประเมินผิวเผิน ในกระดาษ AlphaZero พวกเขาบอกว่าสต็อคฟิชมองดู 70 ล้านตำแหน่งต่อวินาที

คนดูตำแหน่งน้อยมากเมื่อเทียบกับเครื่องยนต์ แต่พวกเขามีความรู้สึกที่ดีกว่าที่ดีกว่าในตำแหน่งที่กำหนด

AlphaZero ดูเพียง 80,000 ตำแหน่งต่อวินาทีดังนั้นมันจึงใช้เวลามากขึ้นในฟังก์ชั่นการประเมินผล

นั่นคือความรู้สึกที่พวกเขาหมายถึง "มนุษย์มากขึ้นเช่น" ไม่มีอะไรเพิ่มเติม

ดูเหมือนว่า AlphaZero จะเล่นเหมือน "เซนทอร์" ปกติ -> correspodence GM พร้อมความช่วยเหลือด้านเครื่องยนต์

ในฐานะที่เป็นเอฟเอ็มฉันจะได้รับความเพลิดเพลินในการเล่น AlphaZero กับเอ็นจิ้นปกติมากขึ้น

การเปรียบเทียบอย่างหนึ่งจะเป็นอย่างที่เล่นอย่าง Karpov ด้วยกลยุทธ์ที่สมบูรณ์แบบ (เกมที่ 9 AlphaZero เล่นเป็นชิ้น ๆ สำหรับ 15move ซึ่งเป็น Tal มากเช่น)

มันไม่ได้เป็นเพียงแค่รูปแบบเท่านั้น AlphaZero ยังให้ความรู้สึกถึงความเข้าใจในตำแหน่งที่ดีกว่า Stockfish

AlphaZero ยังไม่ได้รับผลกระทบจาก Horizon Effect ที่เอ็นจิ้นหมากรุกทั้งหมดได้รับความเดือดร้อนจากตอนนี้ ครั้งแล้วครั้งเล่ามันสามารถประเมินตำแหน่งที่ถูกต้องมากกว่าที่สต็อคฟิชทำ

นี่คือตัวอย่าง:

AlphaZero รับบทเป็นกษัตริย์ถึงจุดที่ 16 Kxd2! ในเกมกลางตัดสินอย่างถูกต้องว่าแบล็กจะไม่สามารถใช้ประโยชน์จากมันได้

สามารถประเมินชิ้นส่วนที่เสียสละได้อย่างถูกต้อง 30. Bxg6! ในขณะที่เครื่องยนต์ทั่วไปไม่สามารถมองเห็นได้ว่ามันหายไปเพราะการเคลื่อนไหว

32. f5 ก็ค่อนข้างดีเช่นกัน

มีตัวอย่างอื่น ๆ เช่นแลกเปลี่ยนการเสียสละในเกม 3

มันง่ายที่จะกระโดดขึ้นไปบน bandwagon ว่าการเล่นของ Alpha-Zero นั้นเป็นมนุษย์มากกว่าเกมหมากรุกคอมพิวเตอร์ก่อนหน้านี้เนื่องจากมันจะกระโดดขึ้นบนเกวียนที่ตรงกันข้ามและพูดว่าการเล่นของ Alpha-Zero นั้นเป็น 'เอเลี่ยน' ทั้งหมด ไม่ชัดเจนว่าการเล่นของอัลฟ่าศูนย์นั้นเป็น 'มนุษย์มากขึ้น' โดยเฉพาะอย่างยิ่งเนื่องจากแนวโน้มของมนุษย์ที่มีต่อมนุษย์มนุษย์

หมากรุกในการต่อสู้ของจิตใจ (มนุษย์)

แต่ในหมากรุกแนวโน้มนี้เป็นจริงหรือไม่? แมกนัสคาร์ลเซ่นเคยพูดเกี่ยวกับวิธีที่คอมพิวเตอร์ 'ดั้งเดิม' โดยทั่วไปขาดความคิดสร้างสรรค์ของมนุษย์ที่พูดว่า:

“ หมากรุกคือทั้งหมดที่เกี่ยวกับการต่อสู้ระหว่างจิตใจมนุษย์นั่นคือสิ่งที่ทำให้มันน่าตื่นเต้นหมากรุกคอมพิวเตอร์เป็นเครื่องจักรกลแห้งและอ่อนโยนการเคลื่อนไหวนั้นแข็งแกร่งมากแน่นอน แต่ไม่มีสไตล์ถ้าคุณลองเล่นกับคอมพิวเตอร์หมากรุก ไม่เพียง แต่คุณจะสูญเสียความมั่นใจสูงมาก แต่คุณจะเบื่อในกระบวนการ

