Tinjauan Pertandingan Kunci
Sejarah AlphaGo ditulis melalui pertandingan-pertandingan yang menggemparkan dunia. Dari pertandingan rahasia di London pada Oktober 2015 hingga pertunjukan perpisahan di Wuzhen pada Mei 2017, setiap permainan menulis ulang pemahaman manusia tentang Go dan kecerdasan buatan.
Artikel ini akan meninjau secara lengkap latar belakang, proses, dan makna dari pertandingan-pertandingan kunci tersebut.
Pertandingan Fan Hui (2015.10): 5:0 yang Dirahasiakan
Latar Belakang: Mengapa Memilih Fan Hui?
Sebelum AlphaGo menantang pemain Go papan atas dunia, DeepMind membutuhkan "tempat uji coba". Mereka membutuhkan seorang pemain profesional untuk memverifikasi kekuatan sebenarnya AlphaGo, tetapi pemain tersebut harus memenuhi beberapa syarat:
- Benar-benar level profesional: Pemain amatir tidak dapat menguji kemampuan AI secara akurat
- Bersedia menjaga kerahasiaan: Tidak boleh membocorkan informasi sebelum paper dipublikasikan
- Lokasi geografis yang nyaman: Memudahkan untuk melakukan beberapa pertandingan resmi
- Pikiran terbuka: Bersedia menghadapi lawan AI dengan serius
Fan Hui memenuhi semua syarat ini dengan sempurna. Pemain profesional yang lahir di Xi'an, Tiongkok ini menjadi pemain profesional pada tahun 1996, naik ke peringkat 2 dan pada tahun 2000, kemudian pindah ke Prancis dan menjadi juara Go Eropa. Dia adalah pemain profesional terkuat di Eropa saat itu, dan juga memiliki sikap terbuka terhadap kecerdasan buatan.
Pengaturan Pertandingan
Pada Oktober 2015, Fan Hui diundang ke kantor pusat DeepMind di London. Setelah menandatangani perjanjian kerahasiaan, dia bermain 5 pertandingan resmi melawan AlphaGo.
Kondisi pertandingan:
- Waktu: 1 jam per pemain, 30 detik byoyomi per langkah
- Aturan: Aturan Tiongkok, komi 7.5 poin
- Tempat: Kantor DeepMind, dengan Aja Huang sebagai penempat batu
Kejutan 5:0
Hasilnya mengejutkan semua orang: AlphaGo menang telak 5:0.
| Pertandingan | Tanggal | Hasil | Catatan |
|---|---|---|---|
| Ke-1 | 5 Oktober | AlphaGo menang tengah permainan | Fan Hui memegang hitam |
| Ke-2 | 6 Oktober | AlphaGo menang tengah permainan | Fan Hui memegang putih |
| Ke-3 | 7 Oktober | AlphaGo menang tengah permainan | Fan Hui memegang hitam |
| Ke-4 | 8 Oktober | AlphaGo menang 1.5 poin | Fan Hui memegang putih |
| Ke-5 | 9 Oktober | AlphaGo menang tengah permainan | Fan Hui memegang hitam |
🎬 E1: 5 pertandingan ini menunjukkan bagaimana Policy Network mengarahkan pencarian
Fan Hui kemudian mengingat:
"Saya kalah di pertandingan pertama, saya pikir saya pasti lengah. Kalah di pertandingan kedua, saya mulai serius. Pertandingan ketiga, keempat, kelima semuanya kalah, saya tahu ini bukan masalah saya—Go telah berubah."
Mengapa Dirahasiakan?
DeepMind memilih untuk merahasiakan karena beberapa alasan:
- Publikasi akademis: Paper perlu melalui peer review sebelum dipublikasikan
- Waktu verifikasi: Perlu waktu untuk mengkonfirmasi reproduktibilitas hasil
- Strategi bisnis: Memilih waktu terbaik untuk mengumumkan berita
- Melindungi Fan Hui: Menghindari tekanan sebelum berita diumumkan
Rahasia ini dijaga selama tiga bulan penuh, hingga paper Nature diterbitkan pada Januari 2016.
