Есть ли аналог Deep Blue в мире го?

АльфаГо

Теперь есть AlphaGo от Deep Mind, компании, недавно купленной Google, которая в настоящее время играет против Ли Седоля с 9 пенсами. Это Deep Blue of Go.

РЕДАКТИРОВАТЬ: Конечным результатом матча из пяти игр стал AlphaGo 4 – Lee Sedol 1. Это подтверждает предыдущую гипотезу: AlphaGo – это Deep Blue of Go.

На доске 19x19 нет ни одного компьютера, который сравнивает игроков топ-уровня (9p) по состоянию на ноябрь 2011 года. Кажется, что самые сильные программы на данный момент используют методы Монте-Карло, и время от времени устраиваются матчи с профессионалами, правда, как правило, с форой. Уровень, достигнутый программами за последние пару лет, кажется, указывает на то, что им нужен гандикап не менее 7 камней против игрока с 9 пенсами.

Среди компьютеров вы можете получить представление о том, какие программы являются самыми сильными, проверив эту страницу , однако это не обязательно говорит вам много о силе по сравнению с игроками-людьми.

В Википедии есть довольно свежий раздел с недавними результатами по компьютеру и игроку-человеку.

В библиотеке сенсеев есть список программ, и если вы проверите страницы отдельных программ, вы найдете сводку их наиболее важных совпадений как с людьми, так и с другими ботами.

На сегодняшний день не известно ни одной программы игры в го, которая могла бы сравниться по силе с профессиональными игроками.

Статья Википедии о Computer Go предлагает подробное обсуждение этой темы.

Согласно этой статье, по состоянию на 2011 год «лучшие программы Go, работающие на стандартном оборудовании, оцениваются со 2 по 5 дан».

Одной из проблем является большое количество возможностей.

Согласно вышеупомянутой статье в Википедии , в 2008 году программа под названием «MoGo» выиграла партию у профессионала на доске 9х9, но эта же программа проиграла тому же профессионалу на доске 19х19, несмотря на получение 9 камней гандикапа.

Насколько мне известно, нет. Я едва умею играть в го, но могу немного поговорить об ИИ.

Deep Blue в основном использует старое большое дерево поиска, чтобы заглянуть на много-много ходов в будущее, как будто он тестирует многочисленные параллельные игры. Если серия ходов не заканчивается выигрышем или проигрышем, устройство, называемое «статическим оценщиком», применяет набор эвристик, чтобы выяснить, кто получает преимущество от состояния доски. Эти значения затем просачиваются вверх по дереву и используются для определения того, какой текущий ход с наибольшей вероятностью принесет какое-либо преимущество игроку ИИ.

Есть два основных ограничивающих фактора, препятствующих подходу Deep Blue к искусственному интеллекту на ходу: сложность игры и аппаратные ограничения.

Во-первых, это присущая игре сложность. Например, есть «фактор ветвления». Попробуйте визуализировать ход игры в го и шахматную партию, как будто вы только что сели перед наполовину сыгранной доской и пытаетесь сделать следующий ход. Поскольку доска для го больше, вы можете разместить камень в любом месте, и на каждом ходу вы можете сделать больше возможных ходов. Набор возможных ходов противника в ответ на этот ход также больше и т.д. и т.п. Это означает, что дерево всех возможных игровых состояний растет намного быстрее, что затрудняет просмотр многих, многих ходов в будущем. (Вы можете немного обойти это с помощью методов «обрезки»: в основном спишите любые ответвления, которые, кажется, быстро направляются в проигрышную позицию;

Другое — это правила для игроков с ИИ. Если я правильно помню, крупные турнирные организации требуют, чтобы программное обеспечение ИИ работало на стандартном потребительском оборудовании. Deep Blue обладал объемом памяти и вычислительной мощностью суперкомпьютера, включая специально изготовленные чипы для выполнения статической оценки на аппаратном уровне.

Так что, по сути, искусственный интеллект в стиле Deep Blue, использующий глубокий поиск, поддерживаемый огромной вычислительной мощностью, невозможен. Тем не менее, ИИ в стиле TD-Gammon (который, по сути, работает на основе изученной эвристики) может быть. Однако лучшая информация, которую я действительно могу предложить о текущем состоянии этой области, — это ссылка на Википедию .

Есть ли эквивалентная программа, которая бросала вызов и выигрывала лучших мастеров Го (на доске стандартного размера)?

Нет. Согласно Википедии , победа с форой в 6 стоунов была лучшим результатом против профи. Это довольно далеко от равного матча

Есть ли какой-то конкретный исследовательский проект, подобный этому?

На самом деле существует несколько научных исследований в области компьютерной теории го, и самым большим достижением такого исследователя является поиск по дереву Монте-Карло, который позволил компьютерам играть даже против сильных любителей (5 дан) на доске 19x19. Хороший обзор ведущих исследований можно найти в диссертации Лукаша Лью . Однако, возможно, из-за сложности задачи средства, отдаваемые компьютерному го, несопоставимы со средствами компьютерных шахмат.