Master (software)
Master è una versione di AlphaGo, il software per giocare a Go di DeepMind, che prende il nome dal nome dell'account (originariamente Magister o Magist) utilizzato online, che ha vinto 60 partite online consecutive contro giocatori professionisti Go umani dal 29 dicembre 2016 al 4 gennaio 2017. Questa versione è stata utilizzata anche nel Future of Go Summit di maggio 2017.[1][2] Utilizzava quattro TPU su una singola macchina, con punteggio Elo 4,858. DeepMind ha affermato che AlphaGo Master era 3 pietre più forte della versione utilizzata nell'incontro di AlphaGo contro Lee Se-dol.[3]
DeepMind ha rilasciato una versione di AlphaGo Master a dicembre 2017 che funge da strumento didattico per analizzare le percentuali di vittoria di 6.000 aperture di Go estratte da 230.000 partite tra esseri umani.[4][5]
Partite
[modifica | modifica wikitesto]Partite online
[modifica | modifica wikitesto]Il software è stato utilizzato per la prima volta per giocare contro giocatori professionisti il 29 dicembre 2016 sul server Tygem, con un account denominato "Magister" (e indicato come "Magist" nella versione cinese del server). Il 30 dicembre il nome dell'account è stato cambiato in "Master". Dopo aver giocato 30 partite su Tygem, è stato spostato sul server FoxGo il 1º gennaio 2017.
Master ha giocato al ritmo di 10 partite al giorno, e molti hanno subito sospettato che fosse un programma di intelligenza artificiale a causa dello scarso o nullo riposo tra le partite. Dopo aver vinto la sua 59ª partita, è stato rivelato nella chat che Master era controllato da Aja Huang del team di DeepMind.[6] Il 4 gennaio 2017, dopo che queste partite erano state terminate, Demis Hassabis, co-fondatore di DeepMind, ha confermato che Magister e Master hanno entrambi giocato utilizzando una versione aggiornata di AlphaGo[7][8] e ha detto: "Non vediamo l'ora di giocare alcune partite ufficiali di durata piena [nel corso del 2017], in collaborazione con organizzazioni ed esperti di Go".
Gu Li, professionista 9 dan e co-fondatore di FoxGo, ha offerto una ricompensa di 100.000 RMB (€ 12.800) al primo giocatore umano che avesse sconfitto Master;[8] tuttavia, nessuno ha riscosso la ricompensa poiché la prestazione finale di Master è stata di 60 vittorie e 0 sconfitte,[9] incluse tre vittorie sul giocatore all'epoca più alto in classifica, Ke Jie 9p,[10] che era stato informato in anticipo che Master era una versione di AlphaGo.
Gli avversari di Master includono molti giocatori di alto livello mondiale, come Ke Jie, Park Jung-hwan, Yuta Iyama, Tuo Jiaxi, Mi Yuting, Shi Yue, Chen Yaoye, Li Qincheng, Gu Li, Chang Hao, Tang Weixing, Fan Tingyu, Zhou Ruiyang, Jiang Weijie, Zhou Junxun, Kim Ji-seok, Kang Dong-yun, Park Yeong-hun e Won Seong-jin, oltre ad alcuni campioni nazionali o secondi classificati in competizioni mondiali come Lian Xiao, Tan Xiao, Meng Tailing, Dang Yifei, Huang Yunsong, Yang Dingxin, Gu Zihao, Shin Jin-seo, Cho Han-seung e An Sung-joon.[11] Tutte le 60 partite tranne una sono state partite rapide, con tre byo-yomi da 20 o 30 secondi. Master si è offerto di estendere il byo-yomi a un minuto per la partita contro Nie Weiping in considerazione della sua età.
Nella 39ª partita, giocata il 2 gennaio contro Yuta Iyama, la connessione al server del laboratorio DeepMind si è interrotta per quattro volte a causa dell'elevato numero di spettatori, poiché il server FoxGo alla quinta disconnessione assegna la sconfitta automatica il record perfetto di Master avrebbe potuto essere rovinato nonostante una posizione di vantaggio sul goban.[12] Dimostrando spirito sportivo Yuta ha abbandonato.