Transformasi Fan Hui
Setelah kalah 5 pertandingan ini, Fan Hui tidak merasa putus asa. Sebaliknya, dia menjadi bagian dari tim AlphaGo, bertanggung jawab untuk menguji dan meningkatkan sistem.
"Saya tidak dikalahkan oleh AI, saya menjadi bagian dari perkembangan AI. Ini adalah kehormatan, bukan kehinaan."
Sikap terbuka ini kemudian menjadi teladan bagi dunia Go dalam menghadapi AI.
Pertandingan Lee Sedol (2016.03): Lima Permainan yang Mengubah Dunia
Persiapan Pertandingan Abad Ini
Pada 27 Januari 2016, setelah paper Nature diterbitkan, DeepMind mengumumkan akan menantang pemain Go papan atas dunia. Target: Lee Sedol (Lee Sedol).
Mengapa Lee Sedol?
- 18 gelar juara dunia: Salah satu pemain tersukses dalam dekade terakhir
- Julukan "Dewa Perhitungan": Terkenal dengan perhitungan presisi
- Gaya bertarung: Menyukai permainan yang kompleks dan intens
- Usia 35 tahun di puncak: Keseimbangan terbaik antara pengalaman dan fisik
🎬 E3: Gaya Lee Sedol cocok untuk menguji batas MCTS
Pengaturan Pertandingan
- Tempat: Hotel Four Seasons, Seoul, Korea Selatan
- Tanggal: 9-15 Maret 2016
- Hadiah: 1 juta USD (untuk pemenang, dibagi atau disumbangkan ke amal)
- Aturan: Aturan Tiongkok, komi 7.5 poin
- Waktu: 2 jam per pemain, byoyomi 1 menit 3 kali
Disiarkan langsung di lebih dari 200 negara dan wilayah, dengan perkiraan penonton lebih dari 200 juta orang.
Pertandingan Pertama: Awal yang Mengejutkan
9 Maret 2016
Lee Sedol memegang hitam dan bermain lebih dulu. Tahap pembukaan, kedua belah pihak bermain sesuai aturan. Tetapi di pertengahan permainan, AlphaGo menunjukkan pandangan besar yang mengagumkan.
Pada langkah ke-102, AlphaGo membuat langkah yang tampak mengalah, menyerahkan wilayah di sisi kanan. Para pemain profesional menyatakan kebingungan. Tetapi 20 langkah kemudian, keindahan langkah itu terungkap—AlphaGo menggunakan batu yang dikorbankan untuk membangun pengaruh di tengah, akhirnya mendapatkan keunggulan di seluruh papan.
Hasil: AlphaGo menang tengah permainan
Setelah pertandingan, Lee Sedol berkata:
"Saya sangat terkejut. Saya tidak menyangka akan kalah, apalagi kalah setuntas ini."
🎬 E5: Pertandingan ini menunjukkan kemampuan Value Network dalam mengevaluasi keseluruhan permainan
Pertandingan Kedua: Lahirnya "Langkah Tuhan"
10 Maret 2016
Pertandingan ini melahirkan langkah ke-37 yang disebut "Langkah Tuhan". (Lihat artikel berikutnya: Analisis Mendalam "Langkah Tuhan")
AlphaGo membuat "shoulder hit baris kelima" di pojok kanan atas—posisi yang hampir tidak pernah dipertimbangkan manusia. Komentator langsung menyatakan ini "kesalahan", tetapi 50 langkah kemudian, langkah ini terbukti menjadi kunci kemenangan.
Hasil: AlphaGo menang tengah permainan
Komentator Korea, Kim Seong-ryong 9-dan, berkata setelah pertandingan:
"Saya sudah bermain Go selama 50 tahun, tidak pernah melihat permainan seperti ini. AlphaGo membuat saya memikirkan ulang apa itu Go."
