¿Existe un equivalente de Deep Blue en el mundo Go?

AlphaGo

Ahora está AlphaGo de Deep Mind, una compañía recientemente comprada por Google que actualmente juega un partido contra 9p Lee Sedol. Es el azul profundo de Go.

EDITAR: El resultado final del partido de cinco juegos fue AlphaGo 4 – Lee Sedol 1. Esto confirma la conjetura anterior: AlphaGo es el Deep Blue of Go.

En un tablero de 19x19 no hay ningún ordenador que iguale a jugadores de alto nivel (9p) a partir de noviembre de 2011. Parece que los programas más potentes del momento utilizan métodos de Montecarlo y de vez en cuando se organizan partidos con profesionales, aunque normalmente con hándicap. El nivel alcanzado por los programas en los últimos años parece indicar que necesitan al menos un hándicap de 7 piedras contra un jugador de 9p.

Entre las computadoras, puedes hacerte una idea de qué programas son más potentes consultando esta página ; sin embargo, eso no necesariamente te dice mucho sobre la fuerza frente a los jugadores humanos.

Wikipedia tiene una sección de resultados reciente bastante actualizada sobre la computadora contra el jugador humano.

En la biblioteca senseis hay una lista de programas y si revisa las páginas de programas individuales, encontrará un resumen de sus coincidencias más importantes contra humanos y otros bots.

Hasta la fecha, no se conoce ningún programa de Go-playing que iguale la fuerza de los jugadores profesionales.

El artículo de Wikipedia sobre Computer Go ofrece una discusión en profundidad sobre el tema.

Según ese artículo, a partir de 2011, "los mejores programas Go que se ejecutan en hardware de serie están clasificados como 2 dan - 5 dan".

Uno de los problemas es la gran cantidad de posibilidades.

Según el artículo de Wikipedia antes mencionado , en 2008, un programa llamado "MoGo" ganó un juego contra un profesional en un tablero de 9x9, pero el mismo programa perdió ante el mismo profesional en un tablero de 19x19, a pesar de recibir 9 piedras de hándicap.

Que yo sepa, no. Apenas sé cómo jugar go, pero puedo hablar un poco del lado de la IA.

Deep Blue básicamente usa un gran árbol de búsqueda para ver muchos, muchos movimientos hacia el futuro, como si estuviera probando numerosos juegos paralelos. Si una serie de movimientos no termina en una victoria o una derrota, una unidad llamada "evaluador estático" aplica un montón de heurísticas para determinar quién obtiene una ventaja del estado del tablero. Estos valores luego se filtran en el árbol y se usan para decidir qué movimiento actual es más probable que gane alguna ventaja para el jugador de IA.

Hay dos factores limitantes principales que prohíben un enfoque similar a Deep-Blue para una IA para llevar: la complejidad del juego y las limitaciones del hardware.

El primero es la complejidad inherente del juego. Por ejemplo, hay un "factor de ramificación". Trate de visualizar un juego de go en progreso y un juego de ajedrez en progreso, como si se hubiera sentado frente a un tablero a medio jugar y estuviera tratando de hacer su próximo movimiento. Debido a que el tablero de go es más grande, puede colocar una piedra en cualquier lugar, hay más movimientos posibles que puede hacer en cualquier turno. El conjunto de posibles jugadas de un oponente en respuesta a ese movimiento también es mayor, y así sucesivamente. Esto significa que el árbol de todos los posibles estados del juego crece mucho más rápido, lo que dificulta mirar muchos, muchos movimientos hacia el futuro. (Puede solucionar esto un poco con técnicas de "poda": básicamente, elimine cualquier rama que parezca que se dirige rápidamente a una posición perdedora; hay

La otra son las reglas para los jugadores de IA. Si mal no recuerdo, las principales organizaciones de torneos requieren que el software de IA se ejecute en hardware de consumo estándar. Deep Blue tenía la memoria y la potencia de procesamiento de una supercomputadora, incluidos chips personalizados para realizar una evaluación estática en el hardware.

Entonces, en esencia, una IA go al estilo de Deep Blue, que utiliza una búsqueda profunda respaldada por un poder de procesamiento masivo, es inviable. Sin embargo, una IA go al estilo de TD-Gammon (que esencialmente opera en base a heurísticas aprendidas) puede serlo. Sin embargo, la mejor información que realmente puedo ofrecer sobre el estado actual del campo es un enlace de Wikipedia .

¿Existe un programa equivalente que desafió y ganó los mejores maestros de Go (en el tablero de tamaño estándar)?

No. Según Wikipedia , una victoria con 6 piedras de hándicap fue el mejor resultado contra un profesional. Está bastante lejos de ser un partido parejo.

¿Hay algún proyecto de investigación específico como este en marcha?

De hecho, existen varias investigaciones científicas en la teoría del go de la computadora y la mayor mejora de dicho investigador es la búsqueda del árbol de monte carlo, que permitió a las computadoras jugar incluso contra aficionados fuertes (5 dan) en un tablero de 19x19. En la tesis doctoral de Łukasz Lew se puede encontrar una buena descripción general de las principales investigaciones . Sin embargo, tal vez debido a la dificultad de la tarea, los medios dados al juego de computadora no son comparables a los del ajedrez de computadora.