LifeGo-GPT модели Transformer-и авторегрессивии навъи GPT мебошад, ки ҳолатҳои тахта ва ҳаракатҳои ҳалли масъалаҳои маҳаллии ҳаёт-марги Go-ро ҳамчун пайдарпаии token-ҳо коркард мекунад. Саволи асосии таҳқиқот танҳо ин нест, ки модел ҳаракати дуруст тавлид мекунад ё не; муҳаққиқон месанҷанд, ки оё модел бе гирифтани ягон қоидаи ошкори Go ё барчаспи мафҳуми стратегӣ дар фаъолшавиҳои пинҳонии худ намояндагиҳои сохторёфтаи дохилиеро ба вуҷуд меорад, ки бо хусусиятҳои тактикӣ, аз қабили “нафасҳо” (liberties), ҳолати ҳаёт, пайвастагӣ ва ko иртибот доранд ё не. LifeGo-GPT, ки бо тақрибан 10.000 масъалаи маҳаллии tsumego омӯзонида шудааст, дар маълумоти санҷишӣ %98,6 қонунияти ҳаракат, %94,7 ± 0,6 дақиқии пайдарпаии канонии ҳал ва %92,1 дурустии натиҷаро гузориш мекунад.

Барои таҳлили ҳолатҳои дохилии модел муҳаққиқон системаи probing-и бисёрсареро бо номи Multi-Aspect World Probe (MAWP) таҳия мекунанд. MAWP намояндагиҳои пинҳонии аз қабатҳои миёнаи LifeGo-GPT гирифташударо аз истихроҷгари умумии хусусиятҳо мегузаронад ва кӯшиш мекунад панҷ андозаи тактикиро ҷудогона пешгӯӣ кунад: ҳолати ҳаёт, шумораи нафасҳо, ҳолати ko, пайвастагӣ ва натиҷаи тактикӣ. Бо ин роҳ на танҳо он ки модел “ҳаракатии дуруст”-ро интихоб мекунад, балки инчунин то чӣ андоза ҳолати дохилии ҳамроҳи ин интихоб бо сохторҳои тактикии маълум дар Go мувофиқат дорад, таҳқиқ мешавад.

Таҳқиқот танҳо бо probing-и коррелятсионӣ маҳдуд намешавад. Муҳаққиқон ба баъзе намояндагиҳои пинҳонии қабати шашуми Transformer-и LifeGo-GPT дахолатҳои самтгирифтаи семантикӣ татбиқ мекунанд ва месанҷанд, ки logit-ҳои ҳаракатҳои баъдӣ чӣ гуна тағйир меёбанд. Дар 1000 масъала, пас аз дахолат ҳаракати top-1 дар %95,4 ҳолат тағйир ёфт, дар ҳоле ки ҳангоми воридкунии садои тасодуфӣ ин нишондиҳанда %5,6 ва ҳангоми perturbation-и ҳамандоза, вале бо самти тасодуфӣ %18,7 буд. Тағйири миёнаи мутлақи logit дар панҷ ҳаракати аввали номзад 3,21 аст. Ин фарқҳо нишон медиҳанд, ки намояндагиҳои дохилӣ бо рафтори модел робитаи функсионалӣ доранд; аммо муаллифон махсус таъкид мекунанд, ки ин далели назорати қатъии сабабии як “мафҳуми Go”-и муайян нест.

Доираи таҳқиқот ба масъалаҳои маҳаллии ҳаёт-марг маҳдуд аст. LifeGo-GPT агенти умумии Go нест, ки дар бозии пурраи Go ҷойи муҳаррикҳои касбиро гирад. KataGo дар муқоисаи маҳаллӣ бо %99,2 қонунияти ҳаракат, %96,5 ± 0,4 дақиқии пайдарпаӣ ва %97,8 дурустии натиҷа қавитар аст. Саҳми асосии илмии таҳқиқот дар он аст, ки месанҷад оё модели бо пешгӯии пайдарпаӣ омӯзонидашуда дар муҳити стратегиявиҳои бисёрченака ва фазоӣ намояндагиҳои миёнаи сохторёфтаро ба вуҷуд меорад ва оё таъсири функсионалии ин намояндагиҳо ба рафтор ченшаванда аст.

Чаро Масъалаҳои Ҳаёт-Марги Go ҳамчун “Микро-Дунё” Истифода Мешаванд?

