圍棋打譜:AlphaGo的碰小目,用實戰來學習應對
2020-12-06 墨綠呵呵自從AlphaGo面世後，個人在實戰中總能碰到神之一手。幸虧不是神之N多手，所以還可以下一下。
先來看一盤碰小目的對局。
出自《AlphaGo六十連勝對局解析》（江鑄久、芮乃偉著，人民郵電出版社）。
AlphaGo化身Master，混跡網絡，留下了精彩的60連勝對局。
這盤棋，潘亭宇初段執黑，Master執白，白中盤勝。
潘亭宇初段 VS Master（第18手）布局，錯小目對二連星。白18，在小目的星位碰，是現在很多對局中出現頻率較高的一手棋。這手棋之後，白26得以小尖，黑棋只好在上邊做活。
白42脫先後，黑43尖出，分段白棋，尋求戰機。黑棋和白棋各自往中腹跑。
隨後白在左下角62尖開始，讓黑棋連角帶邊成空，自己在下邊及中腹圍成大模樣。
最後，以黑棋中腹死了一塊棋，對局結束。
整盤棋很有意思，黑棋上邊被白小尖封住後的做活，白棋下邊的大模樣，黑棋89手之後試圖在白的陣勢裡活出一塊棋，以及最後白棋如何破掉黑眼，都值得學一學。
在自己的實戰中，我遇到最多的就是碰小目這手棋。
實戰一
實戰一（第18手）布局，中國流對二連星。
白18，碰小目。
黑棋有A或B兩個應對點。
實戰中為了照顧下邊黑棋，形成模樣，黑19選擇了A位。
實戰一：外扳變化（第19-22手）黑19外扳，白20連扳。
黑21貫徹形成連片成模樣的構思，從四線打吃白棋。白22粘住。
此時，黑23粘住下邊三線上的斷點比較有利。此後，白A小飛，黑B位飛壓；或者白C貼著黑棋爬，黑D長，將上下黑棋連成片，外勢蔚為壯觀。
實戰黑23選擇粘上邊的斷點，則形成如下圖局面。
實戰一（第23-26手）黑看似外勢連成一片，其實問題很多。
黑還須A位打一手，防止白B虎。白B後，下邊的黑棋似乎浮了起來，打入後問題很大。
此外，黑A打後，白還可以脫先他投，此處白棋做活並不難。
所以，黑23應選擇下邊粘住，一來比較實在，二來下邊的結構要結實一些。
實戰二
應對小目碰，並不是都是外扳。
實戰二（第20手）如圖，另一盤實戰。此時，中國流外邊的情況不一樣了。
左下角白得角空，且邊上白三角一子使下邊對黑成空的價值變低。
此時，白20，碰小目。
同樣是A和B，兩個選項，選誰？
實戰選A，外扳。
實戰二（第21-28手）黑21外扳，白22連扳。黑23打吃，白24粘住，黑25粘住下邊斷點，白26長，黑27隻好長，白28脫先，投在左邊。
此時觀察右下角的黑棋，就算拆邊也有些尷尬了。
再看一看黑21內扳的情況。
黑21內扳，白22連扳，黑23打吃，白24粘住，黑25粘住三三斷點，白26長，黑27順勢在四線上長，白28按理要補一手。
白26長，多半為了第28手棋可以左右兼顧。
即便如此，白棋下邊的陣勢，還是比較虛。
將來黑A飛之後，B、C的打入就比較明顯了。
回頭再看看Master的對局，如上圖，如果實戰黑棋選擇外扳，讓白棋得角，那麼，上邊黑棋明顯拆得太近，比較侷促，虧大了。實戰選擇角上，其實蠻好的。
小結：
AlphaGo的碰小目，有點左右逢源的意思，對手怎麼應對，自己都可以得到利益。如果實戰中遇到碰小目，外扳還是內扳，要看局面形勢再做判斷。出現碰小目，總得承認這是一手好棋。
不過，神之一手，只是一手，只要對手不是AI，贏棋的機會總是有的。
參考書籍：
《AlphaGo六十連勝對局解析》（江鑄久、芮乃偉著，人民郵電出版社）
關注@墨綠呵呵，分享有價值的圍棋知識，一起打譜，一起漲棋！
相關焦點
-
DeepMind 推出 AlphaGo 圍棋教學工具,圍棋學習新紀元來啦?
