这个都懂吧。能掌握的学ai，掌握不了的学了也没用
【 在 AlexandriaI 的大作中提到: 】
: 建议给句句不离ai胜率的孩子看看
: 直到110来手，AI胜率都是黑领先
: 然而黑的局面非常难下，随时随地只要一手没撑住，分分钟被KO
: 执白的小申只要顺其自然出头，分断，攻击，就怎么都不会差，
: 结果也不出所料
: 柁老被逼得莽骗着，小申正常反击，也没下出一选，黑就崩溃了。
发自「快看水母 于 iPhone」
--
FROM 221.218.142.*

虽然人工智能（AI）在围棋中展现了惊人的实力（如AlphaGo等AI击败了众多顶尖职业棋手），但下围棋时并不是所有事情都能完全模仿和依赖AI。以下是一些原因解释为什么围棋棋手不能事事学AI：

1. AI的计算力与人类思维的差异
AI依赖庞大的计算力：AI通过超强的计算能力和复杂的神经网络进行数百万次的快速计算，从而找到最优解。然而，人类棋手的大脑无法进行这种大规模的计算。AI可能通过一些人类难以理解的微小优势得出某些着法，而人类在实际对局中很难理解并复现这些计算。
人类的思维模式不同：人类棋手更多依赖直觉、经验和局部的分析，而AI则是通过全局计算来寻找最优解。某些AI的着法可能看似“奇怪”或不符合传统围棋理论，但它们是在复杂的全局计算下的最优选择。对于人类棋手来说，理解和消化这些着法可能极为困难，甚至在某些情况下照搬AI的思路反而适得其反。
2. AI的决策未必适用于所有局面
局部与全局的矛盾：AI的某些策略是在特定局面下表现出的最佳选择，尤其是在已经累积了全局优势的情况下。然而，在不同的局面或人类对局中，AI的某些策略可能未必是最好的。棋手如果不理解其背后的动机，仅仅模仿AI的着法，可能会导致误判局势，无法在局部和全局之间做出平衡。
AI的灵活性过高：AI擅长在围棋中利用各种复杂的计算推导出灵活的变化和非标准着法，棋局变化莫测。然而，对于职业棋手或业余棋手来说，学习并掌握这些极其灵活的策略并不容易。如果没有深刻的理解，仅仅依赖AI的“灵活”策略，可能会让棋手在不熟悉的变化中迷失。
3. AI着法的不可解释性
无法完全理解AI的决策：即便是职业棋手，很多时候也无法完全理解AI的某些着法。AI通过极为复杂的计算得出的决策，可能涉及局面的细微变化或更深层次的全局平衡。人类棋手往往无法用传统的围棋理论解释这些着法，仅靠“模仿”很难取得相同的效果。
缺乏解释的学习难度：棋手要想提升棋力，必须通过学习来理解自己的着法和局面中的变化。然而，AI的某些着法由于复杂度过高，棋手很难找到可行的解释来指导自己如何下出类似的棋，这不利于棋手的长期成长。
4. 比赛策略与心理因素
人类棋手需要应对对手的心理和策略：AI在下棋时没有情感、心理压力或比赛策略上的考虑。它只追求最优解。而在人类对局中，棋手还需要考虑对手的心理状态、压力、节奏控制等因素。模仿AI的着法可能无法很好地应对对手的心理战术，尤其是在长时间的比赛中，人类棋手的情绪波动和策略变化都很关键。
比赛时限的限制：AI的某些策略虽然精妙，但它们可能需要长时间的计算才能得出。而在实际对局中，棋手往往受到时间限制，无法进行深入的思考。因此，在实战中下棋时，棋手需要平衡复杂性和效率，而不是事事追求AI的精确策略。
5. 个人风格与发展
模仿AI削弱个人风格：围棋是一种富有艺术性和创造性的游戏，棋手通过对局逐渐发展出自己的风格。完全模仿AI的下法可能会限制棋手的创造性，使他们变得依赖AI而丧失了对棋局的独立思考能力。围棋中的很多高手，如柯洁、李世石等，都以个人风格著称，模仿AI可能会让这些个人特色逐渐消失。
无法完全复制AI的优势：AI强大的计算能力使其能够快速做出各种复杂的局部或全局决策。对于人类棋手来说，试图复制AI的复杂变化和无数种可能性不仅不切实际，还可能会导致其忽视了自身的特长和优势。
6. 围棋的学习与成长路径
AI是工具，而非终极答案：对于围棋的学习者，AI可以是一个很好的参考工具，但并不是学习围棋的终极答案。棋手需要通过分析、思考和实战积累经验，逐渐提高自己的棋力。如果只是一味模仿AI，棋手可能会失去独立思考的能力，限制了自身的进步。
人类需要学习围棋的基础：AI的水平超越了大多数人类棋手，甚至包括顶尖职业棋手，但人类在学习围棋时，首先需要掌握的是围棋的基础理论和传统的思维方式，而不是直接跳到AI的“顶级”水平去模仿那些复杂的决策。过度依赖AI反而可能使初学者失去对围棋基础知识的扎实掌握。
结论
围棋是一项极具深度的策略游戏，AI确实展示了围棋中的许多新思路和打法，但人类棋手无法事事都模仿AI。棋手不仅要在实际对局中结合自己的理解与经验，还要考虑比赛中的心理、策略和时间限制。AI是提升棋力的有力工具，但不能替代棋手自身的成长和对局感悟。
--
FROM 223.167.244.*

说得更直白一点
计算力/理解力达不到的情况下
你以为认真地学过狗下棋
然而，一旦对方下出你没见过的招（大概率事件），
你在接触战中的表现，很可能并不是你原先学狗时预期的“下棋像狗一样”
而是"下棋像赌狗一样"了：）
归根结底，还是比拼判断力和计算力



【 在 sosei 的大作中提到: 】
: 嗯  
: 其实可解释性并不是多重要  
: 就像古代传手艺，说“只可意会不可言传”，这就讲这个  
: 狗用神经网络做估值函数，人脑亦然。电脑因算的速度远高于人，用电脑神经网络给出的估值 作为人脑神经网络的“监督学习”是没有问题的  
: 当然了，如上面帖，人脑与电脑运算速度的差异，即使人脑学习后
: ..................

发自「今日水木 on iPhone 14 Pro Max」
--
修改:AlexandriaI FROM 120.244.194.*
FROM 223.104.41.*

你这话我觉得对一半

比如定式 复杂定式的得失判断 +-3目以内人都很可能判断错
这个很难学到 更难有把握
所以见过,背过 就很重要

但狗并不是局部着法的集合 而是全局判断和分析 这话没错
只不过狗的判断能力 准确度无法模仿

【 在 sosei 的大作中提到: 】
: 神经网络的估值不是局部的
: 说 没见过的招，这种局部化的想法，属于浅层刻板模仿
: 不是这么学的
: ...................
--
FROM 222.129.0.*

开局定式没得说，当然可背

狗是可以学的
说人“模仿”都是错的。上面我就说了搞刻板模仿不是正确的学狗法子
应该是人脑神经网络对另一个网络的学习，拟合。是“只可意会不可言传”，不需要可解释性

要想比赛成绩好，唯有全天候泡着跟狗学
天分+勤奋

【 在 computec 的大作中提到: 】
: 你这话我觉得对一半
: 比如定式 复杂定式的得失判断 +-3目以内人都很可能判断错
: 这个很难学到 更难有把握
: ...................
--
修改:sosei FROM 101.24.89.*
FROM 101.24.89.*