แมกนัสคาร์ลเซ่นไม่เห็นหลักฐานการเล่นของมนุษย์ในคอมพิวเตอร์หมากรุกแบบดั้งเดิม ดังนั้นให้ตรวจสอบว่าความสำเร็จล่าสุดของอัลฟ่าซีโร่ได้ยกเลิกมุมมองนี้และย้ายเราไปสู่บางสิ่งที่ชวนให้นึกถึงตัวเรามากขึ้น

ถ้าโดย 'เหมือนมนุษย์' คุณหมายถึงการเล่น 'พฤติกรรมการจัดแสดงมีแนวโน้มที่จะดึงดูดความรู้สึกของมนุษย์ในรูปแบบของอัลฟ่าศูนย์' ลักษณะของอัลฟ่าศูนย์ดูเหมือนมนุษย์มากขึ้นหรือไม่? เราจะทดสอบมนุษย์สายตาสั้นที่เป็นอัตนัยนี้เพื่อฉายภาพสิ่งที่ไม่ใช่มนุษย์ได้อย่างไร? ให้ถาม - อัลกอริทึม 'เลือกที่ดีขึ้น' หรือแสดง 'ทางเลือกที่สร้างสรรค์มากขึ้นของมนุษย์' ในสไตล์การเล่น

ผู้สร้างอัลกอริทึมของแสดงให้เห็นว่าแตกต่างจาก Stockfish ซึ่งใช้วิธีการค้นหา Alpha-Beta, Alpha-Zero พนักงานค้นหาต้นไม้มอนติคาร์โล (MCTS) อัลกอริทึมที่รับเป็น input พารามิเตอร์ถ่วงน้ำหนักθสร้างขึ้นจากผลก่อนหน้า ~ หน้า 3. หมากรุก Mastering และ Shogi โดยตัวเองเล่นกับทั่วไปเสริมสร้างการเรียนรู้ขั้นตอนวิธีการ )

ดังนั้นอัลกอริทึมไม่ได้แสดงตัวเลือกเลย มันมีส่วนร่วมในการค้นหา Monty-carlo แบบสุ่ม แต่มีความน่าจะเป็นที่ซึ่งเส้นทางการค้นหาที่เป็นไปได้ที่มีอยู่นั้นมีอคติมากขึ้นจากผลลัพธ์ก่อนหน้า Alpha-zero เลือกที่จะปรับสไตล์การเล่นด้วยวิธีนี้หรือไม่หรือเป็นทางเลือกของโปรแกรมเมอร์

Alpha-zero มีการเคลื่อนไหวที่เป็นไปได้ทั้งหมดอยู่เสมอหรือไม่หรือมีการเคลื่อนไหวบางอย่างที่มีอคติในขั้นตอนวิธีที่เลียนแบบประสบการณ์ซึ่งมนุษย์สามารถตีความได้โดยมนุษย์?

ในขั้นต้นมันมีการเคลื่อนไหวทั้งหมดที่มีอยู่เพื่อให้ 'สไตล์' เป็นแบบสุ่มทั้งหมด อย่างไรก็ตามเนื่องจากการค้นหามีการ จำกัด มากขึ้นและเหมาะสมที่สุดจากความสำเร็จหรือความล้มเหลวก่อนหน้านี้สไตล์ของมันก็เปลี่ยนไปสู่โหมดที่โปรแกรมเมอร์ได้ใส่กุญแจมือไว้ นี่เป็น 'มนุษย์มากกว่า' ใช่ไหม? เปรียบเทียบสิ่งนี้กับ Magnus Carlesen ที่บางครั้งจะเลือกการเคลื่อนไหวที่ดีที่สุดน้อยลงเพราะพวกเขามีความคิดสร้างสรรค์มากขึ้น :

Magnus Carlsen:“ ฉันซาบซึ้งในการสร้างสิ่งที่ไม่เหมือนใคร”

หมากรุกเป็นการต่อสู้ของจิตใจ (มนุษย์ต่างดาว)

