徽帮棋友会

标题: 探讨AI犯错棋型有哪些?(四)-角上的死活问题 [打印本页]

作者: 安徽摆渡    时间: 2018-9-3 10:12
标题: 探讨AI犯错棋型有哪些?(四)-角上的死活问题
(, 下载次数: 365)

作者: 安徽摆渡    时间: 2018-9-3 10:12


自从Alphago碾压的方式战胜人类之后,人类就开始了对胜率的崇拜。但是实践表明,AI的胜率有时候是建立在误算,甚至是错进错出的基础上。那么为什么AI的胜率还能相对准确呢?这是一个比较深的问题。首先,这个所谓准确是有比较对象的,这个比较对象是人类。而不是围棋上帝。其次,多数情况下,围棋的最优解是一个解集,而不是某个单一解,解集中的每个解都是等价的,尤其是仅仅以胜负为输出的情况,如果以胜负目数为输出,则等价的情况会有变化。换句话说,某一个局面下双方相互简单正手推进和奇兵叠出在数学上是等价的,所以对那些复杂局面的错误统计根本不会影响结果,只要统计那些多数的简单局面就能得出正确的胜率。这个方法是MC算法的基础,实际上这不是新鲜东西,要知道在科学研究中,分子模拟计算电子云早就采用这种方法,就是密度泛函理论的应用基础。

现在我们知道AI对倒脱靴无能为力,但是倒脱靴在实战中非常少见;打劫有问题,但是必须是复杂的劫争;多处死活关联的情况有问题。除了这些,笔者发现,对于角上的死活问题,尤其角上死活关联外围的情况,AI似乎处理也有困难。


图1
如图是日本本因坊战的局面。经过研究这个局面有正解如图2。顺便说一句,实战黑棋没有走出正解。


图2
图2:实战黑走在2位夹,正解是1点,然后按图中顺序成为缓二气劫。这个问题复杂在于如果黑角上气长,黑断掉白外围,对杀白棋气不够。
对这个问题AI表现如何呢?


图3
图3:AI第一步走对了,模拟量10万步。然而,后面AI给出了一个奇葩变化……


图4
简略起见AI的变化图汇总如下,白棋先在外围1,3交换,这倒是可以理解,先手补断点嘛!但是角上5,7的组合是什么鬼?奇葩的是黑应在8位挡,最后白13成为打劫。且慢,如果下一手黑粘上,岂不是和图2正解惊人相似?那么在统计上其实并不影响正确性?笔者恍然大悟!
通过这个例子,我们明白了所谓精妙变化和垃圾变化其实在数学统计上没啥区别,所以看上去很科学。


图5
我们看看过程中的胜率和模拟量。
白胜率60,模拟量26万。


图6
黑胜率39.8,模拟量36万。


图7
白胜率60.3,模拟量34万。


图8
实际上,只要死活有点水平的人就能发现黑4,这个结果是黑棋净活。


图9
图9:黑净活之后,白胜率跌到26。在本文中,胜率出现暴跌,就说明AI认可了我们的研究。
有棋友说这是elf的研究结果,换一个AI是不是还成立?笔者无法找到比elf更厉害的AI,所以无法详细研究,但是并不妨碍通过目前众多的比赛寻找端倪。

恰好最近AI比赛中出现一个例子:

图10
黑棋是elf,白棋是星阵。星阵的优化目标是赢棋目数,而不是胜率,所以这其实是一个不同的构架。


图11
实战白棋手筋连发,角上黑打劫,此劫黑重,白棋顺利取胜。但是从死活角度讲,这是白棋后手劫。


图12
如果这是人类的棋谱,必将被评价为不如业五,因为实际上白棋1,3黑是净死。白棋把净杀走成后手劫,那不不是不如业五吗?但是这是计算机在下棋,估计没人敢如此评论吧。


图13
过程很简单,这里的变化一点都不复杂。

但是为什么计算机要按实战下呢?笔者并不知道星阵的看法,用elf简单看了一下胜率,实战图11打劫时,黑胜率不到20,而图13,黑胜率在37!估计星阵的看法也类似吧。也就是说,AI们认为净吃不如打后手劫。这个结论,作为一个人类肯定是不能相信的,如果任何一个道场的小朋友走出这种棋都会被严厉批评。但是AI胜率如此,也就是说本例笔者认为AI失误,但是计算机并不承认罢了。

结论:
1、AI对于角上死活关联外围的情况会有问题。
2、AI的胜率在多数情况下是科学的,但是并不排除少数情况下AI对胜率支持的变化图是有问题的,甚至,有些结论是令人费解的。

那么,AI有那么多问题,而为什么人类却无法战胜它呢?这个问题下次再详细讨论。







欢迎光临 徽帮棋友会 (http://huibangqyh.cn/) Powered by Discuz! X3.3