m*****n
发帖数: 3644 | 1 都说alpha只管赢棋，不管赢多少。所以优势情况下可能乱下。
我在想，会不会有这种情况出现？
选择A，75%的赢面，赢10目。confidence interval [74%，76%]
选择B，80%的赢面，赢1目。confidence interval [70%，90%]
那会不会选择A？ |
h*h
发帖数: 27852 | |
n*****t
发帖数: 22014 | 3 不会是简单的 a > b ? a : b
【在 m*****n 的大作中提到】
: 都说alpha只管赢棋，不管赢多少。所以优势情况下可能乱下。
: 我在想，会不会有这种情况出现？
: 选择A，75%的赢面，赢10目。confidence interval [74%，76%]
: 选择B，80%的赢面，赢1目。confidence interval [70%，90%]
: 那会不会选择A？
|
m*****n
发帖数: 3644 | 4 数字没选好。B dominates A.现在修改后呢？B的Expected 赢面大，但是估值误差大。
A的expected赢面小，但是很精确 |
M*T
发帖数: 123 | 5 狗和人下的时候，我能理解赢面概率的概念。例如这手棋赢面80%，就是说下完以后，
人类所有回应里面，80%的走法都会导向输局，剩下20%的走法才会导向胜局。
狗和狗下的时候，这个概率我就有点糊涂了。对面是狗的话，即便这手胜率再大，它会
不知道那个20%怎么走？它肯定会走那20%的吧？ |
I***e
发帖数: 1136 | 6 这个概率应该不是这么简单。感觉应该是minimax和DP结合一起算出来的一个score。 |
n*****t
发帖数: 22014 | 7 狗不知道对面的是谁，胜率始终是左右互搏。至于为什么是个百分比，因为 30 手以后
狗自己也算不清，只是判断各种变化后点目结果。
【在 M*T 的大作中提到】
: 狗和人下的时候，我能理解赢面概率的概念。例如这手棋赢面80%，就是说下完以后，
: 人类所有回应里面，80%的走法都会导向输局，剩下20%的走法才会导向胜局。
: 狗和狗下的时候，这个概率我就有点糊涂了。对面是狗的话，即便这手胜率再大，它会
: 不知道那个20%怎么走？它肯定会走那20%的吧？
|
m*****n
发帖数: 3644 | 8 既然30手以后算不清，那就由confindence interval.盘面优势10目肯定比优势1目要好
。优势一目，谁知道什么时候对方走出计算机没看见的棋，扳回去了
【在 n*****t 的大作中提到】
: 狗不知道对面的是谁，胜率始终是左右互搏。至于为什么是个百分比，因为 30 手以后
: 狗自己也算不清，只是判断各种变化后点目结果。
|
r******i
发帖数: 1445 | 9 概率是用另外一个快一点（但准确度低一点）的神经网络下1000盘总结出来的。如果每
次模拟的sample size一样大，置信空间是一样的。
值神经网络也能给出一个概率，这个是训练出来的。
据那篇nature文章讲，取这两个值的平均数效果最好。
【在 I***e 的大作中提到】
: 这个概率应该不是这么简单。感觉应该是minimax和DP结合一起算出来的一个score。
|
I******n
发帖数: 5952 | 10 建议你看看姓田的那篇文章
【在 m*****n 的大作中提到】
: 都说alpha只管赢棋，不管赢多少。所以优势情况下可能乱下。
: 我在想，会不会有这种情况出现？
: 选择A，75%的赢面，赢10目。confidence interval [74%，76%]
: 选择B，80%的赢面，赢1目。confidence interval [70%，90%]
: 那会不会选择A？
|
|
|
D******n
发帖数: 2965 | 11 我怀疑他们会有confidence interval的估计. 如果他们考虑问题太严谨，估计这个项
目也不会这么成功。要跟学术街一样，估计停留在净扯皮阶段了。如果没有CI，那选B
是妥妥的。
其实你这样的问题就是典型的学术扯皮类型的，理论上有趣，实践中有害
【在 m*****n 的大作中提到】
: 都说alpha只管赢棋，不管赢多少。所以优势情况下可能乱下。
: 我在想，会不会有这种情况出现？
: 选择A，75%的赢面，赢10目。confidence interval [74%，76%]
: 选择B，80%的赢面，赢1目。confidence interval [70%，90%]
: 那会不会选择A？
|
o********s
发帖数: 971 | |
r***k
发帖数: 13586 | 13 所谓的赢10目本身应该就是一个期望值了，它是每种结果的输赢目数乘以该结果的概率
最后相加。而所谓的赢面，则是一个赢了为1输了为0的示性函数的期望。正常逻辑下，
电脑是不会考虑赢多少目，只会优化赢面的。这其实也就是说，在自己明显优势的情况
下，电脑一定会采取比较保守的策略。 |
n*****t
发帖数: 22014 | 14 风险于机遇共存
【在 m*****n 的大作中提到】
: 既然30手以后算不清，那就由confindence interval.盘面优势10目肯定比优势1目要好
: 。优势一目，谁知道什么时候对方走出计算机没看见的棋，扳回去了
|
m*****n
发帖数: 3644 | 15 要用Value at risk 管理。5%的极端情况下，最多能亏n目。alpha要保证亏了这n目，
还能赢，才是真正的赢 |
d****v
发帖数: 458 | 16 这个对人的心理是压力山大啊
当你看到狗的一步缓棋的时候，你先想到的是，我去，我要输给狗了 |
D******n
发帖数: 2965 | 17 要是狗狗把价值函数的表和计算能力交给我，我就故意下一步缓棋吓吓人。所以说，人
还是有机器没有的招。只不过这些招只有对人管用。象诸葛亮的空城计，估计狗狗就长
驱直入了。
【在 d****v 的大作中提到】
: 这个对人的心理是压力山大啊
: 当你看到狗的一步缓棋的时候，你先想到的是，我去，我要输给狗了
|
n******7
发帖数: 12463 | 18 同意
很多时候用这个expect value就很好了
要model个distribution出来看起来严谨了
其实加入的噪音可能更多
我现在正头疼这个
为了发文章 还不得不这么搞
B
【在 D******n 的大作中提到】
: 我怀疑他们会有confidence interval的估计. 如果他们考虑问题太严谨，估计这个项
: 目也不会这么成功。要跟学术街一样，估计停留在净扯皮阶段了。如果没有CI，那选B
: 是妥妥的。
: 其实你这样的问题就是典型的学术扯皮类型的，理论上有趣，实践中有害
|
D******n
发帖数: 2965 | 19 没办法阿，有时候想想还是去工业界干得了，省得浪费生命扯皮。
【在 n******7 的大作中提到】
: 同意
: 很多时候用这个expect value就很好了
: 要model个distribution出来看起来严谨了
: 其实加入的噪音可能更多
: 我现在正头疼这个
: 为了发文章 还不得不这么搞
:
: B
|
n******7
发帖数: 12463 | 20 确实
大部分时候再做无用功，pay的也不高，不知道折腾个啥
一辈子能做个alphaGO这样的东西，比发一陀论文都有意义多了
【在 D******n 的大作中提到】
: 没办法阿，有时候想想还是去工业界干得了，省得浪费生命扯皮。
|
