技術名稱 | 應用CGI圍棋程式於圍棋教學 | ||
---|---|---|---|
計畫單位 | 國立交通大學 | ||
計畫主持人 | 吳毅成 | ||
技術簡介 | DeepMind成功地發展AlphaGo圍棋程式,擊敗世界頂尖棋士。然而這類圍棋程式,目前卻一直無法直接用於圍棋教學,例如:判定棋塊死活、棋塊連接、局勢判斷。本技術將運用所研發CGI圍棋程式於上述問題,以達到教學目的。CGI圍棋程式目前已達世界頂尖水準,與臉書所開發的現今最強圍棋開源程式ELF OpenGo不相上下。 |
||
科學突破性 | 雖然目前電腦圍棋程式如AlphaGo等都可超越職業棋士,卻仍無法很確切地(Exactly)證明或解釋一個棋塊的死活。我們結合深度強化式學習技術與相關區域技術於解決圍棋的死活問題,能夠確切地(Exactly)解出棋塊死活問題,這是過去的技術都無法達到的(現今最強的圍棋開源程式ELF OpenGo也無法精確解出)。 |
||
產業應用性 | 此圍棋教學系統,除了可以提供解圍棋棋書中的死活問題,也可用於通常對局中的死活問題判斷,也能夠偵測棋塊間的連接性、局勢的領地計算等,結合我們過去的棋力分級系統,能夠提供完整有效的教學。 |
||
關鍵字 | 深度學習 強化式學習 深度強化式學習 類神經網路 多標籤價值網路 人工智慧 相關區域 盤勢評估 AlphaGo Zero Alpha Zero |