Nr. | Data | Giocatore (dan all'epoca della partita) | Colore di Master e risultato | Mosse | Tempo di riflessione |
---|---|---|---|---|---|
1 | 29 dicembre 2016 | ![]() |
Bianco vince per abbandono | 146 | 3 byoyomi di 20 secondi |
2 | ![]() |
Bianco vince per abbandono | 174 | ||
3 | ![]() |
Nero vince per abbandono | 151 | ||
4 | ![]() |
Bianco vince per abbandono | 222 | ||
5 | ![]() |
Nero vince per abbandono | 113 | ||
6 | ![]() |
Nero vince per abbandono | 131 | ||
7 | ![]() |
Nero vince per abbandono | 163 | ||
8 | ![]() |
Bianco vince per abbandono | 104 | ||
9 | ![]() |
Nero vince di 4,5 punti | 275 | ||
10 | ![]() |
Bianco vince per abbandono | 148 | ||
11 | 30 dicembre 2016 | ![]() |
Bianco vince per abbandono | 170 | |
12 | ![]() |
Bianco vince per abbandono | 144 | ||
13 | ![]() |
Bianco vince per abbandono | 136 | ||
14 | ![]() |
Nero vince per abbandono | 129 | ||
15 | ![]() |
Bianco vince per tempo | 150 | ||
16 | ![]() |
Bianco vince per abbandono | 122 | ||
17 | ![]() |
Bianco vince per abbandono | 164 | ||
18 | ![]() |
Nero vince di 5,5 punti | 228 | ||
19 | ![]() |
Bianco vince per abbandono | 128 | ||
20 | ![]() |
Nero vince di 5,5 punti | 255 | ||
21 | 31 dicembre 2016 | ![]() |
Bianco vince di 5,5 punti | 270 | |
22 | ![]() |
Bianco vince di 4,5 punti | 277 | ||
23 | ![]() |
Nero vince per abbandono | 135 | ||
24 | ![]() |
Nero vince per abbandono | 223 | ||
25 | ![]() |
Bianco vince di 0,5 punti | 261 | ||
26 | ![]() |
Nero vince per abbandono | 217 | ||
27 | ![]() |
Nero vince per abbandono | 215 | ||
28 | ![]() |
Nero vince per abbandono | 163 | ||
29 | ![]() |
Bianco vince di 0,5 punti | 311 | ||
30 | ![]() |
Bianco vince per abbandono | 186 | ||
31 | 1 gennaio 2017 | ![]() |
Nero vince per abbandono | 179 | 1 minuto + 3 byoyomi di 20 secondi |
32 | 2 gennaio 2017 | ![]() |
Bianco vince per abbandono | 154 | 1 minuto + 3 byoyomi di 30 secondi |
33 | ![]() |
Nero vince per abbandono | 191 | ||
34 | ![]() |
Nero vince per abbandono | 149 | ||
35 | ![]() |
Bianco vince di 1,5 punti | 280 | ||
36 | ![]() |
Nero vince per abbandono | 209 | ||
37 | ![]() |
Nero vince per abbandono | 173 | ||
38 | ![]() |
Nero vince per abbandono | 239 | ||
39 | ![]() |
Nero vince per abbandono | 135 | ||
40 | ![]() |
Bianco vince di 2,5 punti | 274 | ||
41 | ![]() |
Bianco vince per abbandono | 170 | ||
42 | 3 gennaio 2017 | ![]() |
Nero vince per abbandono | 125 | |
43 | ![]() |
Nero vince per abbandono | 165 | ||
44 | ![]() |
Bianco vince di 2,5 punti | 260 | ||
45 | ![]() |
Nero vince per abbandono | 167 | ||
46 | ![]() |
Bianco vince per abbandono | 144 | ||
47 | ![]() |
Nero vince per abbandono | 191 | ||
48 | ![]() |
Bianco vince di 1,5 punti | 270 | ||
49 | ![]() |
Bianco vince per abbandono | 222 | ||
50 | ![]() |
Bianco vince per abbandono | 178 | ||
51 | 4 gennaio 2017 | ![]() |
Bianco vince per abbandono | 118 | |
52 | ![]() |
Bianco vince per abbandono | 202 | ||
53 | ![]() |
Nero vince per abbandono | 133 | ||
54 | ![]() |
Nero vince di 7,5 punti | 254 | 1 minuto + 3 byoyomi di 60 secondi | |
55 | ![]() |
Bianco vince di 1,5 punti | 267 | 1 minuto + 3 byoyomi di 30 secondi | |
56 | ![]() |
Nero vince per abbandono | 171 | ||
57 | ![]() |
Nero vince per abbandono | 139 | ||
58 | ![]() |
Bianco vince per abbandono | 178 | ||
59 | ![]() |
Nero vince per abbandono | 161 | ||
60 | ![]() |
Bianco vince di 2,5 punti | 235 |
Future of Go Summit
[modifica | modifica wikitesto]La versione Master ha anche partecipato al Future of Go Summit nel maggio 2017.[1] Ha sconfitto Ke Jie in un incontro su tre partite per tre a zero e ha battuto una squadra umana con cinque professionisti di alto livello.
