我們台灣的職業棋士越來越強，下出了連AI都沒發現的手筋！！！對手只能選擇吃虧……或是自滅……

[@canlin2189]

10:41劉老師：手筋原理~敵方的急所就是我方的廁所XD

[@teacherliugo]

😁😁😁

[@boyangchen2709]

下的太漂亮了..後續也很複雜 感謝劉老師分享~~

[@teacherliugo]

謝謝您的觀看😊

[@Apia-TW]

看海峰直播的時候說黑1要尖在M2 但林老師應該是清楚得算到自己是劣勢 所以才並在N2想吃到最大 結果出棋了😂

[@teacherliugo]

您說的對 只是林老師如果下對 我們就看不到這手犀利的手筋了😅

[@qaz84904]

那現在問題來了，計算力比我們強大太多的AI，為何在這麼小的攻殺區域仍會下出比人類棋手較差的一手呢？ 原因是因為AI的深度學習算法邏輯與人腦的不同。 如今的AI是建基於Alpha go母體不斷改進，到zero時是在不斷自我對弈情況下，紀錄下過去犯下的錯誤手，並利用強大計算力算出糾正完的最佳一手。 看似沒有問題的算法，然而在最後的官子階段，這深度學習的算法帶來的進步其實是相當有限，是仍有瑕疵的。 因為這算法讓前面佈局+中盤攻殺，AI基本都是下出勝率最好的一手了。 而這深度學習去自我糾正這一手的基本依據就是看勝率，而非多少目數。 Google Deepmind團隊就說過，Alpha go是追求最高勝率，而非贏的目數。 儘管後面的AI版本有改進很多，但如今仍缺乏太多官子方面的糾正資料。 所以在官子階段就導致， 1.基於AI對官子階段的糾正，本就比前面佈局和中盤資料少超多。 2.只要勝率沒有波動過多，深度學習系統當下這手就不會提出自我糾正，即使還有其它手可以贏更多目數。 像這局白棋本就有優勢，以AI系統來說就不會理會。這也是為何AI在前中盤強大的原因，因為它把勝率不高的變化直接忽略掉了，因此大幅提高運算速度。 2016年以前的程式為何打不贏人類，就是因為妄圖計算當前這一手所有出棋可能，但變化圖算得不深。 3.目前AI工程師的薪水和時間就長那樣。公司營運團隊比起升級圍棋AI算法，還不如把資金時間砸更多給chatgpt這種更有商業利益的AI。 所以也不用太期待絕藝和katago的進步速度😂原因如我上述。 結論就是AI目前官子階段仍有瑕疵，不一定能下出最佳一手。 前100手基本上AI都是最完美的一手，但100手以後的，我們人類目前還可以抱持懷疑的😂 所以我會建議目前佈局和中盤找AI學，官子目前還是可以找人類棋手+AI當輔助學。 並且人腦的邏輯就是對於棋型歸納整理能力強於AI。畢竟目前圍棋AI還沒有進化到講解能力😂

[@qaz84904]

但是AI對於圍棋界仍然是很重要的發明。 原因是因為-它糾正了人類的自以為是😂 人腦的運算邏輯雖然善於歸納整理，但計算力沒有很強，所以在佈局+中盤，是會以「棋型」+「直覺」判斷最佳的一手。 但是人類直覺往往是錯誤的，很多手妙棋就是當下看似有利於對手，但後續手順會讓對手無法阻擋，甚至死掉的。 還有個也要感謝並向AI學習的是-AI不會驕傲。 比如吳清源老師的棋局，AI就曾發現自己想下的一手不如老師下的這手勝率高，便立馬改成老師下的一手。 當然這也變成了AI自我學習糾正的素材之一了😂而且正是官子階段！

[@lookuschill]

超級認同的！ 尤其是第一篇留言的最後一段 “”AI還沒有辦法自戰解說“” 所以當人們害怕AI取代圍棋老師時，我就相當不以為意。因為AI“”目前“”只能優於人類形勢判斷，還無法有指導教學行為。指導教學行為還是要靠““老師””理解後再輸出給學生或分享給棋友。 謝謝你分享觀影角度❤ 也請繼續支持我們 謝謝

[@543younger6]

太妙了

[@teacherliugo]

真的很帥

[@cheng761]

小劉老師 晚上好 頭香 頭香！

[@teacherliugo]

振芳你好😊😊😊

[@give99999]

😮

[@tangentai6724]

我第一感

[@teacherliugo]

那您是高手🥰🥰🥰