imported>Zestbot：/* 簡介 */ bot:替換lang-x模板為langx

2025-11-28T06:58:04Z

新页面

{{NoteTA
|G1 = IT
}}
{{Infobox software
| name = Minigo
| title = Minigo
| logo = 
| logo caption =
| logo_size =
| logo_alt =
| screenshot = 
| caption =
| screenshot_size =
| screenshot_alt =
| collapsible =
| author =
| developer =
| released = 
| discontinued =
| programming language = [[Python]]、[[C++]]
| operating system =
| platform =
| size =
| language =
| language count = 
| language footnote =
| genre = [[電腦圍棋]]
| license = [[Apache License 2.0]]<ref name="code-license">{{Cite web|url=https://github.com/tensorflow/minigo/blob/master/LICENSE|title=minigo/LICENSE at master · tensorflow/minigo|accessdate=2018-02-01|archive-date=2019-02-17|archive-url=https://web.archive.org/web/20190217063210/https://github.com/tensorflow/minigo/blob/master/LICENSE|dead-url=no}}</ref>
| repo = {{URL|https://github.com/tensorflow/minigo}}
| website = {{URL|https://github.com/tensorflow/minigo}}
| standard =
| AsOf =
}}
'''Minigo'''是一套[[電腦圍棋]]軟體。

== 簡介 ==
Minigo是一套依照[[Google DeepMind]]在《[[自然 (期刊)|自然]]》上對於[[AlphaGo Zero]]所發表的論文《{{lang|en|Mastering the game of Go without human knowledge}}<ref name="agz-nature">{{Cite journal |last=Silver |first=David |last2=Schrittwieser |first2=Julian |last3=Simonyan |first3=Karen |last4=Antonoglou |first4=Ioannis |last5=Huang |first5=Aja |last6=Guez |first6=Arthur |last7=Hubert |first7=Thomas |last8=Baker |first8=Lucas |last9=Lai |first9=Matthew |last10=Bolton |first10=Adrian |last11=Chen |first11=Yutian |title=Mastering the game of Go without human knowledge |url=https://www.nature.com/articles/nature24270 |journal=Nature |language=en |date=2017-10 |volume=550 |issue=7676 |doi=10.1038/nature24270 |issn=1476-4687 |access-date=2018-02-01 |archive-date=2018-04-12 |archive-url=https://web.archive.org/web/20180412102056/https://www.nature.com/articles/nature24270 |dead-url=no }}</ref>》所實做出的[[開源]]電腦圍棋程式<ref name="official">{{Cite web |url=https://github.com/tensorflow/minigo |title=tensorflow/minigo: An open-source implementation of the AlphaGoZero algorithm |accessdate=2018-02-01 |archive-date=2020-11-09 |archive-url=https://web.archive.org/web/20201109010328/https://github.com/tensorflow/minigo |dead-url=no }}</ref>，也就是不使用人類棋譜與累積的圍棋知識，僅實做[[圍棋規則]]，使用單一[[類神經網路]]從自我對弈中學習（不像[[AlphaGo]]以人類角度思考，設計了Policy Network與Value Network）。

軟體是基於Brain Lee的[[MuGo]]繼續開發，使用[[Python]]與[[C++]]撰寫，並且透過[[TensorFlow]]實做[[類神經網路]]的部份<ref name="official"/>。程式碼以[[Apache License 2.0]]釋出<ref name="code-license"/>，訓練資料以[[公有领域]]（{{lang|en|Public domain}}）釋出<ref name="data-license">{{Cite web |url=https://github.com/tensorflow/minigo/blob/master/sgf/fetch_dataset.sh |title=minigo/fetch_dataset.sh at master · tensorflow/minigo |accessdate=2018-02-01 |archive-date=2019-02-17 |archive-url=https://web.archive.org/web/20190217063210/https://github.com/tensorflow/minigo/blob/master/sgf/fetch_dataset.sh |dead-url=no }}</ref>。

