吳毅成 I-Chen Wu

開發電腦對局應用 打敗厲害棋手及下棋程式

本人研究成果主要以電腦對局應用與深度強化式學習 (DRL) 相關應用為主，過去獲得許多突破性研究成果，達到 state-of-the-art (SOTA)，在此僅簡述下棋類相關部分。

成果之一是研發圍棋程式 (CGI)， 改良原 AlphaGo 之架構， 並提出一套新的價值網路 (Value Network)，此網路可訓練不同圍棋貼目 (Komi) 下的勝率，一個重要優點是可適用於不同貼目的比賽、以及讓子棋，這是全世界第一個能夠下讓子棋的 DRL 電腦圍棋程式。另一個優點是使得程式棋力大幅提升，在 2017 年多項國際大賽擊敗許多頂尖程式，如在世界智能圍棋公開賽獲得預賽全勝冠軍、決賽亞軍，擊敗騰訊公司開發的「絕藝」；在多次人機對戰中擊敗世界頂尖棋士，例如世界排名前三名的柯潔、朴廷桓、羋昱廷；目前主要圍棋開源程式如 kataGo 為採用此方法。

另一研究成果是提出一套新的 AlphaZero 方法， 以多代理人 (Multi-agent) 方式， 運用 PBT (population based training) 方法來動態調整超參數(hyper-parameters)；以此大幅改良 CGI 程式，使得 CGI 對 Facebook 團隊所發展出來的 OpenGo 圍棋程式 (SOTA)，勝率從 47% 提升到 74%；且可同時大幅省下運算資源至少十倍以上，大幅節省所需運算成本。

再者，本人研究提出一套新的棋力調整方法，適用於以蒙地卡羅樹搜尋 (Monte-Carlo Tree Search；or MCTS) 為主的程式，包括 AlphaZero，因此可泛化到相當多不同問題，如西洋棋、日本將棋、六子棋，甚至可延伸到其他非棋類問題上。以此發展出世界第一個能提供不同圍棋棋力的系統 (從初學 18 級到超越職業九段)，也可以在對弈過程中動態偵測棋手棋力；此新技術也實證於海峰棋院的職業棋士，以及國際的主要圍棋網站中。以上成果已被用於培訓國家隊等級的職業高段棋士，如海峰棋院。