Mosse innovative
[modifica | modifica wikitesto]Gli esperti di Go sono rimasti estremamente colpiti dalle prestazioni di Master e dal suo stile di gioco non umano. Ke Jie ha dichiarato "dopo che l'umanità ha trascorso migliaia di anni a migliorare le nostre tattiche, i computer ci dicono che gli umani hanno completamente torto ... Mi spingerei a dire che non un solo essere umano ha toccato il limite della verità di Go".[9]
Master ha giocato molte mosse innovative e ha ispirato giocatori professionisti.[13][14]
Nella ventitreesima partita online Master ha invaso il punto 3-3 in una fase molto precoce del gioco.[15]
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Partita 23, Master (nero) contro Kim Jung-hyun |
Nella ventiquattresima partita master ha giocato sei pietre lungo la seconda linea.[15]
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Partita 24 Master (nero) contro Park Junghwan |
Errori dell'operatore
[modifica | modifica wikitesto]Il 20 gennaio 2017, i membri del team di DeepMind Fan Hui[16] e Aja Huang[17] hanno rivelato che l'operatore di Master ha accidentalmente inserito una mossa diversa da quella scelta da AlphaGo in due situazioni durante le partite.
Nella nona partita online, Master ha consigliato il punto a per la mossa 107.
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Partita 9, Master (nero) contro Meng Tailing, mossa 107. |
Nella partita 39, Master ha consigliato il punto a per mossa 99.
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Partita 39, Master (nero) contro Yuta Iyama, mossa 99 |
Partita di esempio
[modifica | modifica wikitesto]Partita 30: Master (bianco) contro Tang Weixing (31 dicembre 2016), Master ha vinto per abbandono. Bianco 36 è stata ampiamente apprezzata.[18]
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Prime 99 mosse |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Mosse 100-186 (149 a 131, 150 a 130) |
Note
[modifica | modifica wikitesto]- ^ a b (ZH) sports.sina.com.cn, http://sports.sina.com.cn/go/2017-05-24/doc-ifyfkqwe0969707.shtml?cre=tagspc&mod=g&r=user&pos=5_7 .
- ^ (ZH) sports.sina.com.cn, http://sports.sina.com.cn/go/2017-05-24/doc-ifyfkqwe0899285.shtml .
- ^ (ZH) sports.sina.com.cn, http://sports.sina.com.cn/chess/weiqi/2017-05-25/doc-ifyfqqyh8272209.shtml .
- ^ (EN) Let the AlphaGo Teaching Tool help you find new and creative ways of playing Go, su DeepMind.
- ^ (ZH) sports.sina.com.cn, http://sports.sina.com.cn/go/2017-12-11/doc-ifypnsip8212788.shtml .
- ^ (ZH) thepaper.cn, http://www.thepaper.cn/newsDetail_forward_1593503 .
- ^ Demis Hassabis, twitter.com, https://twitter.com/demishassabis/status/816660463282954240?s=09 .
- ^ a b (EN) Elizabeth Gibney, Google reveals secret test of AI bot to beat top Go players, su nature.com.
- ^ a b Humans Mourn Loss After Google Is Unmasked as China's Go Master, in Wall Street Journal, 5 gennaio 2017. URL consultato il 6 gennaio 2017.
- ^ The world's best Go player says he still has "one last move" to defeat Google's AlphaGo AI, in Quartz, 4 gennaio 2017. URL consultato il 6 gennaio 2017.
- ^ (ZH) mt.sohu.com, http://mt.sohu.com/20170213/n480625434.shtml .
- ^ p. 42 Antti Törmänen, Invisible: The games of Alphago, Germania, Hebsacker Verlag, 2017.
- ^ (ZH) sports.sina.com.cn, http://sports.sina.com.cn/go/2017-01-11/doc-ifxzqnim3941818.shtml .
- ^ (ZH) Nie Weiping, toutiao.com, http://www.toutiao.com/a6371295985801249025/ . (ZH) sports.sina.com.cn, http://sports.sina.com.cn/go/2017-01-28/doc-ifxzyxmt1433671.shtml . (ZH) sports.sina.com.cn, http://sports.sina.com.cn/go/2017-01-31/doc-ifxzyxmt1661013.shtml . (ZH) sports.sina.com.cn, http://sports.sina.com.cn/go/2017-02-02/doc-ifyafcyv9928947.shtml . (ZH) sports.sina.com.cn, http://sports.sina.com.cn/go/2017-02-06/doc-ifyafcyw0396306.shtml . (ZH) Nie Weiping, toutiao.com, http://www.toutiao.com/a6377225215264424193/ .
- ^ a b (EN) Lukas Baker, Fan Hui, Innovations of AlphaGo, su deepmind.com. URL consultato il 24 novembre 2020 (archiviato dall'url originale il 27 luglio 2019).
- ^ weibo.com, http://weibo.com/2303683677/ErKt5ducS .
- ^ facebook.com, https://www.facebook.com/aja.huang/posts/1414465658588001 .
- ^ (ZH) sports.qq.com, http://sports.qq.com/a/20170502/007183.htm .