มนุษย์สามารถเลือกเกณฑ์ที่ขับเคลื่อนสไตล์การเล่นของตนเอง (เช่นฉันมักจะเลือกแรงกระตุ้นและข้อผิดพลาดในสไตล์ของตัวเอง) เล่นเห็นหลาย Alpha-ศูนย์ทั้งในหมากรุกและไปเป็นเด็ดคนต่างด้าว Nick Hynes นักเรียนระดับปริญญาตรีที่ห้องปฏิบัติการวิทยาศาสตร์คอมพิวเตอร์และปัญญาประดิษฐ์ (CSAIL) ของ MIT ตั้งข้อสังเกต:

“ สิ่งที่เราเห็นที่นี่คือแบบจำลองที่ปราศจากอคติของมนุษย์และการอนุมานล่วงหน้า: มันสามารถเรียนรู้ทุกสิ่งที่มันกำหนดว่าเหมาะสมที่สุดซึ่งแน่นอนว่าอาจเหมาะสมกว่าที่แนวคิดของเราก็เหมือนกัน มันเหมือนอารยธรรมต่างดาวที่คิดค้นคณิตศาสตร์ของตัวเองซึ่งอนุญาตให้ทำสิ่งต่าง ๆ เช่นการเดินทางข้ามเวลา ... ”

ในทำนองเดียวกัน GM Peter Heine Nielsen บอก Chess.com :

“ หลังจากอ่านกระดาษ แต่โดยเฉพาะอย่างยิ่งการดูเกมที่ฉันคิดว่าดีฉันมักจะสงสัยว่ามันจะเป็นอย่างไรถ้าสายพันธุ์ที่เหนือกว่าลงบนพื้นโลกและแสดงให้เราเห็นว่าพวกเขาเล่นหมากรุกฉันรู้สึกตอนนี้ฉันรู้”

ดูเหมือนว่าส่วนใหญ่จะตอบสนองต่อรูปแบบการเล่นของ Alpha-Zero ในรูปแบบ 'การเล่นของมนุษย์ต่างดาว' และไม่ใช่ว่า 'มนุษย์มากกว่า

ดังนั้นจึงมีเหตุผลที่ไม่เห็นด้วยกับคำตอบข้างต้นที่พูดว่า 'ใช่'

นี่เป็นเวลาที่น่าสนใจอย่างไม่น่าเชื่อที่จะมีชีวิตอยู่

คอมพิวเตอร์หมากรุกที่เริ่มต้นจากปี 1970 เป็นอัลกอริธึมการค้นหาแบบย่อส่วนโดยใช้การตัดแบบอัลฟาเบต้า โปรแกรมเหล่านี้มีความแข็งแกร่งและแข็งแรงขึ้นเนื่องจากความก้าวหน้าของความเร็วคอมพิวเตอร์และความขนานและเนื่องจากการปรับปรุงฟังก์ชั่น eval heuristic ที่ใช้ในการตัดกิ่งและเลือกโหนดใบ แต่ผู้คนสังเกตเห็นมานานแล้วว่าการเล่นคอมพิวเตอร์ที่เป็นรูปธรรมและน่าเบื่อเป็นอย่างไรและหลาย ๆ คน (รวมตัวเอง) คิดว่ามันเป็นไปไม่ได้ที่จะเข้ารหัสสัญชาตญาณ "มนุษย์" ในซอฟต์แวร์

แต่คุณเคยเห็นเกมเหล่านี้หรือไม่

AlphaZero แสดงการเล่นที่สวยงามอย่างไม่น่าเชื่อรวมถึงตัวอย่างการเสียสละวัสดุเพื่อประโยชน์ในระยะยาว นี่เป็นเกมที่ชวนให้นึกถึงเกมที่สวยงามที่สุดจากมนุษย์ แต่มีความแม่นยำทางเทคนิคที่เหนือชั้น นี่คือตัวอย่างแรกที่ผมเคยเห็นในชีวิตของฉันของสิ่งที่คอมพิวเตอร์สร้างขึ้นและยังมีความงามลึก

การเรียกร้อง Centaur:

ฉันเคยได้ยินแกร์รีพูดหลายครั้ง แต่มันก็ไม่จริง หรืออย่างน้อยก็ไม่เป็นความจริงอีกต่อไปเมื่อมี AlphaZero บนฉาก

ลองจินตนาการถึงสิ่งนี้: มีชิ้นส่วนที่มีการสืบต่อเนื่องที่เกี่ยวข้อง 10,000 รายการโดยที่ 5,000 ของพวกเขาเป็นยุทธวิธีล้วนๆ (ส่วนใหญ่ไม่เกี่ยวข้องกัน) และอีก 5,000 ที่เป็นตำแหน่งส่วนใหญ่ มนุษย์จะลอดผ่านการเปลี่ยนแปลงเหล่านี้ทั้งหมดโดยไม่ทำผิดได้อย่างไร? หาก AlphaZero สามารถมองเห็นการเคลื่อนไหวที่สร้างสรรค์สูงเหล่านี้มนุษย์จะมีส่วนช่วยอะไรได้บ้าง?

