KataGo

KataGo es un software diseñado para jugar Go gratuito y de código abierto, capaz de derrotar a jugadores humanos de alto nivel.[1]​ Lanzado por primera vez el 27 de febrero de 2019, está desarrollado por David Wu.[2]​

Basado en las técnicas utilizadas por AlphaGo Zero de DeepMind, implementa la búsqueda de árbol de Monte Carlo con una red neuronal convolucional que proporciona evaluación de posición y orientación de políticas. En comparación con AlphaGo, KataGo presenta muchas mejoras que le permiten aprender más rápido y jugar con más fuerza.[3]​ Posee características que están ausentes en muchos otros programas de juego Go como la estimación de puntaje; soporte para tablas pequeñas, valores arbitrarios de komi y handicaps; y la capacidad de usar varios conjuntos de reglas de Go y ajustar su juego y evaluación para las pequeñas diferencias entre ellos.

KataGo es compatible con el protocolo de texto Go, con varias extensiones,[4]​ lo que lo hace compatible con GUI populares como Lizzie . Como alternativa, también implementa un protocolo personalizado de "motor de análisis", que es utilizado por la GUI de KaTrain,[5]​ entre otros. KataGo es ampliamente utilizado por jugadores humanos de go, incluido el equipo nacional de Corea del Sur, con fines de entrenamiento.[6]​[7]​ KataGo también se utiliza como motor de análisis predeterminado en el sitio web de Go en línea AI Sensei,[8]​ así como en OGS.[9]​

En 2022, KataGo se utilizó como objetivo para la investigación de ataques adversarios, diseñada para demostrar los "modos de falla" de los sistemas de IA. Los investigadores pudieron engañar a KataGo para que terminara el juego prematuramente.[1]​[10]​ En particular el investigador (y jugador amateur) Kellen Pellerin, utilizando la técnica del sándwich consiguió ganar 14 de 15 juegos, con una tasa de victorias del 93 %.

Referencias

  1. ↑ a b Benj Edwards (7 de noviembre de 2022). «New Go-playing trick defeats world-class Go AI, but loses to human amateurs». Consultado el 8 de noviembre de 2022. 
  2. ↑ David Wu (2019-02-27). «Accelerating Self-Play Learning in Go». arXiv:1902.10565  [cs.LG]. 
  3. ↑ David Wu (15 de noviembre de 2020). «Other Methods Implemented in KataGo». GitHub. Consultado el 4 de noviembre de 2022. 
  4. ↑ «KataGo GTP Extensions». GitHub. Consultado el 3 de enero de 2023. 
  5. ↑ «KaTrain». GitHub (Github repo). Consultado el 3 de enero de 2023. 
  6. ↑ 金雷 (1 de marzo de 2021). «AI当道 中国围棋优势缩小了吗？» [With the dominance of AI, is China's Go superiority shrinking?]. Xinmin Evening News. Consultado el 5 de diciembre de 2021. 
  7. ↑ Hong-ryeol Lee (14 de abril de 2020). «'AI 기사' 격전장에 괴물 '블랙홀'이 등장했다» [A monster 'black hole' appeared in the battlefield of 'AI Go players']. The Chosun Ilbo. Consultado el 8 de diciembre de 2021. 
  8. ↑ «AI Sensai FAQ». Consultado el 2 de noviembre de 2022. 
  9. ↑ Anoek (OGS developer) (31 de marzo de 2022). «Considering removing Leela Zero from our supported AI Reviewers». Consultado el 2 de noviembre de 2022. 
  10. ↑ Tony Tong Wang (2022-11-01). «Adversarial Policies Beat Professional-Level Go AIs». arXiv:2211.00241  [cs.LG]. 

Content Disclaimer

Informasi ini disarikan dari Wikipedia dan disajikan kembali untuk tujuan edukasi. Konten tersedia di bawah lisensi CC BY-SA 3.0. Kami tidak bertanggung jawab atas ketidakakuratan data yang bersumber dari kontribusi publik tersebut.

  1. The information displayed on this website is sourced in part or in whole from Wikipedia and has been adapted for the purpose of restating it. We strive to provide accurate and relevant information, however:
  2. There is no guarantee of absolute accuracy. Wikipedia is an open, collaborative project that can be edited by anyone, so information is subject to change.
  3. It is not intended to constitute professional advice. The content displayed is for informational and educational purposes only. For important decisions (e.g., medical, legal, or financial), please consult a professional.
  4. Content copyright. Wikipedia is licensed under the Creative Commons Attribution-ShareAlike License (CC BY-SA). This means that content may be reused with appropriate attribution and shared under a similar license.
  5. Responsible use. Any risk arising from the use of information from this website is entirely the responsibility of the user.