按年被提到
20142015 · 7 次2026
强化学习与智能体›博弈与游戏 AI·arXiv:1412.3409 · cs.AI

Teaching Deep Convolutional Neural Networks to Play Go

教深度卷积神经网络下围棋
Christopher Clark, Amos Storkey · 2014

用卷积网络预测专家落子,不靠蒙特卡洛树搜索也能赢 GNU Go

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 6 人首次 2014-12-15 · 最近 2015-11-03
6不同的人
6活跃月份
7讨论串
25被引(OpenAlex)

训练深度卷积网络去预测围棋高手的落子,并引入权重绑定来硬编码目标函数预期具备的对称性,消融实验表明它显著提升了效果。网络在两个围棋数据集上的落子预测准确率分别达到 41.1% 和 44.4%,超过此前最优;它能稳定击败 GNU Go,并以少得多的用时赢下部分对 Fuego 的对局。

HN 为什么提它

评论者把它与同期另一篇论文并称为用卷积网络学习专家棋谱、预测下一手的两项突破,常作为神经网络下围棋的出处引用。

方法难度 3 / 5约 25 分钟经得起时间
读之前最好知道
1卷积神经网络(CNN)
2监督学习与落子预测
3围棋规则与计算机围棋
4蒙特卡洛树搜索(MCTS)

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐deepnet · 2015-11

“The two breakthrough papers using Deep Conv Nets to play Go - trained on Expert Games to predict the Experts Next Move.”

称其为用深度卷积网络下围棋的两篇突破性论文之一,用专家棋谱预测下一手
Watch an AI bot play Go [video]原评论 ↗
引用deepnet · 2015-05

“Teaching Deep Convolutional Neural Networks to Play Go by Clarke & Storkey Teaching Deep Convolutional Neural Networks to Play Go”

列出 Clarke 和 Storkey 用深度卷积网络下围棋的论文
Show HN: Recurrent neural net plays 'neural slime volleyball' in JavaScript原评论 ↗
引用deepnet · 2015-07

“Recently two deep-learning papers showed very impressive results.”

称近期两篇深度学习论文成果惊人:CNN 一次前向就能预测专家着法
How Google Translate squeezes deep learning onto a phone原评论 ↗
引用kastnerkyle · 2015-08

“playing Go [13]”

把卷积网络下围棋列为应用之一
A Beginner’s Guide to Restricted Boltzmann Machines原评论 ↗
引用lucidrains · 2015-08

“anyways, that's not my point.”

回复中贴出这篇围棋 CNN 论文,并说明这不是自己想说的重点
IBM Adds Medical Images to Watson, Buying Merge Healthcare for $1B原评论 ↗
引用Retric · 2015-08

“It is also able to win some games against state of the art Go playing program Fuego while using a fraction of the play time.”

指出 CNN 能以很少的用时赢下对 Fuego 的部分对局
IBM Adds Medical Images to Watson, Buying Merge Healthcare for $1B原评论 ↗
看全部 7 条 →
引用Jun8 · 2015-09

“Similar approach yielded strong AIs for go, too”

以它为例,说明类似方法也造出了强大的围棋 AI
AI Teaches Itself Chess in 72 Hours, Plays at International Master Level原评论 ↗
被提交为 story · 1 次