專案的目標包括了<ref name="official"/>：

* 提供使用[[TensorFlow]]、[[Kubernetes]]以及[[Google雲端平台]]實做[[强化学习]]（{{langx|en|Reinforcement learning}}）的範例。
* 盡可能重製論文裡所提到的方法，並提供[[開源]]的程式與工具。
* 提供資料以及訓練成果，讓[[圍棋]]界、[[機器學習]]領域以及Kubernetes社群都能夠受益。

除此之外，專案也希望藉由獨立另外實做，驗證[[Leela Zero]]所產生的疑問<ref name="reddit-cbaduk-7tx4qm">{{Cite web |url=https://www.reddit.com/r/cbaduk/comments/7tx4qm/an_opensource_implementation_of_the_alphagozero/ |title=An open-source implementation of the AlphaGoZero algorithm : cbaduk |accessdate=2018-02-01 |date=2018-01-30 |archive-date=2018-09-04 |archive-url=https://web.archive.org/web/20180904010959/https://www.reddit.com/r/cbaduk/comments/7tx4qm/an_opensource_implementation_of_the_alphagozero/ |dead-url=no }}</ref>。

=== 與Google及DeepMind的關聯 ===
這個計畫雖然是掛在[[TensorFlow]]的[[GitHub]]下（且TensowFlow是由Google研發出的軟體），而且主要的專案貢獻者Andrew Jackson<ref name="contributors">{{Cite web|url=https://github.com/tensorflow/minigo/graphs/contributors|title=Contributors to tensorflow/minigo|accessdate=2018-02-01|archive-date=2019-02-17|archive-url=https://web.archive.org/web/20190217063210/https://github.com/tensorflow/minigo/graphs/contributors|dead-url=no}}</ref>{{NoteTag|Andrew Jackson在[[GitHub]]上的帳號是<code>amj</code>。}}與Tom Madams{{NoteTag|Tom Madams在[[GitHub]]上的帳號是<code>tommadams</code>。}}都是[[Google]]員工，但官方一再強調這並非TensorFlow專案的一環<ref name="reddit-cbaduk-7tx4qm"/>，也不是[[Google DeepMind]]的[[AlphaGo]]官方版本，而是由獨立的團隊依照[[AlphaGo Zero]]的論文而實做出的版本<ref name="official"/><ref>{{Cite web|url=http://computer-go.org/pipermail/computer-go/2018-January/010688.html|title=[Computer-go] MiniGo open sourced|accessdate=2018-02-14|date=2018-01-29|archive-date=2020-01-28|archive-url=https://web.archive.org/web/20200128015210/http://computer-go.org/pipermail/computer-go/2018-January/010688.html|dead-url=no}}</ref>。

=== 版本演進 ===
雖然[[Google]]與[[Google DeepMind]]沒有正式參與Minigo計畫，但Andrew Jackson使用的是Google所提供的20%時間<ref name="reddit-cbaduk-7tx4qm"/>，並且得到[[Google]]贊助提供硬體資源進行運算，供Minigo團隊確認程式正確性<ref name="official"/><ref name="result">{{Cite web|url=https://github.com/tensorflow/minigo/blob/master/RESULTS.md|title=minigo/RESULTS.md at master · tensorflow/minigo|accessdate=2018-02-01|archive-date=2019-10-18|archive-url=https://web.archive.org/web/20191018153425/https://github.com/tensorflow/minigo/blob/master/RESULTS.md|dead-url=no}}</ref>：

; 第一階段（2017年十月）
: 使用約1000 CPU cores（沒有[[GPU]]）跑兩週，訓練9x9棋盤，主要是確認程式實做的正確性。
; 第二階段（2017年十二月至2018年一月）
: 使用約1000 GPU跑四個禮拜，訓練19x19棋盤，使用20 blocks x 128 filters，在更大的規模上邊修正[[bug]]，邊對程式做出各類改善，並摸索論文裡沒有提到的細節要如何實做。在160個迭代（{{lang|en|generation}}）後，團隊將訓練結果放到[[KGS]]與[[CGOS]]上對弈，以<code>somebot</code>為名，後面的數字表示是哪個迭代。最終大約跑了250個迭代。
; 第三階段（2018年1月20日至2月1日）
: 在確認論文內不清楚的地方，嘗試後從錯誤中學到不少事情。
; 第四階段（2018年2月7日後至三月）
: 因為19x19的成果受限，改回使用9x9訓練，在大約一個禮拜的訓練後達到職業水準。
; v5（2018年三月至四月）
: 引擎部份改用[[C++]]重寫，以改善效能。
; v7a（2018年五月的第一周）
; v7（2018年5月16日至7月17日）
; v9（2018年7月19日至8月1日）
: 取得新的資源，使用600個[[TPU]]（v2）訓練。
; v10（2018年8月28日至9月14日）
; v11（2018年9月14日至9月17日）
; v12
; v13
; v14
; v15

