Beste Antwort
Tsumego ist eine der effizientesten Möglichkeiten, mit Go stärker zu werden. Das Ziel ist es, ein optimales Ergebnis zu erzielen, unabhängig von der Art und Weise, wie Ihr Gegner auf Ihren spezifischen Zug antwortet. Normalerweise gibt es nur eine einzige optimale und funktionierende Lösung für ein bestimmtes Tsumego-Problem. Manchmal gibt es zwei oder mehr Lösungen, die alle optimal auf das bestmögliche Ergebnis in einer lokalen Situation hinarbeiten.
Eine mögliche Tsumego-Situation kann ein Problem auf Leben und Tod sein: Entweder Sie versuchen, die Gruppe Ihres Gegners zu töten indem verhindert wird, dass zwei Augen entstehen. Oder Sie müssen Ihre eigene Gruppe lebendig machen, indem Sie den richtigen Zug spielen. Andere mögliche Tsumego-Probleme können Semeai betreffen, bei denen Sie die Steine Ihres Gegners erobern müssen, bevor Sie selbst gefangen genommen werden (sogenannte Freiheitskämpfe), Ko-Situationen, in denen Sie die richtige Reihenfolge der Züge finden müssen, um einen Ko zu gewinnen usw.
Die Anzahl der Züge, die ein Tsumego-Problem möglicherweise erfordert, hängt normalerweise von den möglichen Antworten Ihres Gegners ab. Manchmal kann eine Sequenz von mehr als 15 Zügen erforderlich sein, um zu spielen, bevor das endgültige Ergebnis eines Tsumego klar wird. Aber keine Sorge, relativ einfaches Tsumego kann nur ein paar tiefgreifende Überlegungen sein.
So weit so gut, wenn Sie irgendwann einen süchtig machenden Start mit Tsumego und Tesuji wollen, mögen Sie vielleicht Tesuji von Mark Davies, der für Spieler zwischen 15 und 5 Kyu ist. Da Sie gerade Go gelernt haben, ist es vielleicht eine gute Idee, sich zuerst an all die interessanten und faszinierenden Muster zu gewöhnen, die in einem 9×9-Brettspiel auftreten können. Nach mehreren gespielten Spielen können Sie sich daran gewöhnen, einen oder mehrere Schritte vorauszudenken, bevor Sie entscheiden, wo Sie spielen möchten. Und bevor Sie wissen, dass Sie viele, viele Tsumego in Ihren eigenen Spielen lösen.
Wenn Sie dann anfangen zu essen, zu trinken, nachzudenken, zu träumen, gehen Sie 24/7 (ab und zu), können Sie fortfahren Immer mehr Tsumego aus anderen Quellen auf dem aktuellen Level, das Sie spielen. Selbst die stärksten Spieler der Welt (z. B. Lee Sedol 9p) üben täglich Stunden, um ihre Vorauslesung auf dem Maximum zu halten.
Wenn Sie feststellen, dass Sie Schwierigkeiten haben, zu entscheiden, wo oder wo Sie spielen möchten was ist zu tun. Überlegen Sie zunächst, wo Ihr Gegner spielen würde, wenn er zwei Züge nacheinander hätte. Stellen Sie sich also vor, wo Sie spielen würden, wenn Sie an der Stelle Ihres Gegners wären. Wenn Sie sehen, was Ihr Gegner in einer Tsumego-Situation (oder einer Go-Board-Situation) erreichen kann, indem Sie zwei Züge hintereinander ausführen (anstatt normalerweise einen), erhalten Sie viele Ideen, wie Sie dies verhindern möchten!
Viel Glück mit Tsumego und genießen Sie ein Leben lang das faszinierendste und inspirierendste Brettspiel, das es auf der Erde und vielleicht im gesamten Universum gibt, in dem wir tatsächlich leben …
Antwort
AlphaGo basiert auf Deep Reinforcement Learning. Sie begannen damit, dem Algorithmus beizubringen, wie man alte Atari-Spiele von Grund auf spielt, wie es Menschen tun – indem sie lediglich „auf den Bildschirm schauen“. Dann gab es Go and Chess als viel komplexere Aufgaben, wobei Go die „Weisheit“ akzeptierte, dass Computer Äonen davon entfernt sind, Menschen zu schlagen.
Alle diese Erfolge basieren auf demselben grundlegenden Algorithmus, mit Anpassungen in Wie wird die Belohnungsfunktion mithilfe verschiedener ANN-Architekturen bewertet?
Zumindest theoretisch kann derselbe Ansatz für so ziemlich jede Aufgabe in der realen Welt verwendet werden, und zwar nicht nur für „virtuelle“, sondern auch für Aufgaben in der realen Welt, wie z Robotik. Zum Beispiel einem Roboter beibringen, ein Omelett zu machen. Oder wie man Civilization 6 spielt. Oder wie man Geige spielt. Grundsätzlich alles, wo es am Ende eine klare Definition von „Erfolg“ gibt und eine gewisse Fähigkeit, ähnliche Muster bei jedem Schritt zu identifizieren – die verwendet werden, um eine Belohnung zu bewerten, indem sie durch eine ANN geführt werden.
Auch eines Ein äußerst interessanter Punkt bei AlphaGo war, dass die Leute, die es spielten, bemerkten, dass es als Mensch gespielt wurde, aber auf unmenschliche Weise . Als Mensch im Sinne kreativer Bewegungen und als unmenschlich – weil die Bewegungen, die er machte, von menschlichen Spielern manchmal völlig, absolut unerwartet waren. Was bedeutet, dass der Algorithmus viele der Go-Positionsräume erkundet hat, in die sich Menschen noch nie gewagt haben!
Stellen Sie sich vor, ein ähnlicher Effekt würde sich in einigen Problemen der realen Welt manifestieren? Zum Beispiel Kriegsführung? Ziemlich beängstigend.