淺談AlphaGo原理
旦哥跌落波波池
245 回覆
971 Like
18 Dislike
lm
lm
lm
如果兩個alpha go 捉，會有咩結果?
係AlphaGo訓練過程中係有兩個AlphaGo捉呢個環節
最後贏左果個就係你見到果個AlphaGo
咁見到嗰個alpha go 同 一樣既 alphago捉會點
呢個好問題
由於training目的係減少error rate，假設兩個相同AlphaGo互屌做訓練
個error rate會一路降低到冇得再低，之後就係兩個AlphaGo應該都係50%勝率
以上斷9估，有冇其他巴打解答下
後手贏面大啲
其實係樓主啲比喻好撚奇怪
lm
如果兩個alpha go 捉，會有咩結果?
係AlphaGo訓練過程中係有兩個AlphaGo捉呢個環節
最後贏左果個就係你見到果個AlphaGo
咁見到嗰個alpha go 同 一樣既 alphago捉會點
呢個好問題
由於training目的係減少error rate，假設兩個相同AlphaGo互屌做訓練
個error rate會一路降低到冇得再低，之後就係兩個AlphaGo應該都係50%勝率
以上斷9估，有冇其他巴打解答下
應該唔係50% 因為alphago執白子勝率較高 （以自戰棋譜嚟睇）
留名
LM
其實係樓主啲比喻好撚奇怪
毒撚寫野係差D，請見諒
Lm
星期六，女朋友約左人出街
可以自由靜靜地研究下圍棋同出下文
呢D先係男人應該做嘅正野，成日去行街對社會有咩貢獻
利申：FF
第四章：神經網絡一(Neural Network)
上一章講到日本仔用MCTS做左Zen，之後Google係呢個基礎上加入左深度學習就出現左AlphaGo，但係咩9野叫深度學習(Deep Learning)
其實有好撚多名，有D人又會叫深度神經網絡(Deep Neural Network)，網名呢D野我真係攪唔清
，呢度我統一用深度神經網絡(Deep Neural Network)黎講啦
之後呢幾章我地唔會點講AlphaGo，要先講左深度神經網絡(DNN)個概念先，之後先返去講AlphaGo，又係果句，你唔識DNN就唔撚洗講落去
而又再將問題再簡化，我地先講神經網絡(NN)，認識左NN，DNN只係NN嘅延申
入正題，成日講NN，到底NN係用黎做咩9
我講兩個主要目的
分類(Classification)
回歸 (Regression)
咩係分類?好撚簡單，比以下兩張相你分辦到底係男定女，就係咁簡單
點呀分唔分到?
而實際上係電腦嘅世界係點去做分類？其下呢幅圖
上圖每個O同X都係一個training data
x1同x2就係training data嘅property
屌你老母講咩呀？？
你當O=男人，X=女人，x1＝高度，x2=重量
咁我係條街到問左500個男人同500個女人佢地嘅高度同重量
咁我個training data set 就有1000個 data point
當我將呢1000個data point放入NN內訓練
就會訓練到個NN劃左中間條線出黎
咁就已經完成左嫁啦，如有第1001個data point放入呢個已經訓練好嘅NN到，如果佢嘅高度同重量係近右上方咁NN就會話你知呢個人係女人，如果係近左下方就係男人，Classification就係咁撚簡單一回事
傳統嘅統計學方法可以係上圖劃一條直條，而NN係可以劃到一條好撚曲既曲線
另外，上面係表現緊一個2D嘅情況，姐係得x1同x2，如果你個data point嘅property係好撚多，情況就唔係咁簡單啦
假設你將一張JPG放入NN，咁有幾多維度(Dimension)呀?
咁要睇你張JPG有幾大啦，如果係10*10就有100個維度，但屌你老母邊有圖咁細嫁
依家好多公司都可以放張大圖入NN(正確黎講係DNN)，訓練下佢分析圖入面有幾多條女，D女正唔正呀咁上下啦
回歸 (Regression)
呢個比分類更簡單，下面張圖講哂
比一堆Data入去訓練，令到個NN識劃返條趨勢線出黎
姐係你比一堆有用嘅市場數據入去NN識答你聽日股市升定跌
呢兩個概念講完，下章真係講神經網絡啦，唔好屌我講廢話啦
可以自由靜靜地研究下圍棋同出下文 呢D先係男人應該做嘅正野，成日去行街對社會有咩貢獻
利申：FF
第四章：神經網絡一(Neural Network)
上一章講到日本仔用MCTS做左Zen，之後Google係呢個基礎上加入左深度學習就出現左AlphaGo，但係咩9野叫深度學習(Deep Learning)
其實有好撚多名，有D人又會叫深度神經網絡(Deep Neural Network)，網名呢D野我真係攪唔清 ，呢度我統一用深度神經網絡(Deep Neural Network)黎講啦之後呢幾章我地唔會點講AlphaGo，要先講左深度神經網絡(DNN)個概念先，之後先返去講AlphaGo，又係果句，你唔識DNN就唔撚洗講落去
而又再將問題再簡化，我地先講神經網絡(NN)，認識左NN，DNN只係NN嘅延申
入正題，成日講NN，到底NN係用黎做咩9
我講兩個主要目的分類(Classification)
回歸 (Regression)
咩係分類?好撚簡單，比以下兩張相你分辦到底係男定女，就係咁簡單
點呀分唔分到?