🎬 E7: Langkah ke-37 menunjukkan bagaimana AI menemukan strategi yang tidak diketahui manusia
Pertandingan Ketiga: Keputusasaan 3:0
12 Maret 2016
Dalam pertandingan ini, Lee Sedol mencoba pembukaan non-konvensional, berharap membawa AlphaGo ke wilayah yang tidak dikenal. Dia mengadopsi variasi tata letak "Kobayashi", mencoba menang melalui pertarungan kompleks.
Tetapi respons AlphaGo tetap tenang. Dia menunjukkan kemampuan adaptasi yang menakjubkan—apapun langkah manusia, dia selalu menemukan respons terbaik.
Hasil: AlphaGo menang tengah permainan
Skor menjadi 3:0, pertandingan sudah tidak ada suspensi. Tetapi semua orang menunggu: bisakah manusia memenangkan satu pertandingan?
Pertandingan Keempat: Serangan Balik Manusia
13 Maret 2016
Pertandingan ini akan tercatat dalam sejarah—bukan karena keajaiban AI, tetapi karena serangan balik manusia.
Ketika permainan mencapai langkah ke-78, Lee Sedol dalam byoyomi membuat langkah yang mengejutkan dunia: langkah jenius di baris kelima.
Ini adalah langkah "wedge" tesuji, tampak biasa, tetapi membuat AlphaGo menjadi kacau. Dalam beberapa langkah berikutnya, evaluasi tingkat kemenangan AlphaGo berfluktuasi drastis, dia membuat beberapa langkah buruk yang jelas.
🎬 E9: Pertandingan ini mengungkap kelemahan MCTS dalam situasi tertentu
Tim DeepMind kemudian menganalisis bahwa evaluasi tingkat kemenangan AlphaGo pada posisi itu mengalami kesalahan. Dia meremehkan kekuatan langkah Lee Sedol, menyebabkan respons selanjutnya salah.
Hasil: Lee Sedol menang tengah permainan
Ini adalah satu-satunya kekalahan AlphaGo dalam pertandingan resmi. Lee Sedol berkata dengan penuh emosi:
"Kemenangan ini tak ternilai. Ini membuktikan bahwa pemain manusia masih bisa mengalahkan AI—setidaknya dalam situasi tertentu."
CEO Google DeepMind, Demis Hassabis, men-tweet:
"Lee Sedol adalah legenda sejati. Dia menemukan kelemahan AlphaGo dan mengeksploitasinya dengan tepat."
Pertandingan Kelima: Akhir yang Final
15 Maret 2016
Setelah mendapatkan satu kemenangan berharga, Lee Sedol memasuki pertandingan kelima dengan pikiran lebih santai. Dia mengadopsi strategi yang lebih agresif, mencoba menemukan kelemahan AlphaGo lagi.
Tetapi tim DeepMind melakukan penyesuaian darurat setelah pertandingan keempat. Versi AlphaGo ini tampak lebih solid, tidak lagi membuat kesalahan evaluasi seperti sebelumnya.
Hasil: AlphaGo menang tengah permainan
Skor akhir: AlphaGo 4:1 Lee Sedol
Makna Sejarah Pertandingan
Dampak pertandingan ini melampaui dunia Go:
Untuk Kecerdasan Buatan
- Membuktikan kekuatan deep learning: AI dapat melampaui manusia dalam tugas keputusan kompleks
- Tonggak reinforcement learning: Pelatihan self-play terbukti efektif
- Memicu penelitian selanjutnya: Memicu gelombang investasi di bidang AI
Untuk Dunia Go
- Teori tradisional ditantang: Banyak "joseki" terbukti tidak optimal
- Perubahan metode pelatihan: Pemain profesional mulai menggunakan AI untuk membantu pelatihan
- Lahirnya langkah baru: AI memperkenalkan banyak teknik inovatif
Untuk Publik
- Kesadaran AI terbangun: Orang biasa mulai memperhatikan kecerdasan buatan
- Peningkatan liputan teknologi: Media arus utama banyak meliput kemajuan AI
- Film dan dokumenter: Melahirkan dokumenter AlphaGo
🎬 E11: Pertandingan ini menandai momen "phase transition" kemampuan AI
Master 60 Kemenangan Beruntun (2017.01): Kejutan Catur Cepat Online
Akun Misterius "Master"
Pada 29 Desember 2016, akun bernama "Master" muncul di situs Go Yicheng China dan Tencent Yehu.
