Search
看到朋友陪女兒下五子棋，真有趣。
我自己啊，長期挺迷戀五子棋，因為簡單迅速，不像圍棋需要思考攻城掠地要花很多時間，哈哈。
（就像後來我比較常看足球，少看棒球，時間差呀，哈哈；但我仍很迷戀網球，然後放棄看高爾夫球。很難說明原因，因為團體和個人賽樂趣也不同……時間，多少是考慮要素）
說來有趣，這輩子我從來沒遇到棋友，就是朋友也喜歡玩棋之類，也沒有任何戀人喜歡下棋，他們什麼棋都不下，我也超愛玩跳棋。😶
所以，有好多年的時間，我都跟電腦下棋，電腦下棋有缺憾，因為他們有規格和閱讀程式化，久了就容易破解，不太好玩。
現在，
當然有線上下棋遊戲，
有五子棋的嗎？
我知道有圍棋，可是太花時間了，其它沒認真研究。
＃玩物喪志啊
＃我只要瘋狂喜歡某件事就可能變成那樣
想起某年我日夜不眠瘋狂玩SIMCITY，拼命想蓋出自己想要的城市，創造出屬於自己的國度，超恐怖的一段時光。簡直瘋了。
某幾年，因為工作關係，還不斷砍樹練功，認識一些年輕朋友（15、16歲的），去闖關打怪，逛夜市看寶物，哈哈哈。
＃現在對遊戲都很保守
＃下棋比較原始
＃偶爾可以玩玩
😂
【瘋狂「棋」士】
看到 BetaZero 這個名字，你是否覺得有點眼熟？也許有些人會想起創造 AlphaGo 的團隊 DeepMind，在 AlphaGo 之後所推出的進化版本 AlphaZero，在經過與自己對戰數百萬回合，不斷自我訓練後，終於擊敗西洋棋程式Stockfish、將棋程式 Elmo，以及圍棋程式 AlphaGo。
那麼，我們有沒有機會創造一個屬於 AIA 的程式呢？BetaZero 的團隊成員表示，發展這個專案，除了追求一個AI 典範之外，也想藉此展現深度強化學習（Deep Reinforcement Learning）的威力，同時還結合了機器操作，創造有趣的應用場景。
不同於 AlphaZero 以職業棋類為主，BetaZero 則是選擇以台灣人熟悉的 OOXX 遊戲以及五子棋為主，先是建立深度學習模型輔以遊戲規則，接著透過 RL 訓練即可，無須人類棋譜：讓模型跟自己對弈數百回後得到訓練資料，接著讓訓練後的新模型與舊模型彼此對弈，然後採用獲勝的模型持續訓練。同時，對弈時每步都會結合 Neural Network 與Monte Carlo Tree Search 來幫助下棋的決策判斷。
那麼，電腦真的能贏過聰明的人類嗎，即使簡單如OOXX遊戲？現場實際抽點了觀眾來對弈兩局，一局平手之後，觀眾一個鬆懈，不小心就輸了一盤。別忘了繼續鎖定學校粉絲專頁，之後還有其他工程師們有趣的實驗專案喔。 一起來認識 AI 吧
#我們來做
#立志成為台灣最強AI團隊
GitHub 最強 AI 數學解題神器！拍照上傳秒給答案，連微積分都難不倒他
Posted on2019/05/27
TO 精選觀點
【為什麼我們要挑選這篇文章】AI 應用越發奇葩，過去寫數學一支筆、一顆腦，現在連腦都不用，帶個 AI 就行。
中國 GitHub 大神研發數學 AI，透過深度學習與影像識別，打造最強解題神器。每個學生都夢寐以求的數學 AI 究竟怎麼下載？怎麼用？接著看下去。（責任編輯：陳伯安）
作者：量子位／ 曉查 銅靈
一位叫 Roger 的中國學霸小哥的拍照做題程式 mathAI 一下子火了，這個 AI，堪稱數學解題神器。
輸入一張包含手寫數學題的圖片，AI 就能辨識出輸入的數學公式，然後給出計算結果。
不僅加減乘除基本運算，就連高等數學中的微積分都不在話下。
就像下面這樣：
還在苦苦糾結高數作業如何求解？還在東奔西走的找學霸借作業？手握 mathAI，不就是手握了新時代的解題利器嗎？
此項目程式碼已半開源