@ 自動高速公路，「做成 app 就可以成為圍棋比賽作弊器了。」@ 於縛風，「圍棋輔導班的老師沒法講課了。」（圍棋老師表示哭暈在廁所）看完了大家的調侃，來看看專業棋手們怎麼說。世界圍棋冠軍、職業九段棋手常昊表示，教學工具不一定是標準答案，更多的是給予了我們無限的思考空間。 -
AlphaGo Zero用40天成為世界最強圍棋AI
棋士柯潔：一個純淨、純粹自我學習的alphago是最強的...對於alphago的自我進步來講...人類太多餘了李喆：完全拋開人類圍棋知識，去年論文裡提到的許多特徵和rollout全部去掉，兩個神經網絡合為一個，只給定棋盤、棋子和規則。 -
AlphaGo 圍棋教學工具已發布
在Deepmind所謂的「教學工具」發布之前，小編曾在腦海出現萬千猜想……但今天揭底才知道，原來只是一個平平淡淡的網頁……（建議複製到電腦上打開，因為據有的棋友反映手機打不開，小編這裡實測手機能打開，只是讀取了較長時間）https://alphagoteach.deepmind.com -
【話題】AlphaGo Zero!圍棋之神真來了……
Alpha Go Zero之所以能當自己的老師，是用了一種叫強化學習的新模式。系統從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。柯潔發微博：「一個純淨、純粹自我學習的alphago是最強的……對於Alphago的自我進步來講，人類太多餘了。」Alpha Go通過數百萬次自我對弈，從零開始掌握圍棋，在短短幾天內積累人類幾千年才有的知識。 -
和新手聊聊圍棋(上篇)
喜歡我們的話，可以轉發一下文章哦~圍棋圍棋，一個源自東方的古老遊戲。它神秘而又優雅，規則簡潔卻變化多端。幾千年來，不僅吸引了眾多文人雅士，也讓無數智者為之痴迷。即使在多元化的新時代，這位古典的棋類依然散反著閃耀的光芒。大街上，小巷裡，隨處可見圍棋培訓學校。孩子們在棋盤前端坐，小腦袋瓜裡不斷閃耀著智慧的火花。 -
柯潔終結41連勝圍棋AI:稱其實力遠超初代AlphaGo
人類AI圍棋之爭，還在繼續。今年5月底，人機圍棋大戰終極對決，最終世界排名第一的柯潔九段和AlphaGo的圍棋終極人機大戰以0:3完敗。賽後，柯潔在接受採訪時直言，AlphaGo太完美，看不到任何勝利的希望。 -
AlphaGo是如何戰勝圍棋高手的?深度學習告訴你
圍棋的程序設計： 圍棋是一個完美的、有趣的數學問題。 圍棋棋盤是19x19路，所以一共是361個交叉點，每個交叉點有三種狀態，可以用1表示黑子，－1表示白字，0表示無子，考慮到每個位置還可能有落子的時間、這個位置的氣等其他信息，可以用一個361 ＊ n維的向量來表示一個棋盤的狀態。則把一個棋盤狀態向量記為s。 -
棋盤上的湧現:圍棋、AlphaGo與遊戲|張江
老子云，「有之以為利，無之以為用」。我們用杯子的空盛水，用門洞的空通行。正是由於這種有無、陰陽的變換使得圍棋的複雜性遠遠超過了其他棋類。其次，圍棋需要有大局觀，也就是從比較大的空間尺度思考棋子的布局。初學者下棋往往喜歡將棋子緊密地排布，而不會跳躍著擺棋——這是因為它們尚不會從更大的空間尺度思考問題。所以，第一步突破就是要擺脫局部的思維，看到整體的模式和運動規律。 -
圍棋實戰:一招不慎,差點就滿盤皆輸,不要太得意啊
下一局圍棋一般要下200多手棋，時間可以是十幾分鐘，也可以是幾個小時，在這個過程中時時刻刻提高警惕，也許一個錯誤就會導致輸掉好局，正所謂「一招不慎，滿盤皆輸」，這樣的例子相信很多棋友都經歷過。下面就用一盤實戰對局來談談體會。 -
新版Alphago棋風更穩健
新版Alphago採用了增強學習的策略，下棋技巧上遠勝初代依靠監督學習戰勝李世石的初代Alphago，它曾化名Master拿下所有高手，加之谷歌在人工智慧底層架構TensorFlow的提升，讓Alphago速度更快。柯潔身為現圍棋世界冠軍，此次也是有備而來，並宣稱用所有的熱情與Alphago進行了對決。 -
柯潔vsAlphaGo圍棋比賽日期時間
相信很多棋友對於這場經常對弈很期待，下文帶來阿爾法狗vs柯潔日期介紹，一起和小編來了解下吧！ 柯潔 vs AlphaGo圍棋比賽日期時間介紹： 這場被認為是「人類頂尖棋手與人工智慧程序的終極對抗」，讓人們期待了足足一年有餘。而那個說著「AlphaGo贏不了我」的少年，終於站到了AI面前。 -
解讀:AlphaGo 是如何被訓練成圍棋之神?
我們把下一步的落子的行動也用361維的向量來表示，記為a。這樣，設計一個圍棋人工智慧的程序，就轉換成為了，任意給定一個s狀態，尋找最好的應對策略a，讓你的程序按照這個策略走，最後獲得棋盤上最大的地盤。如果你想要設計一個特別牛逼驚世駭俗的圍棋程序，你會從哪裡開始呢？ -
能贏AlphaGo的只有它自己 柯潔回應新版問世:人類太多餘了
谷歌人工智慧團隊DeepMind團隊在國際學術期刊《自然》（Nature）上發表論文，宣布新版AlphaGo——AlphaGo Zero可以在沒有人類指導的情況下學習，其水平超過此前所有AlphaGo（阿爾法狗）。 -
柯潔回應新版本AlphaGo問世:人類太多餘了
對此，柯潔回應稱：「一個純淨、純粹自我學習的alphago是最強的...對於alphago的自我進步來講...人類太多餘了。」論文介紹了首個戰勝人類圍棋冠軍的電腦程式AlphaGo的最新進化版本：AlphaGo Zero。AlphaGo Zero更為強大，可以一爭史上最強圍棋手。AlphaGo的前幾代版本，一開始用上千盤人類業餘和專業棋手的棋譜進行訓練，學習如何下圍棋。AlphaGo Zero則跳過了這個步驟，自我對弈學習下棋，完全從亂下開始。 -
什麼是深度學習?竟能讓Alphago戰勝頂級的職業圍棋選手!
通過多層處理，逐漸將初始的「低層」特徵表示轉化為「高層」特徵表示後，用「簡單模型」即可完成複雜的分類等學習任務。由此可將深度學習理解為進行「特徵學習」（feature learning）或「表示學習」（representation learning）。 -
谷歌團隊發布AlphaGo Zero:柯潔稱人類太多餘了
谷歌團隊發布AlphaGo Zero：柯潔稱人類太多餘了（圖片來自於推特）在這款軟體發出之後，柯潔也對這款軟體發表了自己的看法，他認為：「一個純淨、純粹自我學習的alphago是最強的...對於alphago的自我進步來講...人類太多餘了。」之所以柯潔會這樣說，主要是因為AlphaGo Zero的練習主要是通過自我對弈在三十天之內發展起來的。 -
你以為人類只有圍棋下不過阿爾法狗嗎?DOTA也玩不過它!
前段時間，阿爾法狗戰勝圍棋天才李世石的消息在網上迅速走紅，當即很多網友稱，在以後，人類再也不能在圍棋界稱霸了，但是幸運的是，阿爾法狗研發公司稱，以後阿爾法狗不會在和人類進行圍棋比賽。可是，你真的以為只有圍棋你們下不過人工智慧機器人嗎？現在就連DOTA你也玩不過它！ -
阿爾法圍棋ALPHAGO 紀錄片
要攻克圍棋需要人類的直覺，若能攻下圍棋，那就非同凡響了。圍棋是世界上最古老、最持久的棋盤遊戲。某種程度上講，它也是最簡單的，最為抽象的遊戲之一。他只有一種棋子，一種移動，只需要把棋子落到棋盤上，你的目標就是要用自己的棋子連結圈起一片空的領域。當你圍住對手的棋子後，你就能俘虜它們，把它們撤下棋盤。 -
棋跡:少年AlphaGo Zero的圍棋成長之路
此次創造出來的，是一個從零開始訓練的神經網絡，以及簡單用MCTS算法行棋的AlphaGo Zero。甩脫了繁重累贅的Zero，就著CNN+蒙特卡洛搜索樹，打敗了自己的「前輩」AlphaGo Master。舊版的AlphaGo，雖然神功小成，但斧鑿痕跡顯著。好似一隻機器人女友，雖有絕色容顏，卻長著機械手、聲音冷如谷歌娘。理想的圍棋人工智慧，應該是簡潔、優雅、渾然天成。 -
棋壇至尊AlphaGo Zero,不止震驚了圍棋界
隨著程序訓練的進行，它獨立發現了人類用幾千年才總結出來的圍棋規則，還建立了新的戰略，為這個古老的遊戲帶來新見解 AlphaGo的早期版本使用「策略網絡」來選擇下一個落子和「價值網絡」，從每個位置預測遊戲的獲勝者。這些組合在AlphaGo Zero中，使其能夠更有效地進行培訓和評估。3、AlphaGo Zero不用「Rollout」，其它圍棋軟體是用快速隨機的對弈從盤面來判斷（就是到處試下然後看哪個更好），而AlphaGo Zero是通過強大的神經網絡來精確判斷最強的下法。