Масъалаҳои ҳаёт-марг ё tsumego-и Go микро-дунёи идорашаванда ва муносиберо барои таҳқиқи намояндагиҳои дохилии ҷаҳон дар моделҳои Transformer фароҳам мекунанд, зеро онҳо бе доштани тамоми мураккабии стратегияи бозии пурраи Go мафҳумҳои маҳаллии тактикии равшан муайяншавандаро, аз қабили нафасҳо, чашмҳо, пайвастагӣ, ko ва ҳолати зинда/мурда, дар бар мегиранд.

Дар тахтаи пурраи 19 × 19-и Go арзиши як ҳаракат ба омилҳои зиёде вобаста аст: аз гурӯҳҳои маҳаллии сангҳо то назорати минтақа, аз таъсирҳои дур то тавозуни глобалии ҳамла ва дифоъ. Ин на танҳо пешгӯӣ, балки шарҳи он ки чаро чунин пешгӯӣ дода шуд, низ душвор мегардонад.

Масъалаҳои ҳаёт-марг бошанд, одатан ба қисми маҳдуди тахта тамаркуз мекунанд. Ҳадаф муайян кардани он аст, ки гурӯҳи муайяни сангҳо дар бозии комил зинда мемонад ё не. Гарчанде фазои масъала хурдтар аст, тактикаи асосии Go нигоҳ дошта мешавад: нуқтаҳои нафас, сохтани чашм, рақобатҳои забт, пайвастагӣ, ko ва нуқтаҳои ҳалкунандаи ҳаракат метавонанд якҷоя нақш бозанд.

Figure 1-и манбаъ аввал ҳолати ибтидоии маҳаллии ҳаёт-марг ва сипас ҳаракатҳои рақамгузоришудаи ҳалро нишон медиҳад. Намунаи асосии бехатар зинда мондани гурӯҳ сохтани ду чашми ҳақиқӣ аст. Таҳқиқот чунин масъалаҳоро истифода мебарад, то муайян кунад, ки модели пайдарпаӣ танҳо коррелятсияҳои token-ҳоро азёд мекунад ё намояндагиҳои пинҳонии сохторёфтаеро, ки ба ҳолати тахта монанданд, инкишоф медиҳад.

Намояндагии ҷаҳон дар ин ҷо чӣ маъно дорад?

Ибораи “World representation” дар ин таҳқиқот маънои онро надорад, ки модел тахтаи Go-ро мисли инсон бо шуур “мефаҳмад”. Ин мафҳум ба он ишора мекунад, ки хусусиятҳои муҳими сохтории муҳити берунӣ дар фаъолшавиҳои пинҳонии модел ба шакле ифода мешаванд, ки онҳоро метавон бозхонӣ ё декод кард.

Масалан, агар аз ҳолатҳои пинҳонии LifeGo-GPT боэътимод пешгӯӣ кардан мумкин бошад, ки гурӯҳи сангҳо чанд нафас дорад, ҳолати ҳаёти он чӣ гуна аст ё сохтори пайвастагиаш чӣ аст, ин маълумот дар фазои намояндагии модел мавҷуд аст. Аммо қобилияти хондани маълумот аз намояндагии пинҳонӣ худ аз худ нишон намедиҳад, ки модел ҳангоми қабули қарор аз ҳамин маълумот истифода мекунад. Сабаби асосии илова шудани таҷрибаҳои дахолат дар таҳқиқот ҳамин аст.

Тахтаи Go чӣ гуна ба вуруди модели забонӣ табдил дода мешавад?

Ҳар намунаи tsumego дар аввал дар формати SGF аст. Муҳаққиқон масъалаеро ба пайдарпаии token аз ду қисм табдил медиҳанд:

1. тарҳбандии ибтидоии тахта дар атрофи гурӯҳи сангҳои ҳадаф,
2. пайдарпаии ҳаракатҳои ҳалли истинодии масъала.

Дар тахтаи стандартии 19 × 19 Go, 361 нуқтаи буриш вуҷуд дорад ва ҳар координата ба идентификатори ягонаи token харита мешавад. Аз ин рӯ луғати координатаҳо 361 мавқеи асосиро дар бар мегирад. Барои ҷудо кардани ҳолати тахта аз пайдарпаии ҳал ва нишон додани сарҳадҳои пайдарпаӣ инчунин token-ҳои махсусе чун <BOS>, <SEP> ва <EOS> истифода мешаванд.

Гарчанде координатаҳо бо идентификаторҳои ададии 1–361 ифода мешаванд, муҳаққиқон ба ин тартиби ададӣ маънои геометрии ошкор намедиҳанд. Идентификаторҳо ҳамчун индексҳои категориявӣ ба embedding-ҳои омӯзишпазире мераванд, ки ба таври тасодуфӣ оғоз шудаанд. Ҳамин тавр, мақсад ин нест, ки модел геометрияи бевоситаи ададиро, мисли “361 аз ҷиҳати координата дар паҳлӯи 360 аст”, истифода барад; сохтори фазоӣ бояд аз маълумоти омӯзишӣ омӯхта шавад.

