Melhor resposta
Tsumego é uma das maneiras mais eficientes de se tornar mais forte com Go. O objetivo é obter um resultado ideal, independente da maneira específica como seu oponente possa responder em seu movimento específico. Normalmente, há apenas uma única solução ótima e funcional para um determinado problema de tsumego. Às vezes, pode haver duas ou mais soluções em que todas funcionam da melhor forma para o melhor resultado possível em uma situação local.
Uma possível situação de tsumego pode ser um problema de vida ou morte: ou você tenta matar seu grupo adversário evitando que faça dois olhos. Ou você tem que dar vida ao seu próprio grupo, fazendo o movimento correto. Outros possíveis problemas de tsumego podem abranger semeai onde você tem que capturar as pedras de seu oponente antes de ser capturado (as chamadas lutas de liberdade), situações de ko onde você precisa encontrar a ordem correta de movimentos para vencer um ko, etc. >
O número de movimentos que um problema de tsumego pode exigir geralmente depende das respostas possíveis do seu oponente. Às vezes, uma seqüência de mais de 15 movimentos pode ser necessária para jogar antes que o resultado final de um tsumego se torne claro. Mas ei, não se preocupe, tsumego relativamente fácil pode ser apenas alguns movimentos de reflexão profunda.
Até aí tudo bem, se você quer um começo viciante com tsumego e tesuji em algum momento, você pode gostar de Tesuji por Mark Davies que é para jogadores entre 15 e 5 kyu. Como você acabou de aprender Go, talvez seja uma boa ideia se acostumar primeiro com todos os padrões interessantes e fascinantes que podem ocorrer em um jogo de tabuleiro 9×9. Então, depois de vários jogos, você pode começar a se acostumar a pensar em um ou vários movimentos antes de decidir onde jogar. E antes que você saiba, está resolvendo muitos, muitos tsumego em seus próprios jogos.
Então, se você começar a comer, beber, pensar, sonhar Vá 24 horas por dia, 7 dias por semana (de vez em quando), pode prosseguir com mais e mais tsumego de outras fontes no nível atual que você está jogando. Mesmo os jogadores mais fortes do mundo (por exemplo, Lee Sedol 9p) praticam horas diariamente para manter seu nível de leitura antecipada ao máximo.
Finalmente, se você perceber que terá dificuldade em decidir onde jogar ou o que fazer. Comece pensando onde seu oponente jogaria se ele / ela tivesse dois movimentos um após o outro. Então imagine onde você jogaria se estivesse no lugar do seu oponente. Se você vir o que seu oponente seria capaz de alcançar em uma situação de tsumego (ou em qualquer tabuleiro de Go) fazendo dois movimentos consecutivos (em vez de normalmente um), você terá muitas ideias de como deseja evitar isso!
Boa sorte com tsumego e desfrute de uma vida inteira o jogo de tabuleiro mais fascinante e inspirador que existe na Terra e talvez em todo o Universo em que realmente vivemos …
Resposta
AlphaGo é baseado em Deep Reinforcement Learning. Eles começaram ensinando o algoritmo a jogar velhos jogos do Atari do zero, como os humanos fazem – simplesmente “olhando para a tela”. Em seguida, houve Go e Chess como tarefas muito mais complexas, com Go aceitando a “sabedoria” que afirma que os computadores estão a eras de vencer os humanos.
Todas essas conquistas são baseadas no mesmo algoritmo básico, com ajustes em como avaliar a função de recompensa com a ajuda de diferentes arquiteturas de RNA.
Então, pelo menos em teoria, essa mesma abordagem pode ser usada para praticamente qualquer tarefa do mundo real, e não apenas “virtual”, mas também no mundo real aplicado a, por exemplo, robótica. Ensinar um robô a fazer omelete, por exemplo. Ou como tocar Civilization 6. Ou como tocar um violino. Basicamente, qualquer coisa em que haja uma definição clara de “sucesso” no final e alguma capacidade de identificar padrões semelhantes em cada etapa – que são usados para avaliar uma recompensa por meio de uma RNA.
Além disso, um Um ponto extremamente interessante no AlphaGo foi que as pessoas que o jogaram perceberam que ele jogava como um humano, mas de uma forma não humana . Como um humano em um senso de movimentos criativos, e como não humano – porque os movimentos que ele fazia eram às vezes completamente, absolutamente inesperados pelos jogadores humanos. O que significa que o algoritmo explorou muitos dos espaços de posição Go onde os humanos nunca se aventuraram!
Imagine se um efeito semelhante se manifestasse em alguns problemas do mundo real? Por exemplo, guerra? Muito assustador.