The Last Frontier:

มีสถานที่เดียวที่เหลืออยู่ที่การคำนวณสัตว์เดรัจฉานจะยังคงเอาชนะอวนประสาทลึก: endgames ไม่มีจำนวนของสัญชาตญาณที่จะเอาชนะฐานตาราง แต่ตอนจบที่ต้องการฐานข้อมูล (เพราะโครงสร้างการค้นหาไม่สามารถเจาะลึกพอที่จะคำนวณการเคลื่อนที่ที่ถูกต้อง) นั้นหายากมาก และคุณสามารถเสียบฐานข้อมูลลงใน AlphaZero ได้ แต่นั่นจะทำลายความบริสุทธิ์ของเครื่องยนต์ "ที่สอนด้วยตนเอง" ใช่ไหม?

เนื่องจากมนุษย์ขาดความสามารถในการค้นหาอย่างลึกซึ้งเช่นโปรแกรมหมากรุกคอมพิวเตอร์แบบดั้งเดิม (ฟริตซ์, สต็อคฟิชและคณะ) พวกเขาสร้าง 'หลักการเชิงกลยุทธ์' หรือกฎนิ้วหัวแม่มือ (การควบคุมกลาง, การพัฒนา, ความปลอดภัยของกษัตริย์) และแนวความคิด สถานการณ์ในรูปแบบที่แตกต่างกันเช่นการเสียสละการเชื่อมต่อใหม่คู่บิชอปตอนจบที่เฉพาะเจาะจงเช่นวิธีการเข้าเฝ้ากษัตริย์ด้วยการโกงและการจำนำ

ฉันคิดว่าอัลฟาศูนย์ได้คิดค้นแนวคิดดังกล่าวขึ้นใหม่หลายอย่าง (การรับรู้และแนวคิด) และยังได้เรียนรู้แนวคิดใหม่มากมาย - เพราะความรู้ไม่จำเป็นต้องสร้างขึ้นจากฟังก์ชั่นการประเมินของมนุษย์และการค้นหา minmax ที่แข็งแกร่ง อัจฉริยภาพ

แน่นอนว่าหลักการดังกล่าวขัดแย้งกันในบางสถานการณ์นั่นคือเหตุผลที่ว่าทำไมการเล่นบทละครและข้อผิดพลาดต่าง ๆ จึงได้รับการศึกษาอย่างรอบคอบ - เช่นอย่าพัฒนาราชินีเร็วเกินไป

ในทางกลับกันมนุษย์ก็สังเกตเห็นว่าเมื่อคุณสูญเสียหนึ่งชิ้น (โดยไม่มีการแลกเปลี่ยน) คุณก็อ่อนกำลังลงดังนั้นพวกเขาจึงระมัดระวังอย่างยิ่งที่จะไม่สูญเสียชิ้นใดชิ้นหนึ่งโดยไม่มีการชดเชย

ฉันคิดว่าการเล่นของ Alphazero มีอิสระในการเล่นหมากรุกคอมพิวเตอร์ (และหมากรุกมนุษย์) จากความหวาดกลัวอย่างทารุณในการสูญเสียเนื้อหาเล็ก ๆ และความเชื่อมั่นในการเปิดหนังสือและคุณค่าของชิ้น

เกม Alphazero แสดงสิ่งต่าง ๆ เช่น 'หลักการเชิงกลยุทธ์' เช่นการควบคุมศูนย์การพัฒนาพื้นที่การริเริ่มมีความสำคัญมากกว่าหากคู่ต่อสู้ของคุณเลอะเทอะ กล่าวอีกนัยหนึ่ง 'การเสียสละ' ไม่ได้เป็นการเสียสละจริงๆ แต่เป็นการแลกเปลี่ยนเพื่อรับความคิดริเริ่มตำแหน่งการควบคุมทิศทาง