Performa akun ini tidak dapat dipercaya:
- Mengalahkan semua lawan: Tanpa kekalahan
- Semua lawan adalah pemain top: Termasuk juara dunia dan pemain 9-dan
- Waktu sangat singkat: Hampir setiap langkah dalam hitungan detik
Segera, seluruh dunia Go membicarakan: Siapa sebenarnya "Master"?
Pencapaian 60 Kemenangan Beruntun
Dari 29 Desember hingga 4 Januari 2017, "Master" memainkan 60 pertandingan cepat, semuanya menang.
Daftar pemain yang dikalahkan seperti Hall of Fame Go dunia:
| Peringkat | Pemain | Rekor |
|---|---|---|
| Dunia No. 1 | Ke Jie (Tiongkok) | 0-3 |
| Dunia No. 2 | Park Junghwan (Korea) | 0-2 |
| Dunia No. 3 | Iyama Yuta (Jepang) | 0-1 |
| Legenda | Nie Weiping (Tiongkok) | 0-1 |
| Legenda | Gu Li (Tiongkok) | 0-2 |
| ... | ... | ... |
Total mencakup lebih dari 50 pemain profesional 9-dan, meliputi pemain top dari Tiongkok, Jepang, dan Korea.
🎬 E13: Catur cepat menunjukkan kemampuan pengambilan keputusan instan Policy Network
Identitas Terungkap
Pada 4 Januari 2017, setelah menyelesaikan kemenangan ke-60, "Master" mengungkapkan identitasnya di ruang obrolan:
"Saya adalah Dr. Huang dari AlphaGo."
Dr. Huang adalah Aja Huang (Huang Shijie), anggota inti tim AlphaGo.
DeepMind kemudian secara resmi mengkonfirmasi: "Master" adalah versi baru AlphaGo, tujuan pengujian ini adalah untuk memverifikasi stabilitas sistem di lingkungan online.
Reaksi Pemain Profesional
Dampak 60 kemenangan beruntun lebih dalam daripada pertandingan Lee Sedol. Karena kali ini lawannya lebih banyak dan cakupannya lebih luas.
Ke Jie (tiga kali kalah dari Master):
"Kesenjangan antara manusia dan AI lebih besar dari yang kita bayangkan. Kita selalu berpikir kita memahami Go, tetapi Master membuat saya merasa kita bahkan belum memulai."
Nie Weiping (Sage Go Tiongkok):
"Saya bermain Go selama 60 tahun, pertama kali merasa begitu tidak berdaya. Ini bukan kesenjangan teknis, ini kesenjangan dimensi."
Gu Li (delapan kali juara dunia):
"Setelah kalah dari Master, saya mulai berpikir di mana nilai pemain manusia. Apakah kita masih membutuhkan pertandingan profesional?"
Analisis Teknis
Versi AlphaGo ini (kemudian disebut AlphaGo Master) memiliki peningkatan signifikan dibandingkan versi pertandingan Lee Sedol:
| Indikator | Versi Lee | Versi Master | Peningkatan |
|---|---|---|---|
| Rating Elo | ~3,600 | ~4,800 | +1,200 |
| Tingkat kemenangan self-play | - | 99%+ | - |
| Akurasi Policy | ~57% | ~62% | +5% |
| Waktu pelatihan | Beberapa bulan | Tambahan beberapa bulan | - |
🎬 E15: Peningkatan Elo menunjukkan kemajuan eksponensial self-play
Pertandingan Ke Jie (2017.05): Perpisahan Sang Raja
Penantang Terakhir
Setelah Master memenangkan 60 beruntun, sedikit orang yang masih berpikir manusia punya kesempatan mengalahkan AlphaGo. Tetapi ada satu orang yang masih ingin bertarung—Ke Jie.
