iie

MC方法在围棋上的成功应用，使得围棋问题的解决变得乐观了许多，那么，在围棋解决之后，还有什么项目可以继续？
扩大棋盘、三维围棋、联棋……都算是延续吧，如果把围棋问题看作现实世界的一种抽象的话，那么倒可以这样延伸下去：

1）积分围棋
当围棋不再是一种需要消耗大量时间的项目（日本人好像还保留有二日赛制），用目数差代替胜负结果来计算棋手的等级分会是一件很有趣的事情，实际上是把一局棋为单位的胜负概念，扩展成了一连串的棋局。
2）不确定的贴目
协议贴目：不在事先确定并在一局中固定，而是可由对局双方轮流依次提出更改，另一方可选择同意或拒绝，一旦同意对方的提议，则立即获取下一次的提议权。
随机贴目：安排一个随机事件，在棋局进程中的某一时间公布一个随机产生的贴目数（当然要有一个合理的范围）。
3）可交换围棋
对局双方有机会提出交换对局，假如双方都认为对手的棋更好下，显然是很有趣的事情。

这样的模型是否具有一致性，并更接近现实世界？

Ｘ

我觉得对“解决”可以有不同的理解，仅仅是在竞技上胜了，不一定叫解决。你说深蓝解决了什么？问题背后那个大大的疑问还在。如果真的已经解决了，也不需要在围棋上再折腾那么多年了。

机器博弈后面的那个背景问题更像个大棋局，相对而言国象、围棋只能算是整个棋局中的一个小局面甚至一颗小棋子，除非有一致性的理论出现。单纯追求竞技意义上的解决，更多的是体现娱乐大众的价值。相反，如果能跳出竞技的圈圈，那么可做的事就多了，常规的竞技解决也不会成为计算机围棋的2012。

iie

多数情况下，我们寻求工程概念的解决。工程解和竞技之间，差别可能只是在心理学方面。作为现实的抽象，理论解是否必须，甚至是否存在，都是个问题。建立并解决与现实更接近的模型，更有趣些。

Ｘ

的确工程就是工程，它有它自己的定位。所谓的理论解在我看来差不多就是指AI理论本身的缺陷，涉及面相当广。

图解围棋

上面两位你们好！
在下只谈个人看法：
在围棋中：有棋形，必有棋势！棋势是什么？棋势就是已落子点对未落子点的控制。
就我个人研究觉得，围棋是一条控制论的数学式。
此式用于围棋，其作用自然是娱乐；
此式用于工业、农业、国防……其意义就大了！
围棋之后，我们还有什么可以做？
真可惜岁月不饶人，我只能寄望于各位了！
祝两位事业一帆风顺！

fsfool

围棋问题的解决,就是从理论上指出19*19的棋盘黑先应该贴多少目而已.
象棋问题的解决,就是证明红先或者白先是胜是负还是和的问题,这好像与具体的竞技无关吧?是一个纯粹的数学问题而已.

fsfool

1-积分围棋的问题:
将博弈模型设计为可进行n次连续博弈,然后以累计目数来判定胜负,这个问题在我的博弈问题模型中已经实现;
2-不确定的贴目:
这个问题在很多博弈里已经解决,只是一个对局之初的博弈环境参数协商的问题,参数包括贴目,让子等;
3- 可交换围棋:
这个问题在我的博弈型里已经实现,仅仅只是提供一个可在对局中随时交换博弈双方颜色的功能而已;
4-扩大棋盘:
这个问题在我的博弈模型里已经实现,考虑到硬件限制,目前最大棋盘限制在256*256路,可以演示0到65536个棋格的任意棋盘的博弈问题,智能亦可在这样的范围内任意适用,256*256的大棋盘可用于检验超大规模计算机的性能问题,目前在我的64寸三星液晶显示屏上棋子看起来太小还是太费劲,围棋好点,象棋与国际象棋的看不清图像;
5-维度的问题没有意义,二维,三维,乃至多维对计算机与编程程序来说与一维是一致的,没有什么特殊的难度.

以上答复仅供参考.

babituo

围棋里的问题不止一个，相互也不是独立的。
从不同的角度看，围棋所表现的核心问题也不同。
特定的方法，只能从特定的角度对解决特定方面的问题有效。
我的体会是：
MC法确实解决了一些问题，但没有解决所有的问题。
我们可以总结一下围棋中到底存在哪些问题，都是什么角度的问题，以此来寻求更全面的解决办法。
比如说：
1.死活问题，是围棋的局部演化结果收敛性的问题。
2.形势判断问题，是多条件优选问题。
3.急所确定问题，也是多条件的优选问题。
4.次序选择问题，则是递进的关联条件的优选问题。
5.终局判断问题，是全局演化结果的收敛性问题。
我理解的MC法对解决问题1，4，5有显著作用，对解决2，3似乎作用不大。
希望听到前辈们的想法。

babituo

MC法和精确模型法。

MC是事后结果反推法，类似假设法，如果不穷举全部假设，始终会有不完备的风险。
而精确模型法是事前预测法，通过事前计算选择和预测最优解。但优选因子的选择是经验性的，仍然不能完备。