== 合作 ==
[[Leela Zero]]同樣也是依照[[AlphaGo Zero]]論文所獨立實做出來的軟體<ref name="leelazero">{{Cite web|url=https://github.com/gcp/leela-zero|title=gcp/leela-zero: Go engine with no human-provided knowledge, modeled after the AlphaGo Zero paper.|accessdate=2018-02-02|archive-date=2018-10-16|archive-url=https://web.archive.org/web/20181016081931/https://github.com/gcp/leela-zero|dead-url=no}}</ref>，而Minigo專案取得[[Google]]贊助的計算資源，透過大量計算資源得到品質還不錯的訓練網路資料。因此Leela Zero的團隊與Minigo的團隊基於雙方的經驗，討論參數的調整能帶來的改善，以及雙方訓練資料共用的可能性<ref>{{Cite web|url=https://github.com/gcp/leela-zero/issues/785|title=Ideas from Minigo · Issue #785 · gcp/leela-zero|accessdate=2018-02-02|archive-date=2019-10-18|archive-url=https://web.archive.org/web/20191018130853/https://github.com/leela-zero/leela-zero/issues/785|dead-url=no}}</ref>。

== 成績 ==
Minigo的第二階段在[[CGOS]]上以<code>somebot</code>開頭的名稱參與19x19的對戰<ref name="cgos-bayes-19x19">{{Cite web|url=http://www.yss-aya.com/cgos/19x19/bayes.html|title=19x19 All Time Ranks|accessdate=2018-02-01|archive-date=2018-01-17|archive-url=https://web.archive.org/web/20180117032048/http://www.yss-aya.com/cgos/19x19/bayes.html|dead-url=no}}</ref>，排名最高的帳號為<code>somebot-199b</code><ref>{{Cite web|url=http://www.yss-aya.com/cgos/19x19/cross/somebot-199b.html|title=Crosstable for somebot-199b|accessdate=2018-02-01|archive-date=2020-07-10|archive-url=https://web.archive.org/web/20200710070928/http://www.yss-aya.com/cgos/19x19/cross/somebot-199b.html|dead-url=no}}</ref>，取得約2600分的BayesElo成績<ref name="cgos-bayes-19x19"/>。

== 相關連結 ==

* [[AlphaGo]]，所參考論文的電腦圍棋軟體。
* [[AlphaGo Zero]]，所參考論文的電腦圍棋軟體。
* [[Leela Zero]]，另外一套也是依照AlphaGo Zero所實做的[[開源]]電腦圍棋軟體。
* [[MuGo]]，由Brain Lee依照AlphaGo的論文所開發的電腦圍棋軟體。
* [[TensorFlow]]，Minigo所使用到的框架。
* [[计算机围棋]]
* [[圍棋軟體]]

== 參考資料 ==
{{Reflist|2}}

== 註解 ==
{{NoteFoot}}

== 外部連結 ==
* {{Official|https://github.com/brilee/MuGo}} {{en}}

[[Category:围棋软件]]
[[Category:机器学习]]
[[Category:游戏人工智能]]
[[Category:人工智能应用]]
[[Category:使用Apache许可证的软件]]
[[Category:用C++編程的自由軟體]]
[[Category:用Python編程的自由軟體]]

Minigo - 版本历史

imported>Zestbot：​/* 簡介 */ bot:替換lang-x模板為langx

imported>Zestbot：/* 簡介 */ bot:替換lang-x模板為langx