Figure 2-и манбаъ табдил шудани тахтаи сангҳои Go ба чунин намояндагии пайдарпайи ба матн монандро нишон медиҳад. Ин табдил идеяи асосии таҷрибавии таҳқиқот аст: дунёи тактикии дученака ҳамчун пайдарпаии хаттии token ба модели decoder-only дода мешавад.

LifeGo-GPT Бе Қоидаҳои Ошкори Go Чӣ Гуна Омӯзонида Мешавад?

LifeGo-GPT ба ҷойи он ки бо қоидаҳои ошкори “нафас”, “чашм”, “ko” ё “ин ҳаракат манъ аст” барномарезӣ шавад, бо ҳадафи стандартии авторегрессивӣ омӯзонида мешавад, ки дар token-ҳои пайдарпайи ҳолати тахта ва ҳал token-и навбатиро пешгӯӣ мекунад; интизор меравад қонуниятҳои тактикӣ аз маълумоти омӯзишӣ дар фазои намояндагии пинҳонии модел пайдо шаванд.

Эҳтимоли token-и навбатӣ

Масъалаи сериалишуда:

\[ x=(x_1,x_2,\ldots,x_n) \]

чунин нишон дода мешавад. Модел дар ҳар қадами \(t\) эҳтимоли token-и навбатиро вобаста ба token-ҳои қаблӣ ҳисоб мекунад:

\[ p_{\theta}(x_t\mid x_{

Дар ин ҷо \(h_t\) намояндагии пинҳониест, ки қабати охирини Transformer дар мавқеи \(t\) тавлид мекунад; \(W_o\) матритсаи проексияест, ки намояндагии пинҳониро ба logit-ҳои баромади андозаи луғат табдил медиҳад; \(\theta\) параметрҳои моделро ифода мекунад.

Ин муодила ҳисобкунии “қоидаи Go”-ро мустақим код намекунад. Вазифаи модел омӯзиши тақсимоти эҳтимолии token-и мувофиқи навбатӣ аз token-ҳои қаблии тахта ва ҳаракат аст.

Талафи модели забонӣ

Дар омӯзиш бо истифода аз teacher forcing талафи стандартии манфии log-эҳтимол кам карда мешавад:

\[ \mathcal{L}_{LM} = -\sum_{t=1}^{n} \log p_{\theta}(x_t\mid x_{

Талафи паст маънои онро дорад, ки модел ба token-ҳои навбатӣ дар пайдарпаии ҳалли манбаъ эҳтимоли баландтар медиҳад. Ин ҳадафи омӯзиш фармонҳои рамзии мустақим, аз қабили “ду чашм соз”, “self-atari накун” ё “нафасро нигоҳ дор”, надорад.

Маҷмӯи маълумот чӣ гуна сохта шуд?

Маълумоти манбаъ аз захираҳои онлайни оммавии Go, аз ҷумла 101 Weiqi, Xingzhen Go Platform ва Jueyi Go Platform, инчунин аз маҷмуаҳои масъалаҳо, ба монанди Weiqi Life-and-Death Encyclopedia ва Fayang Lun, ҷамъоварӣ шудааст.

Маҷмӯи маълумот тақрибан 10.000 сенарияи ҳаёт-марг дорад. Тақсимоти душворӣ тақрибан чунин аст:

Баъзе масъалаҳо метавонанд зиёда аз як ҳалли дуруст дошта бошанд. Ҳамчун ҳадафи омӯзиш пайдарпаии канонии ҳалли маводи манбаъ истифода мешавад; дар баҳогузорӣ бошад роҳҳои алтернативие, ки ба ҳамон натиҷаи ниҳоии ҳаёт-марг мерасанд, дар доираи дурустии натиҷа қабул мешаванд.

Чӣ гуна кӯшиш шуд, ки ихроҷи маълумот кам карда шавад?

Пеш аз афзоиши маълумот такрорҳои комил дар сатҳи масъала хориҷ карда шуданд. Ҳолатҳои тахтае, ки бинобар гардиш ё инъикос аз ҷиҳати геометрӣ баробаранд, канонӣ карда шуда, такрорҳои иловагӣ муайян шуданд.

Ҷудокунии омӯзиш ва санҷиш на дар сатҳи намунаҳои афзуда, балки дар сатҳи масъалаҳои аслӣ анҷом дода шуд. Бо ин роҳ кӯшиш шуд, ки вариантