게임을 제대로 이해한다면 19x19 크기의 보드가 있습니다. AlphaGo Nature 지의 http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html에는 길쌈 네트워크 (convolutional network)가 언급되어 있습니다. 길쌈 네트워크의 나의 이해는 심상 승인에있는보기이다. 그럼 어떻게 컨볼 루션 네트워크가이 문제에 적용될 수 있을까요? 이사회를 19x19 이미지로 변형시키는 것이 과도하지 않습니까?AlphaGo에서 컨벌루션 네트워크는 어떻게 사용됩니까?
이동은 패턴에 많은 영향을 받으므로 이미지 분류에서 알 수 있듯이 길들이기 네트워크가 좋습니다.
당신이 19 * 19 이미지로 보드를 변경하는 것이 과잉인지 묻는다면, 나는 검은 돌에 대해 0, 돌이없고 0.5에 대해 이미지를 만들려고하지 않았 음을 인정해야한다. 흰 돌을 위해 그것과 함께 네트워크를 훈련시킨다. 그러나 나는 그것이 약간까지 작용할 것이라고 꽤 확신한다.
상황이 더 심각합니다! 19 * 19가 보드는 19 * 19 * 48 입력 텐서로 변환됩니다. (예 : 19 * 19 * 3) 검은 돌 한 평면 흰 돌 한 평면 빈 평면에 대한 하나의 평면 및 네트워크에서 알아야 할 여러 값을 인코딩하는 45 개의 다른 평면. (자유의 것, 자유로운 것, 이동 후 자유, 그들은 모두 종이에있다. 그러나 당신은 그들을 이해하기 위해가는 것에 대해 조금 더 알아야한다)
이것은 과잉이다, 명확히! 길쌈 네트워크는 패턴 인식에 능숙하지만 올바른 정보가 필요합니다. 예를 들어 ladder은 보드의 한쪽면에서 다른 쪽면으로 정보를 가져 오는 것이 불가능하고 13 개의 컨벌루션 층 내에서 정보를 얻을 수 없으므로이 네트워크에서 감지 할 수 없습니다. 따라서 48 입력면 중 일부는 네트워크에 알리는 데 사용됩니다 특정 이동이 사다리 캡처 또는 사다리 이스케이프 이동 인 경우