作者:
mathbug (天堂的定義)
2016-04-13 09:47:47※ 引述《ctrl (大覺者)》之銘言：
: 對手是ruogu(P)9段
: deepmind現段位戰績進步到64勝36負
: 本場deepmind執黑
: 貌似ruogu(P)9段的白棋開局不錯!?
: 果然deepmind的黑棋佈局比較弱吧？
: ……白棋走出一串送菜的棋之後現在劣勢了Orz
黑棋下棋的速度有一些很快 不像是 AlphGo - 中介人 - 奕城網棋落子
不知道奕城/Tygem 有提供介面給AlphaGo團隊嗎?
有的話 真相就大白了
在電腦上跑的東西....寫個仲介程式完全不難啊....不需要仲介程式
作者:
ctrl (一哥)
2016-04-13 10:02:00deepmind外掛下棋落子速度上確實有優勢
對於(奕城的)網路伺服器來說，他收到的資料只是滑鼠座標+clicking flag，那這個alphago可以自動送出而不需要實體滑鼠，對AG來說他只需要讀當前的棋盤然後決定要在哪個棋盤座標落子->轉成滑鼠座標送出另外，AG vs Lee第一天我很驚訝居然要有代理人我本以為只需要把譜投到大螢幕，李直接電腦落子即可
作者:
staristic (ANSI lover)
2016-04-13 10:37:00不需要什麼視覺辦示啊…直接攔截封包就好了對google來說，寫這個的外卦大概就一個下午的事…
基本上，奕城送來的封包不會是全圖像，為了流量控制應該只會是一個19x19 matrix記錄當前棋盤然後是由用戶端程式轉成為螢幕上的棋盤，所以的確是攔封包解讀矩陣就可以的事視覺辨識來說，那也只是一個固定圖樣開局讀棋盤轉出19x19的座標轉換矩陣，每次比對前次盤面跟本次盤面差異判讀對方/己方落子不需要很複雜好嗎~"~原po想像的視覺辨識技術太高級了，但是在這個case裡用不到那麼高級的視覺辨識......讀網格JPG/BMP判讀網格座標有難度嗎？前後兩張圖做XOR讀出盤面變化有難度嗎？將落子座標反轉換回影像座標(用來產出滑鼠座標)有任何難度嗎？這三個都沒有難度的狀況下，真的有難度的判斷在哪落子AG做的很好我猜原PO想成ROBOT自己用CAM抓影像，但這個case不用
lol3個月哩..應該2小時內KO吧,有點經驗的話半小時以內
Amiba你不能這樣說啦，如果是ROBOT自己用CAM抓影像還要轉出正確的座標，那大學生差不多要一個專題才能
作者:
TWN2 (.....)
2016-04-13 11:01:00你也太小看google了... 這種程度半小時就解決了
1.軟體對軟體，要連接上哪有這麼困難。 2.它背後是google,不是大學生
還有一種可能就是奕城的使用者端回傳的資料僅僅是(落子的)棋盤座標，那這個就更簡單惹連產生滑鼠座標都不用，直接丟一個座標封包回去
用cam大學生大概1天KO吧..是靜態的可以很輕鬆濾出棋盤
作者:
vencil (vencs)
2016-04-13 11:30:00拿大學生跟Google的菁英工程師比...雖然沒去解讀，不過用一般原理來想封包只有回傳落子座標根本不需要回傳視覺資訊，一般的工程師來做頂多也幾天吧
作者:
stimim (qqaa)
2016-04-13 11:39:00網路上都有TYGEM的開源用戶端了，用那個改就好啦
作者:
Django (Cython)
2016-04-13 11:46:00這樣就能生出碩論等級我應該一年就畢業了...
影像處理實驗室報到...專題做這個應該畢不了業+1
你太小看它們了吧...大學專題等級的東西對它們就是非常簡單的東西啊
作者:
kafai (豬仔包 PigSonBow)
2016-04-13 12:44:00AJA那次有說，他們公司有做視覺辨識，看人下一晚棋就學會
賣啊捏，說不定在十年前這真的是碩論等級啊我念MS的時候，博班學長說他們當年除頻器會動就畢業可是我們都要搞到SSGS系統有效果才能畢業中間也不過差兩年~"~SSCG(single side band clck generator)上面誤繕
作者:
bbbtri (cycling)
2016-04-13 14:11:00我也蠻好奇，圍棋就是座標，和視覺辨識有什麼關係？另外正式比賽不太可能叫棋手電腦落子，除非本來就約在網路上下
網路遊戲的外掛這麼多,Google的技術,一點都不成問題啊!打個比方好了,神魔之塔外掛,判別珠子,規劃路徑,自動轉珠相對於網路圍棋,網路圍棋電腦代下簡直是簡單到爆炸啊!
棋盤上畫面資訊都很固定、單純 狀態有限每個可落子的點: 黑棋 白棋 沒落子簡單分析判斷一下就出來了 您想得有點太複雜了
作者: sadmonkey (下雨天) 2016-04-13 14:41:00
deepmind應用在圍棋上的AphaGO最基本精神就是視覺辨識AG就是靠整個盤面19x19像素與勝負的關聯，利用深度學習大量數據化後建立良好的策略函數與評價函數AG可能根本不知道死活、氣數、目數，只是單純看哪種圖形19x19像素有最好勝率就好了
作者:
yyhsiu (hsiu)
2016-04-13 14:50:00怎麼可能不知道死活氣數目數，不然你隨便看篇他paper死活氣數目數是基本的，只是說deepmind沒有去深究，硬是要算出幾十步後的變化，而且他有更精準的評價函數
作者:
liaon98 (liaon98)
2016-04-13 14:52:00連星海這種動態的都要挑戰了 圍棋這種靜態的就算用視覺辨識對google也超簡單好嗎
作者:
kafai (豬仔包 PigSonBow)
2016-04-13 15:38:00其實比掃個QR CODE 還要簡單
作者:
LaPass (LaPass)
2016-04-13 16:33:00鍵盤精靈已經做到可以從螢幕上掃圖了喔，像是，出現敵人的圖片後，就把滑鼠移過去點他這樣
作者:
aaaba (小強)
2016-04-13 17:49:00你的世界裡一定存在很多神人，連辨識棋盤這項技術都會讓你讚歎不已
作者:
birdy590 (Birdy)
2016-04-14 00:51:00直接從網路送來的資料下手最快 棋譜也不過就是一堆座標不是
作者:
ddavid (謊言接線生)
2016-04-14 04:36:00碩論......那我研究室裡的寫神魔之塔自動轉珠應該已經博士班畢業了（笑）不能說不需要技術，畢竟這種技術是知道就知道，不知道就不知道的東西。但是都是老早就存在的東西，而且根本用不到圖形辨識這種東西，抓圖下來看黑色白色還是棋盤底色很難嗎XD連拆封包都不需要會呢XD
根本不需要影像處理也很簡單視窗align好 按鍵精靈對著矩陣寫就好
作者: xex999 2016-04-16 00:05:00
文組？
作者:
roujuu (è€ä¸)
2016-04-17 19:26:00如果碰到提子或是屠龍時，應該也要傳資料修改吧？
作者:
lwei781 (nap til morning?)
2016-04-22 20:42:00太小看大學生了....