Анализ начальной позиции

+64
Перекликается с постом #153

Не постмодернизма ли являетесь сторонником, социально-культурных мифов? Материальная реальность соткана из (математических) абстракций и не мудрено, что иногда мерещится иллюзорной.

Да, Вы правы. Извините, что сразу не заметил.

Скорее соллипсизма) А что мы можем знать о реальности если для нас реальность - всего лишь последовательность электрических импульсов, поступающих на наши органы чувств, а т.н. "логика" - набор интуитивных утверждений, исходящих из восприятия мозгом этих импульсов?)

Я смотрю, в адванс , когда играют между собой достаточно сильные игроки, результативных партий уже сейчас крайне мало...

А вот что опытные адвансёры думают?
Кто первый достигнет "ничейной смерти"? Может действительно как раз они.

Сильные игроки - это финал ЧМ на ИКЧФ. Всё там нормально с результативностью.

Кстати полно результативных партий в адвансе..... не понимаю где вы там ничейность то увидели

Вы заметили что дискуссия заглохла как то?)

Подозреваю что здесь скорее опрос чем обсуждение. Вычислительных мощнотей не хватает для серьёзного обоснования позиции. И спор переходит в область веры а не науки ^_^.

Ну если честно, то то, что здесь писали много интереснее бессмысленнейшего вопроса - названия темы.... Но на данном этапе развития человечества вопрос о решении шахмат не стоит и белых пятен больше неизмеримо....

...А при каком - 120 %

пока мы тут флудим, проги в го существенно вроде усилились.
Раньше играли на уровне начинающего, а ща выступили на уровне сильного любителя
http://rus.newsru.ua/sport/14mar2009/go.html
ждем комментариев специалистов го

Они не сейчас усилились.

В го пока программа до сильнейших игроков далеко. Я сам не раз обыгрывал программу в го.

Недавно было сообщение в журнале "В Мире Науки" о существенном алгоритмическом прорыве в компьютерном ГО. ГО более визуальная/топологическая игра, чем счётные/комбинационные шахматы и поэтому труднее поддаётся закодированию.

Ну я как раз и имел ввиду не прогу которую, верю, обыгрывал Gildar, а о прорыве. Вроде как на методе Монте Карло основан. Подробнее все описано на http://www.membrana.ru/articles/technic/2009/03/13/144500.html По прежнему ждем компетентных комментов.

Прорыв случился в 2006-ом году, а не сейчас. Начался с программы Crazy Stone. Примерно в тоже время появилась Mogo, потом Leela.
Потом вышла Монте-Карло версия The Many Faces of Go. В 2008-ом на компьютерной олимпиаде и на доске 9x9, и на доске 19x19 победила MFoG.

Aya, которая играет "по-старинке", без всяких Монте-Карло - играет только чуть слабее Mogo.
Хотя есть и Монте-Карло версия Aya, но автор заявляет что "Monte-Carlo Aya(UEC cup version) is unstable for human play. So I remove."

Вот в блоге Мига обсуждается http://www.chessninja.com/dailydirt/2009/03/go-ing-monte-carlo.htm
А кто может объяснить что такое 7 камней против сильнейшего американского мастера? На примере шахматных разрядов.

Монте-Карло в Рыбке настолько <цензура>, что практического толку от него нет, во всяком случае в шахматах.
Алгоритм не MoGo, а алгоритм Crazy Stone 2006-го года. Ничего общего с Рыбьим (во всяком случае тем что встроен в Рыбкофриц) не имеет.
Вот описание Монте-Карло в ГО:
http://remi.coulom.free.fr/CG2006/
http://remi.coulom.free.fr/Amsterdam2007/

Типа без коня. Или без ладьи...

Интересно, что вероятностно-статистические методы выбора очередного хода, по-видимому, работают в ГО и шашках (http://kasparovchess.crestbook.com/viewtopic.php?id=365&p=9 , посты 441, 444), однако не в шахматах. Может быть, это связано с тем, что в ГО и шашках лишь один тип фигуры (камня) на игрока, которой разрешено делать меньшее число более простых ходов по сравнению с дозволенными ходами фигур в шахматах. В шахматах на игрока имеем 7 разных типов фигур (пешка, ладья, конь, два слона, ферзь и король) с разными дозволенными способами ходить, притом у коня прыжок особый, "сложный". Поэтому шахматы более структурированные, что ли, и статистические выборки типа Монте-Карло не работают :rolleyes:

То есть киллеры, история - это уже не статистика?

Хайдук, насчет самообучающейся программы в шашки - я же написал...
Что такое обучение? Мы написали "абы как" играющую программу, потом некоторым образом начинаем её обучать. Применительно к шашкам - пишем слабую программу, играющую в силу первого разряда, а потом обучаем её так, чтоб она обыгрывала любителя??? И в чем тут логика?
В ГО никакие нейроные сети и ген. алгоритмы не используются. Та-же статистика что в шахматах и шашках (история, киллеры), только немного по-другому считается (через наигранные партии)

Насчет Монте-Карло в шахматах... Я вроде говорил о том, что называется Монте-Карло в Рыбке, а не в Шахматах...
Вы видели что сделано в Рыбке? Как такое может работать?

Не понял :rolleyes:

Не знаю с уверенностью, NS. Слышал, что нейронные сети можно тренировать как дельфинов: выполнил упражнение - получай рыбку в награду . Показалось, что такое похоже на нарабатывание статистики большого числа партий вроде метода Монте-Карло, может ошибаюсь :/

Нет, нейронные сети на историю и другие виды сбора статистики не очень-то и похожи.
Нейронные сети применяются когда человек не может (или не хочет) решить задачу нормальными методами.
Пока ничего хорошего при помощи нейронных сетей получено не было.

Не совсем, нейронная сеть решает задачу аппроксимации некоторой функции. Например, f(p) -> m, где p это позиция на шахматной доске, m это ход. Теоретически, при помощи нейросети можно аппроксимировать любую непрырывную функцию с заданной точностью. Применяют нейросети, когда аппроксимируемую функцию сложно получить аналитически, зато мы можем в каждом конкретном случае при помощи какой-то внешней процедуры получить результат для конкретного p. Например, по картинке человек может определить, насколько это похоже на треугольник. Но вывести соответствующую функцию нелегко. Но тут возникает много проблем.

1. В каком виде подавать данные на вход нейросети? Очевидно, что чем больше входящие данные связаны с особенностями функции, тем проще научить работать нейросеть. Но это же и есть шаг к алатическому решению.
2. Как проводить обучение? С каждой новой рыбкой нейронная сеть немного "забывает" тому, чему ее учили раньше.
3. Как работает нейронная сеть? Очень непросто разобраться в структуре нейронной сети и ответить на вопрос о том, почему нейросеть приняла то или иное решение.

Я слышал краем уха, что Abbyy Finereader нейросеть не использовал по крайней мере несколько лет назад. Вообще, нейросети в свое время оказались очень пропиареными и начали использоваться повсеместно во многих научных работах. Это очень удобно для студентов, потому что работа для ленивых: написал программу (или использовал существующие) и посмотрел, что получилось.

Ну а потом... Отрицательный результат в науке тоже результат. Но он не популярен, потому что даже если ты полность проанализировал применение нейросети к решению некоторой задачи и пришел к выводу, что нейросеть неэффективна, то (1) выглядишь не так хорошо, как хотелось бы (2) проблема получить финансирование (3) у вех получается, а ты белая ворона. Поэтому результаты подгонялись под положительный вариант, таким образом, нейросети получали все больше хвалебных отзывов, что увеличивало их популярность и т. п.