Ke Jie yang berusia 19 tahun saat itu adalah pemain peringkat pertama dunia. Dia beberapa kali menyatakan secara terbuka:
"Saya tidak berpikir AlphaGo bisa mengalahkan saya. Meskipun Master mengalahkan saya tiga pertandingan cepat, pertandingan resmi berbeda."
Google menerima tantangan tersebut.
Summit Go Wuzhen
Pada Mei 2017, "Future of Go Summit" diadakan di Wuzhen, Zhejiang, Tiongkok. Ini adalah acara besar seputar AlphaGo, termasuk:
- Tiga pertandingan Ke Jie: Manusia terkuat vs AI terkuat
- Pertandingan berpasangan: Manusia + AlphaGo vs Manusia + AlphaGo
- Pertandingan tim: Lima pemain top Tiongkok bersama melawan AlphaGo
Tiga Pertandingan: Hasil 3:0
Pertandingan Pertama (23 Mei)
Ke Jie memegang hitam dan bermain lebih dulu, mengadopsi tata letak "Chinese Opening" yang cukup solid. Ini adalah pilihan yang dipikirkan matang—Ke Jie berharap menghindari kekalahan oleh pandangan besar AlphaGo, dan mencari peluang di detail.
Tetapi respons AlphaGo sempurna tanpa cela. Dia menemukan langkah paling akurat di setiap momen kunci, secara bertahap mengumpulkan keunggulan.
Hasil: AlphaGo menang dengan 1/4 poin (0.5 poin)
Ini adalah margin kemenangan terkecil yang mungkin di Go. Ke Jie menangis setelah pertandingan:
"Saya sudah menggunakan seluruh tenaga, tetapi masih kurang sedikit."
🎬 E17: Margin 1/4 poin menunjukkan kemampuan kontrol presisi AI
Pertandingan Kedua (25 Mei)
Ke Jie mengubah strategi, mengadopsi gaya pembukaan yang meniru AlphaGo. Dia menggunakan teknik baru "langsung masuk ke 3-3"—ini adalah inovasi yang dibawa AlphaGo ke dunia Go.
"Karena langkahmu lebih baik, saya akan belajar langkahmu."
Tetapi AlphaGo tidak terpengaruh. Dia tetap bermain dengan ritmenya sendiri, menunjukkan kemampuan perhitungan yang menakjubkan dalam pertarungan tengah permainan.
Hasil: AlphaGo menang tengah permainan
Pertandingan Ketiga (27 Mei)
Pertandingan terakhir, Ke Jie mempertaruhkan segalanya. Dia mengadopsi gaya bertarung yang sangat agresif, mencoba menarik AlphaGo ke dalam pertarungan kacau.
Tahap pembukaan, Ke Jie memang menciptakan beberapa situasi kompleks. Tetapi respons AlphaGo tetap presisi, dia tidak memberikan kesempatan apapun untuk Ke Jie membalikkan keadaan.
Hasil: AlphaGo menang tengah permainan
Skor akhir: AlphaGo 3:0 Ke Jie
🎬 E19: Tiga pertandingan menunjukkan dominasi absolut AlphaGo
Pertandingan Berpasangan dan Tim
Selain tiga pertandingan Ke Jie, summit juga mengadakan dua format pertandingan inovatif:
Pertandingan Berpasangan (26 Mei)
Lian Xiao + AlphaGo vs Gu Li + AlphaGo
Yang menarik dari pertandingan ini adalah: Apa yang terjadi ketika pemain manusia berbeda pendapat dengan AlphaGo?
Hasilnya menunjukkan: Pihak yang sepenuhnya mengikuti saran AlphaGo berkinerja lebih baik. Ketika pemain manusia mencoba "memperbaiki" langkah AlphaGo, seringkali menyebabkan situasi memburuk.