Alphago (ไม่ใช่ศูนย์) อาศัยการประเมินของมนุษย์ แต่ alphazero ได้จัดทำห่วงโซ่การประเมินทั้งหมดเพื่อ 'ค้นหาหรือจำลอง' เป็นกระบวนการเดียวจบและจบด้วยวิธีการเล่นแบบใหม่ทั้งหมด

หากคุณคิดเกี่ยวกับมันปรมาจารย์ที่ยิ่งใหญ่แห่งอดีตอย่าง Morphy, Fischer, Kasparov ได้รับการชื่นชมจากการเล่นแบบตัวต่อตัวที่พวกเขาไม่ได้ถูก จำกัด ด้วยการประเมินผลงานเขียนโดยใช้ประโยชน์จากสถานการณ์พิเศษที่ ออกมา ฉันคิดว่าเกมของ alpha zero มีปัจจัย 'wow' เช่นนี้

ทำไมเครือข่ายประสาท ในขณะที่โปรแกรมคอมพิวเตอร์ที่ใช้การแสดงเชิงสัญลักษณ์และการค้นหาแบบแยกสามารถใช้วิธีคิดแบบ 'หนึ่ง' เท่านั้นเครือข่ายประสาทเทียมสามารถเปรียบเทียบสถานการณ์ในกระบวนการด้วยการสลับการประเมินที่ขัดแย้งกันและพลิกไปสู่มุมมองที่มีค่ามากกว่า

มนุษย์มากขึ้นในแง่ที่ว่าการเคลื่อนไหวที่เล่นดูเหมือนจะสอดคล้องกันมากขึ้นหรือน้อยลงด้วยวิธีการของมนุษย์: เล่นเพื่อประโยชน์ในระยะยาวการเสียสละตำแหน่งงานกิจกรรมชิ้น มีการบรรจบกันอย่างชัดเจนกับความรู้หมากรุกของมนุษย์และหลักการเชิงกลยุทธ์ที่เป็นที่ยอมรับในหลายศตวรรษที่ผ่านมา (เช่น "ค้นพบ" ช่องเปิดหลายแห่ง) นี่เป็นสิ่งที่น่าทึ่งเนื่องจากข้อเท็จจริงที่ว่า AlphaZero ยังไม่ได้รับการถ่ายทอดความรู้หมากรุกที่มนุษย์สร้างขึ้น

แต่ความคล้ายคลึงกันสิ้นสุดที่นี่ AlphaZero นำมันไปสู่อีกระดับและทำได้ดีขึ้นและในแบบที่มนุษย์ไม่เคยคิด AlphaZero มีความสามารถ "เหนือมนุษย์" ในการอ้างถึงกระดาษ: "AlphaZero บรรลุระดับเหนือมนุษย์ในการเล่น [... ]" ( https://arxiv.org/pdf/1712.01815.pdf ) นอกจากนี้มันไม่ได้มีจุดอ่อนโดยธรรมชาติที่มีต่อมนุษย์: ปัญหาสมาธิ, ความกลัว, ความเหนื่อยล้า, ความรู้สึก, สัญชาตญาณ ฯลฯ ที่ จำกัด มนุษย์ และสมองซิลิกอนช่วยให้สามารถผสมยุทธวิธีได้เกินความสามารถของมนุษย์เมื่อจำเป็น

ฉันอยากจะบอกว่าขอบคุณทุกคนที่ตอบคำถามนี้บ่อยครั้งด้วยความละเอียดอ่อนและลึกซึ้ง ความแตกต่างที่สำคัญในการตอบสนองดูเหมือนว่าสำหรับฉันคือการตีความคำว่ามนุษย์

