你的做法当然没有错，实际上对你而言可能也是唯一可行的做法。

但是，人类使用的围棋逻辑，比如围棋十诀啦，以及别的思考技巧，像你刚才就罗列了几条。这些合起来也不过几十种思考通道。这是因为人脑特性所致：一方面要高效的形成通用算法，一方面是容量有限。比如记住局部常型是一种常用且有效的提高手段，但没法完全依赖它，受限于见过盘面类型、重复出现数量，特殊配置下的例外，甚至记忆力等等因素。

所有这些加起来也不过能形成一个参数非常有限的欠拟合系统。就像用几十个未知系数去解十万行的方程组。用它解释AI招法的结果是，似乎总能在某种程度上说得通，但又搞不精确。而且大量盘面没法用拟合出来的思路回归到正解，截然相反、解释不通的局面更是比比皆是。

举一个例子，这就像用阴阳五行寒热之类的医理去解释世间疾病。可现在我们知道，随便一片植物叶子也有几十万种化合物，想用这套粗糙系统精确定位到想要的效果近似天方夜谭。

再说点自身体会。

过去几年，我看了大量的星阵自战对局谱。从早期的人谱模型到后期的不同偏好模型之间的训练谱，从19路到9路的进化谱，不知道有没有20万局，但肯定超过了10万。我敢说自己是这个世界上看过的AI棋谱最多的人之一。

然后我就不下围棋了。

大量的招法是根本没法理解的，大量的局面判断也是根本无从下手的。AI的逻辑简单粗暴直接：因为后面算到这样是行的，所以现在行；反之亦然。

人类做不到，只能死记硬背。然而，你的脑容量有多少？

我再提一个你理解上的误区：AI后半盘差。
并不是这样。从数学逻辑上，AI差的是前半盘。越靠近终局，AI越准。

Value network的输出，经mcts的过滤化，其实获取的是一个从-1到1的数值，这个数值的绝对值，表示的是对当前图像二分类的置信程度。分类的结果就是黑胜或白胜。

这和给你一幅动物图像，然后让你判断是猫还是狗一样。如果图像清晰且主要特征齐备，AI就吐个-1，表示这是个猫；或者吐个1，表示这是个狗，1的绝对值就是置信度，表示结果可信。如果就放了条尾巴，还不太清晰，AI 吐出来个-0.8，表示有可能是个猫。这里0.8的绝对值也是置信度，可以理解为 AI 对这个分类有多大把握。那如果就放了一根毛，AI可能怒气冲冲吐个0出来，表示这是啥，我完全不知道。

为了便于理解，这个数值被除于2再平移0.5，得到一个 0 - 1之间的数值，我们把它称为胜率。
所以胜率50%意味着它的初始置信度是0，也就是说，AI摊手表示，你这是个什么玩意儿，我根本不知道。

胜率随棋局进行趋向极端，意味着AI对局面判断越来越准。很多局面AI胜率都接近了0或1，但人类还不能察觉到——这些局面是最有学习价值的素材。我以前就提过这样的观点了。

至于布局？我亲眼看见一套布局下法在两天内从胜率接近70%进化到20%，你说我要不要学？

但是大多数人还是只能学学布局。为啥呢？因为布局子数少，重复度高。中盘之后千古无同局，学过的盘面笃定不会再遇到……学它有啥用？

是，我不知道有啥用，所以我不学了。但如果你认真的想通过学习AI来提高，那我建议你试试，说不定能趟出一条路来呢。

这不李轩豪就趟出一条嘛。

【 在 computec 的大作中提到: 】
: 标  题: Re: AI学不会之1 - 诡异的选点和脱先
: 发信站: 水木社区 (Fri Dec 30 10:38:59 2022), 转信
:
: 不管怎么说 我对自己的理解没什么不满
: 当然 我只说了思路和大方向 还有些更细节的判断没有描述
: 不过我觉得对lz现在的迷茫状态而言 大方向就够了
:
: ai的棋并不难从逻辑上理解
: 人类面临的难题是 仅理解逻辑 并不能得到唯一最佳
: 特别是后半盘
:
: 人类后半盘特别差 其实ai也是后半盘差
:
: 说实在的 每当我看到某些职业说ai的棋这不可思议 那难以模仿
: 7年过去了 他们还在用30年前日式形式判断
: 都会难以置信:职业棋手可以这么蠢 这么懒 这么烂么
: 这些人还是早点被淘汰 被忘记 比较好
:  
: 【 在 GunL 的大作中提到: 】
: : 我觉得，你这是看了答案之后再强行解释的成分居多……
:
: --
: 世界的所有秘密都被呈现在围棋中，而只要稍微开拓一下视野，那无穷无尽的变化就会滚滚涌现。在那如同迷宫般交错的横线和竖线上思索，然后每次解决困局找到新的棋路的欣喜，就如同发现天下至宝。                                             -- 李昌镐
: 我最近终于领悟了胜负不是围棋的一切。现在我更注重一盘棋的过程。对局前我的状态是否足够集中于一盘棋？对局中我有没有下轻率的一手棋？局面有利时，我有没有自满？局面不利时，我有没有早早放弃了？出现了失误时，我有没有努力扳转局面？总之，我对围棋有了敬畏之心。    
:                                                   -- 申真谞  
: 人类自我成藩篱，关在里面把未知当艺术。而AI恰恰向人类揭示了藩篱之外有更深奥的艺术
: 。                                                               -- 申真谞
: 说个事实,刚刚看了一下某棋手使用绝艺的记录,朝九晚九,全年无休.     -- 评李轩豪
:
:
: ※ 来源:·水木社区 mysmth.net·[FROM: 222.129.4.*]
--
FROM 223.72.63.*