而實際上係電腦嘅世界係點去做分類？其下呢幅圖
上圖每個O同X都係一個training data
x1同x2就係training data嘅property
屌你老母講咩呀？？
你當O=男人，X=女人，x1＝高度，x2=重量
咁我係條街到問左500個男人同500個女人佢地嘅高度同重量
咁我個training data set 就有1000個 data point
當我將呢1000個data point放入NN內訓練
就會訓練到個NN劃左中間條線出黎
咁就已經完成左嫁啦，如有第1001個data point放入呢個已經訓練好嘅NN到，如果佢嘅高度同重量係近右上方咁NN就會話你知呢個人係女人，如果係近左下方就係男人，Classification就係咁撚簡單一回事
傳統嘅統計學方法可以係上圖劃一條直條，而NN係可以劃到一條好撚曲既曲線
另外，上面係表現緊一個2D嘅情況，姐係得x1同x2，如果你個data point嘅property係好撚多，情況就唔係咁簡單啦
假設你將一張JPG放入NN，咁有幾多維度(Dimension)呀?
咁要睇你張JPG有幾大啦，如果係10*10就有100個維度，但屌你老母邊有圖咁細嫁
依家好多公司都可以放張大圖入NN(正確黎講係DNN)，訓練下佢分析圖入面有幾多條女，D女正唔正呀咁上下啦
回歸 (Regression)
呢個比分類更簡單，下面張圖講哂
比一堆Data入去訓練，令到個NN識劃返條趨勢線出黎
姐係你比一堆有用嘅市場數據入去NN識答你聽日股市升定跌
呢兩個概念講完，下章真係講神經網絡啦，唔好屌我講廢話啦
下
錯撚晒同埋講D野好廢都叫好文?
d 人係咁，睇見一樣自己唔識既topic 又幾似好深咁，有人講就會當佢神咁拜
唔係動物傳心邊有咁好搵
咁事實應該係點,有冇反駁既事實or論點提供翻?學術台講野點都要有翻些少論據同論述掛,就咁一句話錯既就想推翻哂人地提出既野,會唔會太過兒戲?
行申:留名等睇你地有精采既正確見解
上面講左唔識睇?睇唔明?
第五章：神經網絡二
上章講左NN或者DNN係用黎做咩，呢章正式同大家講下NN係咩玩法
神經網絡(NN)係由大量神經元組成，神經元嘅output係另一個神經元嘅input，情況就好似係我地人類嘅大腦一樣，人嘅大腦有150億個神經元，之前睇過facebook個deepface都好似係得幾十億個神經元，AI取代人類我估都仲要一大段時間
以下就係一個神經元啦
見到幅圖有人會覺得好簡單，有人會覺得屌你老母咩黎
得假設你地係後者，慢慢講
用返上一章個例子
X1 = 高度
X2 = 重量
W1 = 高度對分辦一個人係男定女有幾重要
W2 = 重量對分辦一個人係男定女有幾重要
果個好似E宇嘅符號就係Summation，咁組係咩
將D野加埋哂一齊囉，係呀普通加法黎咋
我有時都唔知點解係要寫D咁嘅古怪符號
條底簡單黎寫就係以下啦
Y = X0*W0 + X1*W1 + X2*W2
心水清嘅朋友會問X0同W0係咩料，X0係一個叫bias嘅常數啦，咁咩係常數？組係一個不變數值，假設我設定bias = 1，咁係代表所有data point嘅X0都係1，而X1同X2係會隨Data point不同而有唔同值，姐係每個人有唔同高度同重量呀明未呀屌你
根據以上公式我地會計到一個Y值，呢個時候我地要用一個activation function 去計最後output，用以下一個最簡單嘅activation function
如果Y 大於 0.5 就 output = 1, 否則 output = 0
就係咁撚簡單，1代表女人，0代表男人
好啦咁之後經過training，呢個神經元就會識分男女
咁training係好D咩呢 就係不斷調整W嘅值，令到個output等於你相要嘅值，最簡單梗係亂9咁調啦，但實際上係有方法有系統地調
一個神經元就講完啦，咁神經網絡咪一大埋神經元加埋一齊囉屌