AlphaZero ไม่ได้เล่นหมากรุกของมนุษย์ในแง่ของการกำกับดูแลและการคำนวณผิด แต่กระบวนการ "ความคิด" ของมันดูเหมือนจะสอดคล้องกันในรูปแบบที่มีความคิดริเริ่มเพื่อฉันคิดว่าผู้เล่นที่แข็งแกร่งที่สุดคิดอย่างไร คุณวาดขึ้นอย่างรวดเร็วรายการของ "การเคลื่อนไหวของผู้สมัคร" ที่คุณต้องการเล่นและสำหรับผู้เล่นที่แข็งแกร่งที่สุดรายชื่อนี้มีความแม่นยำอย่างน่าอัศจรรย์แม้จะเล่นอะไรบางอย่างที่เหมือนเกมที่มีเหตุผลในเวลาหนึ่งนาที เวลาที่เหลือจะใช้ในการถามการเคลื่อนไหวในรายการนั้นใช้งานได้จริง Petrosian กล่าวว่าเขารู้สึกว่าอยู่ในรูปแบบที่มากที่สุดเมื่อการเคลื่อนไหวในที่สุดเขาก็เล่นเป็นคนแรกที่เขาคิด เราทุกคนรู้ว่ามันเป็นที่น่าพอใจเมื่อการเคลื่อนไหวที่เราต้องการเล่นกลายเป็นกลยุทธ์ที่เล่นได้ ฉันสามารถเกี่ยวข้องกับอัลกอริทึม AlphaZero ได้ง่ายกว่าการค้นหาอัลฟาเบต้า

สิ่งที่น่าสนใจที่สุดคือวิธีที่เครื่องสามารถเล่นด้วยตนเองเพื่อจดจำผู้สมัครที่มีแนวโน้ม นั่นคือที่ที่มีศักยภาพอยู่สำหรับการปฏิวัติที่แท้จริง ฉันสงสัยว่าจะเป็นไปได้สำหรับโดเมนเช่นหมากรุกและไปที่ซึ่งสามารถกำหนดวัตถุประสงค์ได้ชัดเจน แต่ฉันคิดว่ามันน่าทึ่งที่ AlphaZero ดูเหมือนจะแสดงการเล่นอย่างมีจุดมุ่งหมาย แต่สต็อคฟิชไม่รู้ว่าเกิดอะไรขึ้น

วิธีที่ฉันเข้าใจโครงข่ายประสาทเทียมข้อดีที่แท้จริงของ A0 ก็คือการประเมินตำแหน่งบอร์ดที่เหนือกว่า การประเมินนี้รวมทั้งความรู้ทางยุทธวิธีระยะสั้น (ซึ่งในแง่หนึ่งทำหน้าที่เป็นตัวคูณของจำนวนตำแหน่งที่ตรวจสอบ) และการประเมินค่าเชิงกลยุทธ์ที่เหนือกว่า

สิ่งหนึ่งที่ฉันรู้สึกว่าการอภิปรายทั้งหมดที่ไม่ได้รับคือ A0 สามารถเล่นหมากรุก Shogi ไปได้ทุกอย่างดีมากและจากการฝึกฝนด้วยตนเอง นี่คือมนุษย์มากขึ้น ยิ่งไปกว่านั้นมันยังเผยความคิดใหม่ ๆ ให้กับผู้เล่นอันดับต้น ๆ (อย่างที่ฉันเข้าใจ) เอ็นจินอื่น ๆ นั้นมีความเฉพาะเจาะจงมาก A0 ก็ดูเหมือนเป็นอย่างอื่น ฉันอยากจะเห็นมันเล่นหมากรุก 960

ฉันไม่คิดว่ามี 'มนุษย์' เกี่ยวกับอัลฟ่า มันใช้ฮาร์ดแวร์ที่แข็งแกร่งกว่าเดิมและเล่นหมากรุกคุณภาพสูงขึ้น ช่องเปิดที่ดีที่พบ (ตัวอย่างเช่นไปยังฝั่ง fianchetto ด้วย Bg2) นั้นเกิดจากการเปิดหนังสือจำลอง แนวคิดที่สร้างความประทับใจให้ฉันและฉันได้กำหนดไว้ใน 'ความลับของหมากรุก': http://davidsmerdon.com/?p=1970ซึ่งอัลฟ่าใช้เป็นครั้งแรกในบรรดาเครื่องมืออันดับต้น ๆ โซ่ -e5-f6 ที่กุเรื่องทั้งเกม Bg6 สังเวยและผู้สร้างกลางย้อนหลังดังที่เห็นในเกมกลาโหมฝรั่งเศสระหว่างเครื่องยนต์ทั้งสอง แนวคิดทั้งสองนี้เกี่ยวข้องกับการค้นหาในระดับลึกมากและบางทีที่นี่อาจได้รับความช่วยเหลือจากฮาร์ดแวร์อันยิ่งใหญ่ ไม่อย่างนั้นฉันไม่เห็นมนุษย์คนใดเกี่ยวกับการเล่น หลายเกมเป็นที่ยอมรับ