Hasil: Lian Xiao + AlphaGo menang
Pertandingan Tim (26 Mei)
Tim Tiongkok (Zhou Ruiyang, Shi Yue, Tang Weixing, Chen Yaoye, Mi Yuting) vs AlphaGo
Lima pemain top Tiongkok bekerja sama melawan satu AI. Mereka dapat berdiskusi sepenuhnya dan bersama-sama memutuskan setiap langkah.
Tetapi hasilnya tidak mengejutkan: AlphaGo menang tengah permainan.
Pertandingan ini membuktikan: Meskipun pemain manusia top bekerja sama, mereka tidak dapat mengalahkan AlphaGo.
Pengumuman Pensiun AlphaGo
Pada 27 Mei 2017, setelah tiga pertandingan Ke Jie berakhir, DeepMind mengeluarkan pernyataan penting:
"Ini adalah pertandingan publik terakhir AlphaGo. Kami percaya AlphaGo telah menyelesaikan misinya—membuktikan bahwa AI dapat mencapai level melampaui manusia di bidang puncak kecerdasan manusia yaitu Go.
Selanjutnya, kami akan menerapkan teknologi yang dipelajari dari AlphaGo ke masalah yang lebih penting: medis, energi, ilmu material. Inilah nilai sejati kecerdasan buatan."
Pada saat yang sama diumumkan:
- Alat pengajaran AlphaGo: Akan merilis analisis pertandingan AlphaGo untuk dipelajari pemain
- 50 catatan permainan self-play: Mempublikasikan catatan AlphaGo vs AlphaGo
- Paper teknis: Akan menerbitkan hasil penelitian AlphaGo Zero di Nature
🎬 E21: Pensiun AlphaGo menandai akhir sebuah era
Posisi Sejarah Pertandingan
Tonggak Teknologi
Pertandingan AlphaGo memiliki makna tonggak dalam sejarah kecerdasan buatan:
| Tahun | Peristiwa | Makna |
|---|---|---|
| 1997 | Deep Blue mengalahkan Kasparov | Kemenangan brute force search |
| 2011 | Watson memenangkan Jeopardy! | Terobosan pemrosesan bahasa alami |
| 2016 | AlphaGo mengalahkan Lee Sedol | Kemenangan deep learning + reinforcement learning |
| 2017 | AlphaGo Zero 100:0 | Kemenangan pembelajaran mandiri murni |
🎬 E23: Setiap tonggak mewakili evolusi metodologi AI
Dampak pada Dunia Go
Perubahan dalam Studi Catatan Permainan
Secara tradisional, pemain profesional terutama mempelajari catatan permainan manusia. Tetapi setelah AlphaGo, catatan permainan AI menjadi pelajaran wajib.
- Pembukaan langsung 3-3: AlphaGo membuktikan langsung masuk ke sudut adalah strategi efektif
- Kegunaan shoulder hit: Langkah ke-37 mengubah pemahaman tentang tesuji "shoulder hit"
- Nilai pengaruh: AI menunjukkan cara baru mengkonversi pengaruh
Transformasi Metode Pelatihan
Metode pelatihan pemain profesional berubah secara fundamental:
| Cara Tradisional | Cara Era AI |
|---|---|
| Mempelajari catatan manusia | Mempelajari catatan AI |
| Bergantung pada bimbingan guru | Menggunakan alat analisis AI |
| Menghafal joseki | Memahami logika evaluasi AI |
| Latihan praktis | Analisis review AI |
Munculnya Generasi Pemain Baru
Pemain yang tumbuh setelah 2016 disebut "penduduk asli AI". Gaya bermain mereka jelas dipengaruhi AI:
- Lebih menekankan efisiensi daripada estetika tradisional
- Lebih bersedia mencoba langkah non-tradisional
- Lebih bergantung pada perhitungan presisi daripada intuisi
Refleksi Filosofis
Kemenangan AlphaGo memicu diskusi filosofis yang mendalam:
Apa esensi kecerdasan?
Apakah AlphaGo "memahami" Go? Atau dia hanya melakukan perhitungan presisi? Pertanyaan ini masih belum ada kesimpulan.
Di mana nilai manusia?