講到呢個位，簡單嘅神經網絡(NN)結構就講完啦，點樣訓練一個NN又係另一個問題啦
講完點訓練NN之後又要講深度神經網絡(DNN)
講完DNN先又返去講DNN點同MCTS結合成為AlphaGo
真係好撚多野要講
如果大家跟到留個言話我知，咁我就繼續講落去
如果已經唔知我做緊咩咁就算啦，我留口氣打J算啦
上章講左NN或者DNN係用黎做咩，呢章正式同大家講下NN係咩玩法
神經網絡(NN)係由大量神經元組成，神經元嘅output係另一個神經元嘅input，情況就好似係我地人類嘅大腦一樣，人嘅大腦有150億個神經元，之前睇過facebook個deepface都好似係得幾十億個神經元，AI取代人類我估都仲要一大段時間
以下就係一個神經元啦
見到幅圖有人會覺得好簡單，有人會覺得屌你老母咩黎
得假設你地係後者，慢慢講
用返上一章個例子
X1 = 高度
X2 = 重量
W1 = 高度對分辦一個人係男定女有幾重要
W2 = 重量對分辦一個人係男定女有幾重要
果個好似E宇嘅符號就係Summation，咁組係咩
將D野加埋哂一齊囉，係呀普通加法黎咋
我有時都唔知點解係要寫D咁嘅古怪符號
條底簡單黎寫就係以下啦
Y = X0*W0 + X1*W1 + X2*W2
心水清嘅朋友會問X0同W0係咩料，X0係一個叫bias嘅常數啦，咁咩係常數？組係一個不變數值，假設我設定bias = 1，咁係代表所有data point嘅X0都係1，而X1同X2係會隨Data point不同而有唔同值，姐係每個人有唔同高度同重量呀明未呀屌你
根據以上公式我地會計到一個Y值，呢個時候我地要用一個activation function 去計最後output，用以下一個最簡單嘅activation function
如果Y 大於 0.5 就 output = 1, 否則 output = 0
就係咁撚簡單，1代表女人，0代表男人
好啦咁之後經過training，呢個神經元就會識分男女
咁training係好D咩呢
就係不斷調整W嘅值，令到個output等於你相要嘅值，最簡單梗係亂9咁調啦，但實際上係有方法有系統地調 一個神經元就講完啦，咁神經網絡咪一大埋神經元加埋一齊囉屌
講到呢個位，簡單嘅神經網絡(NN)結構就講完啦，點樣訓練一個NN又係另一個問題啦
講完點訓練NN之後又要講深度神經網絡(DNN)
講完DNN先又返去講DNN點同MCTS結合成為AlphaGo
真係好撚多野要講
如果大家跟到留個言話我知，咁我就繼續講落去
如果已經唔知我做緊咩咁就算啦，我留口氣打J算啦
留名
跟到
呢家開始試睇google篇野
呢家開始試睇google篇野
咁樓主有無方法研究到勁過alphago既野?
然後轉手賣比中國，打贏美國，我諗住你即刻變有錢大人物
然後轉手賣比中國，打贏美國，我諗住你即刻變有錢大人物
咁樓主有無方法研究到勁過alphago既野?
然後轉手賣比中國，打贏美國，我諗住你即刻變有錢大人物
依加最直接既方法就係諗到一個新既implementation出黎套到ML既野落去
lm
如果兩個alpha go 捉，會有咩結果?
係AlphaGo訓練過程中係有兩個AlphaGo捉呢個環節
最後贏左果個就係你見到果個AlphaGo
咁見到嗰個alpha go 同 一樣既 alphago捉會點
呢個好問題
由於training目的係減少error rate，假設兩個相同AlphaGo互屌做訓練
個error rate會一路降低到冇得再低，之後就係兩個AlphaGo應該都係50%勝率
以上斷9估，有冇其他巴打解答下
應該唔係50% 因為alphago執白子勝率較高 （以自戰棋譜嚟睇）
7目半優勢對於白alpha go應該都幾好洗
畢竟只要keep住優勢就得
Lm
lm
lmlm
lm
好文留名
想問吓點解開局要諗咁耐
常見開局都係幾種，應該可以秒落
甚至第一步都要等
常見開局都係幾種，應該可以秒落
甚至第一步都要等