level 11
流水行云165
楼主
在重新训练和执行 ELF OpenGo 的过程中，我们意识到它不仅仅会影响到目前的 AI 棋手，同时也是了解过去四个世纪竞技性围棋历史的窗口。为什么不发掘一下 ELF OpenGo 在专门分析这些围棋历史和棋手上的潜力呢？
这种觉悟带来的成果就是一个交互工具（工具地址：https://dl.fbaipublicfiles.com/elfopengo/analysis/www/index.html），它基于 ELF OpenGo 对人类对弈的 87,000 场围棋的分析。这个数据集的时间跨度为 1700 年到 2018 年，这个系统则基于机器人和人类对未来落棋的预测的一致性来评估个体的棋法水平。虽然这个工具鼓励深入到特定的围棋赛事进行分析，但它同样也看重围棋的重要发展趋势。在对 300 多年时间里进行过的围棋赛事的分析中，AI 发现围棋的平均水平正在稳步提升。其他的评估方法，例如，据 ELF OpenGo，历史比赛过程中最糟糕的一步棋（这步棋往往与获胜概率的最大降幅息息相关）反反复复地或得到提高或变得更糟，其中 19 世纪末期和 21 世纪的表现是最好的。同时，FAIR 也对个人棋手进行了分析，例如在对围棋史上最著名的棋手 Honinbo Shusaku 的分析中，他的落棋方式与 ELF OpenGo 所推荐的落棋方式不一致。他早期的落棋方法随着时间的推移与 ELF OpenGo 是背离的，不过中期的落棋方式与 ELF OpenGo 更加一致。他们还对 Honinbo Shusaku 在 17 岁对战 Gennan Inseki 这位更加成熟的围棋棋手时所下出的著名的「ear-reddening」棋局进行了分析，结果显示 ELF OpenGo 反而更偏爱 Gennan Inseki 的棋法。
从 1700 年 到 2018 年，围棋比赛中间阶段（第 60 步到 120 步）围棋职业棋手的落棋方式与 ELF OpenGo 所推荐的落棋方式的一致性百分比。
围棋比赛中，围棋职业棋手最糟糕的一步棋给其获胜概率带来的最大降幅（围棋比赛的时间跨度为 1700 年 到 2018 年间；数值越低越好。）
日本 19 世纪的一位职业围棋棋手 Honinbo Shusaku 早期的落棋方式与 ELF OpenGo 所推荐的落棋方式的一致性百分比。
围棋比赛中间阶段，Honinbo Shusaku 落棋方式与 ELF OpenGo 所推荐的落棋方式的一致性百分比。
ELF OpenGo 同时也强调了 AI 对围棋的明显影响。例如，ELF OpenGo 的一致性概率随着时间的推移趋于增加，这表明了围棋的总体水平与日提升。
该系统对特定棋手的评估也会随着时间的推移而提高，这表明了他们在职业发展过程中的进步。事后看来，这些观察结果可能是显而易见的，但 ELF OpenGo 量化了这些进展，并发现了个人的围棋水平明显会随着时间而发生变化。2016 年棋手的落棋方式与 ELF OpenGo 推荐的的落棋方式的一致性突然而全面地增加，也会增强人类的这一信念：引入强大的 AI 对手有利于提升职业棋手的水平。这种显著的相关性不是决定性的——人类的围棋水平也有可能由于其他原因显著提高，但作为一个案例，从现在以及历史角度来看，它都很好地体现了一个经过训练来执行指定任务的系统也可以对更广泛的领域进行更广泛的分析。
*摘自新浪棋牌-围棋：http://sports.sina.com.cn/go/2019-02-16/doc-ihrfqzka6262739.shtml
2019年02月17日 11点02分
1
这种觉悟带来的成果就是一个交互工具（工具地址：https://dl.fbaipublicfiles.com/elfopengo/analysis/www/index.html），它基于 ELF OpenGo 对人类对弈的 87,000 场围棋的分析。这个数据集的时间跨度为 1700 年到 2018 年，这个系统则基于机器人和人类对未来落棋的预测的一致性来评估个体的棋法水平。虽然这个工具鼓励深入到特定的围棋赛事进行分析，但它同样也看重围棋的重要发展趋势。在对 300 多年时间里进行过的围棋赛事的分析中，AI 发现围棋的平均水平正在稳步提升。其他的评估方法，例如，据 ELF OpenGo，历史比赛过程中最糟糕的一步棋（这步棋往往与获胜概率的最大降幅息息相关）反反复复地或得到提高或变得更糟，其中 19 世纪末期和 21 世纪的表现是最好的。同时，FAIR 也对个人棋手进行了分析，例如在对围棋史上最著名的棋手 Honinbo Shusaku 的分析中，他的落棋方式与 ELF OpenGo 所推荐的落棋方式不一致。他早期的落棋方法随着时间的推移与 ELF OpenGo 是背离的，不过中期的落棋方式与 ELF OpenGo 更加一致。他们还对 Honinbo Shusaku 在 17 岁对战 Gennan Inseki 这位更加成熟的围棋棋手时所下出的著名的「ear-reddening」棋局进行了分析，结果显示 ELF OpenGo 反而更偏爱 Gennan Inseki 的棋法。
从 1700 年 到 2018 年，围棋比赛中间阶段（第 60 步到 120 步）围棋职业棋手的落棋方式与 ELF OpenGo 所推荐的落棋方式的一致性百分比。 围棋比赛中，围棋职业棋手最糟糕的一步棋给其获胜概率带来的最大降幅（围棋比赛的时间跨度为 1700 年 到 2018 年间；数值越低越好。） 日本 19 世纪的一位职业围棋棋手 Honinbo Shusaku 早期的落棋方式与 ELF OpenGo 所推荐的落棋方式的一致性百分比。 围棋比赛中间阶段，Honinbo Shusaku 落棋方式与 ELF OpenGo 所推荐的落棋方式的一致性百分比。ELF OpenGo 同时也强调了 AI 对围棋的明显影响。例如，ELF OpenGo 的一致性概率随着时间的推移趋于增加，这表明了围棋的总体水平与日提升。
该系统对特定棋手的评估也会随着时间的推移而提高，这表明了他们在职业发展过程中的进步。事后看来，这些观察结果可能是显而易见的，但 ELF OpenGo 量化了这些进展，并发现了个人的围棋水平明显会随着时间而发生变化。2016 年棋手的落棋方式与 ELF OpenGo 推荐的的落棋方式的一致性突然而全面地增加，也会增强人类的这一信念：引入强大的 AI 对手有利于提升职业棋手的水平。这种显著的相关性不是决定性的——人类的围棋水平也有可能由于其他原因显著提高，但作为一个案例，从现在以及历史角度来看，它都很好地体现了一个经过训练来执行指定任务的系统也可以对更广泛的领域进行更广泛的分析。
*摘自新浪棋牌-围棋：http://sports.sina.com.cn/go/2019-02-16/doc-ihrfqzka6262739.shtml
![[真棒]](/static/emoticons/u771fu68d2.png)
有一定道理。