虽然我给的计算量不够，但是就现在的图，除了大飞，其它外围补棋的选点（小飞、跳）都不如爬过。
那么按你的棋理去外面补棋，怎么想到大飞这个点比其它的好，还是只能背啊（这一点天使哥就很诚实）。

而爬过的好，居然又是黑棋跟着横顶想先手便宜时，白棋干脆脱先，否则跟着应就不如外围跳或者小飞了。
没拿AI摆棋的话，这个微妙判断我是不知道怎么做得出。

我对理解的标准是，碰到类似局面可以举一反三，而不是完全相同局面通过理解来协助记忆。

【 在 computec 的大作中提到: 】
: 图1 基本型肯定是下面爬过 但由于有个拆二 棋形重复不满
: 大飞的意图当然是补棋 补的就是黑挡下去的先手
: 由于有拆二 黑再挡下作战恐怕不利
: ...................
--
FROM 116.213.168.*

小飞和跳 黑脱先 白棋都没法断  或者说断了也是个低效棋形
这个地方不能补棋的话 味道就太差了

而大飞 不管是黑定型还是白加刀 白都可以接受

从棋理来说 小飞,跳还是离自己的厚棋近了 效率不充分

【 在 haili 的大作中提到: 】
: 虽然我给的计算量不够，但是就现在的图，除了大飞，其它外围补棋的选点（小飞、跳）都不如爬过。
: 那么按你的棋理去外面补棋，怎么想到大飞这个点比其它的好，还是只能背啊（这一点天使哥就很诚实）。
: 而爬过的好，居然又是黑棋跟着横顶想先手便宜时，白棋干脆脱先，否则跟着应就不如外围跳或者小飞了。
: ...................
--
FROM 222.129.4.*

这个时代谁还用围棋十决啊:)
围棋十决大概就相当于兵法上的36计 当应用题都不一定是正确答案
用于推理基础 根本没可能
而围棋推理体系中的公理,定理大概是什么样子
我考虑过啊 我总结的定理没准会闹笑话就不说了
但公理一定是非常接近围棋规则的废话
1 生存定律 生存产生效率
2 效率定律 效率决定优劣

比如你说不可解释的ai行棋 仅仅从公理层面我们就可以进行简单划分
1 他威胁/保护谁的生存?
2 他如何表达出更高效率
这就是最基本的逻辑理解线路 不是么

你最后提到李轩豪 你觉得李轩豪走对是深挖布局的路线么
要我说 肯定不是啊
围棋ai走这条路可以理解 中局棋形复杂难以归纳
但人类在逻辑归纳这一点上本来就和ai有本质区别
星阵提高的方法用于人类不合适
而星阵走这条路 也就是优化一下资源投入的级别 对思考方式并没有指导意义

围棋肯定是棋盘上每多一个子 变化就减少一个数量级
但不代表在实现上降低了复杂度
我说ai后半盘差 你不信可以做个实验:
我们用n po 下一盘棋
然后用100n po复盘
你猜猜 1-60 61-120 121-180 哪一段平均目损最高
我不确定 后面两个谁一定高 但最低的肯定是1-60

所以 这里你说的置信度 和我说的下的好不好 是一个概念么
肯定不是吧 下的好不好是具体行棋和正解之间的差距
而置信度可以理解为一种宽容度 对正解差距的宽容度 一种形式判断指标
所以置信度高 和下的好可以说是相关性很低的两件事 不是么

【 在 GunL 的大作中提到: 】
: 你的做法当然没有错，实际上对你而言可能也是唯一可行的做法。
: 但是，人类使用的围棋逻辑，比如围棋十诀啦，以及别的思考技巧，像你刚才就罗列了几条。这些合起来也不过几十种思考通道。这是因为人脑特性所致：一方面要高效的形成通用算法，一方面是容量有限。比如记住局部常型是一种常用且有效的提高手段，但没法完全依赖它，受限于见过
: 堂胬嘈汀⒅馗闯鱿质浚厥馀渲孟碌睦猓踔良且淞Φ鹊纫蛩亍
: ...................
--
修改:computec FROM 222.129.4.*
FROM 222.129.4.*

我觉得我也算抛砖引玉了

手段我觉得computec解释得有道理，为了高效补，瞄着断去（当然这个局面大飞一手后，AI反而建议当下，然后白棋断了大战斗）；这时小飞和跳都不够高效。

但是我可能还是只处于能通过AI学棋形缺陷的水平，判断之类的总结不出定理来举一反三。

【 在 cjon 的大作中提到: 】
: 好贴，学习中……
--
FROM 111.194.89.*