Ketika AI melampaui manusia di Go, apakah pertandingan Go masih bermakna? Banyak pemain memikirkan ulang makna profesi mereka.
Menariknya, setelah AlphaGo, perhatian global terhadap Go justru meningkat. Orang menyadari: Go bukan hanya kompetisi, tetapi juga seni dan filosofi.
Arah perkembangan AI
Keberhasilan AlphaGo membuat orang berharap sekaligus khawatir tentang AI. DeepMind memilih untuk mempensiunkan AlphaGo dan beralih ke menyelesaikan "masalah yang benar-benar penting", ini sendiri adalah pilihan etis.
🎬 E25: AlphaGo memicu diskusi luas tentang etika AI
Tambahan: Pertandingan Penting Lainnya
Pertandingan dengan AI Lain
Di luar pertandingan publik, AlphaGo juga memainkan banyak pertandingan dengan AI Go lainnya:
| Lawan | Versi | Hasil |
|---|---|---|
| Crazy Stone | Program Go terkuat 2015 | Menang semua |
| Zen | AI Go terkuat Jepang | Menang semua |
| AlphaGo versi lama | Self-play antar versi | - |
Pengujian Internal
Tim DeepMind melakukan banyak pengujian internal:
- AlphaGo Lee vs AlphaGo Master: Tingkat kemenangan versi Master lebih dari 99%
- AlphaGo Master vs AlphaGo Zero: Tingkat kemenangan versi Zero lebih dari 89%
- Pertandingan antar versi dengan waktu pelatihan berbeda: Mengamati kurva pembelajaran
Data pengujian ini kemudian dipublikasikan dalam paper, menjadi bahan penting untuk penelitian pembelajaran AI.
Korespondensi Animasi
Konsep inti yang dibahas dalam artikel ini dan nomor animasi:
| Nomor | Konsep | Korespondensi Fisika/Matematika |
|---|---|---|
| 🎬 E1 | Policy Network mengarahkan pencarian | Distribusi probabilitas |
| 🎬 E3 | Menguji batas MCTS | Kedalaman pencarian pohon |
| 🎬 E5 | Value Network evaluasi keseluruhan | Fungsi nilai |
| 🎬 E7 | Menemukan strategi tak diketahui | Eksplorasi vs Eksploitasi |
| 🎬 E9 | Kelemahan MCTS | Kondisi batas |
| 🎬 E11 | "Phase transition" kemampuan | Fenomena kritis |
| 🎬 E13 | Kemampuan keputusan instan | Kecepatan inferensi |
| 🎬 E15 | Kemajuan eksponensial self-play | Optimisasi iteratif |
| 🎬 E17 | Kemampuan kontrol presisi | Stabilitas numerik |
| 🎬 E19 | Dominasi absolut | Konvergensi ke optimal |
| 🎬 E21 | Akhir sebuah era | Misi selesai |
| 🎬 E23 | Evolusi metodologi | Pergeseran paradigma |
| 🎬 E25 | Diskusi etika AI | Dampak sosial |
Bacaan Lanjutan
- Artikel sebelumnya: Kelahiran AlphaGo — Pendirian DeepMind, komposisi tim
- Artikel berikutnya: Analisis Mendalam "Langkah Tuhan" — Penjelasan lengkap langkah ke-37
- Detail teknis: Kombinasi MCTS dan Neural Network — Memahami teknologi di balik pertandingan
- Perkembangan selanjutnya: Warisan AlphaGo — Dampak jangka panjang pada Go dan AI
Referensi
- Silver, D., et al. (2016). "Mastering the game of Go with deep neural networks and tree search." Nature, 529, 484-489.
- Silver, D., et al. (2017). "Mastering the game of Go without human knowledge." Nature, 550, 354-359.
- Dokumenter AlphaGo (2017), Sutradara Greg Kohs.
- Blog resmi DeepMind: Seri artikel AlphaGo
- Catatan permainan dan komentar resmi pertandingan Lee Sedol (Asosiasi Go Korea)
- Catatan resmi Future of Go Summit Wuzhen