短短幾天時間，這個項目在微博就收穫了上百次轉發。看到畫風如此新奇，似乎還能開啓無限可能應用，網友們紛紛召喚自己的印象筆記（中國版 Evernote）小助手收藏，大呼：以後教數學就是它了。
作者表示，這個專案已經是半開源狀態了，目前開源的部分可以辨識計算加減乘除簡單運算。
如果想要辨識更加複雜的運算式，可以參考數學公式辨識的論文自己進行擴展。
具體來看看這個解題神器。
深度學習辨識數學題，正確率逼近 80%
全能型選手 mathAI 是怎麼實現這個功能的？
作者在 Github 中介紹說，整個程式使用 python 實現，具體處理流程包括：圖像預處理 → 字元辨識 → 數學公式辨識 → 數學公式語義理解 → 結果輸出。
整個系統的處理流程如下：
圖片預處理主要以 OpenCV 作為主要工具，將圖片中的字元單獨切割出來，避免無關變數對字元辨識的影響。
隨後，國際數學公式辨識比賽資料集（CROHME）對通過卷積神經網路進行訓練。
此外，還進行結構分析，對字元的空間關係進行判定。比如一個字元的上標和下標，含義自然不一樣。
在語義分析階段，就需要匯集上面得到的資訊，判斷運算該如何進行了。節點屬性傳遞過程如下圖所示：
作者在用 160 道手寫測試題進行了測試：
結果表明，平均字元辨識率達到了 96.23%，且系統做題的平均正確率達到了 79.38%。
手把手教學怎麼用
來，實際上手操作下。
作者給出兩種使用模式：網頁模式和介面模式（Interface）。介面模式比較直觀，只需打開網頁上傳圖片即可自動給出解題結果。
下面以介面模式為例介紹一下 mathAI 的安裝使用方法。
首先需要安裝 flask、虛擬環境、科學資料庫 numpy、sympy 等，它們都可以用 pip 安裝。
pip install flask
pip install virtualenv
將項目的 lib.zip 檔解壓到系統目錄的 venv 資料夾下。（lib.zip 可以回覆 lib 獲取）
配置置好運行環境後，用 PyCharm 打開下載好的專案，在載入過程中，PyCharm 會自動安裝好專案依賴的軟體資料庫。
使用命令列進入專案所在目錄，並啓動虛擬環境：
. venv/bin/activate
將 FLASK_ENV 環境變數設置為啓用開發模式：
export FLASK_ENV=development
然後使用指令運行 flask 網站框架 :
export FLASK_APP=welcome.py
flask run
打開流覽器，在位址中輸入 127.0.0.1:5000，即可打開項目網頁。在網頁中輸入一張包含數學公式的圖片，就好返回運算結果。
目前 GitHub 專案頁上的程式碼只支持加減乘除這樣的簡單運算。
中國神人 Roger 的其他 GitHub 發明
做出這個自動求解系統的，還是一位元中國少年。
這位 GitHub ID 為 Roger，本名羅文傑，是中山大學資料科學與電腦學院的研一在讀碩士生，主要攻讀電腦視覺方向。
不僅這個解題神器，在 Roger 的 GitHub 主頁上還能看到其此前參與的很多有趣研究。
比如這個基於帖子的校園互助交友平臺 LiBond。用戶可以在裡面發佈任務，然後使用虛擬幣荔枝進行交易。
羅同學的設想是，有閒置時間的同學可以在此平臺上幫助他人，然後結交好朋友，荔枝幣還能用來兌換喜歡的物品。
再比如，一個基於 C++ 的無禁手五子棋 AI，可以通過 openGL 實現圖形介面。
在這個項目中，羅同學使用了最經典的極大極小博弈樹、alpha-beta 剪枝、置換表等演算法，還附上了核心程式碼。
確認過眼神，是學霸無疑了。
資料來源：https://buzzorange.com/techorange/2019/05/27/math-ai/…
