KataGo是一款由美國程式設計師David J. Wu所研發的免費開源的圍棋軟體，其採用分散式訓練並融入多項創新技術，現為最強大的圍棋人工智能之一。它具備優越的通用性，支援多種圍棋規則、棋盤尺寸、貼目及讓子棋等。
背景
2015年，DeepMind的圍棋程式AlphaGo率先擊敗職業棋手樊麾，隨後在2016年AlphaGo李世乭五番棋中戰勝李世乭九段，並於2017年AlphaGo對陣柯潔比賽中擊敗柯潔九段，其在網路對弈平台亦取得全勝戰績。這些成果證明相關演算法與技術的成熟，引發人們對人工智能領域的關注。人機對戰結束後，DeepMind宣布AlphaGo將不再與人類對弈，並發表最終版本AlphaGo Zero的論文。
簡介
2019年初，作者以AlphaGo Zero和AlphaZero論文為基礎，並參考Leela Zero的實作經驗，結合自身研究的多項改進方法，設計出初期版本且發表相關論文。項目早期的訓練工作僅於內部進行，由簡街資本（Jane Street）提供運算資源支持。在經歷數次實驗性測試後，項目於2020年底轉為公開的分散式訓練，允許人們貢獻算力以生成訓練資料。所有網絡權重與訓練數據亦同步公開。截至2025年10月，已累積超過8600萬筆訓練對局。
相較於其他圍棋程式，它具備多項獨特功能，例如：目數預測、自訂棋盤尺寸與貼目、支援讓子棋以及多種圍棋規則，它也使用多種先進技術及獨自發明的方法，還設計圍棋專屬的輸入特徵︰氣、刧爭、貼目奇偶性、活棋判斷與征子等。因其強大的棋力，它已成為職業棋手日常訓練與棋局分析的工具之一，也被線上圍棋網站「OGS」和「AI Sensei」用作分析引擎。
其名稱「KataGo」取自日文詞語「」（型），此概念源自武術中為磨練技藝而設計的動作模式，恰如其程式透過持續自我對弈以追求更高棋藝的核心理念。
它支持主流的硬體與作業系統。不過它本身是一個後端引擎，使用者通常需要搭配圍棋圖形使用者介面使用。
版本
內測版
g65，2019年2月，使用35顆 NVIDIA V100 訓練7天，網絡規模從最初的b6c96提升至b10c128，再達到b15c192，其棋力表現與LZ130（Leela Zero的第130代網絡）相當，達到職業棋手的強度。其改善訓練參數並新增LCB（信置下限）算法，大幅增強棋力，僅需3.5天就超越前者，其棋力超越LZ-ELFv2（ELF OpenGo的v2權重），並接近LZ200水平。（v1.1）
g170，2020年1月，使用約44顆GPU耗時157天，網絡規模增加至b20c256x2、b30c320x2和b40c256x2。其經過大幅改進並擴充功能，使訓練效率與品質顯著提升。相較上次，b20c256x2提升740Elo，b30c320x2與b40c256x2提升1000Elo。（v1.2~v1.4.5）
正式版
kata1，2020年12月啟用分散式訓練。目前持續進行更新並歷經多個版本。其網絡架構亦不斷升級：初始規模為b40c256，2021年8月擴展至b60c320，2023年3月架構升級為b18c384nbt，2024年5月擴展至b28c512nbt，整體棋力提升900Elo。（v1.5~v1.16.x）
弱點
鏡像圍棋
人類棋手能在對局中運用模仿棋以謀取優勢，然而這種戰術意圖對於圍棋程式而言難以理解，因此無法正確應對或加以利用，此策略在讓子棋或逆貼目等不平衡對局中尤為關鍵。雖然KataGo已設置鏡像破解邏輯，不過實現方法仍顯粗糙，尚未真正解決此挑戰。
對抗性攻擊
2022年底，研究團隊成功透過對抗性網絡擊敗KataGo，揭露出「環形群漏洞」。對抗性網絡並非依靠常規棋力取勝，而是刻意構造特殊局面，利用其盲點以產生嚴重錯誤判斷 。該漏洞亦被人類棋手成功復現 。對此，開發者在訓練中加入相關類型的對局資料，以增強抵禦性。
强数学·韩经棋神战
相關連結
- SAI (圍棋軟體)
- 計算機圍棋
註解
參考資料
其他連結
*[https://katagobooks.org KataGo Opening Books]，收錄小棋盤的開局書。
*[https://katagotraining.org/extra_networks Extra networks]，收錄主運行外的網絡。
评论 (0)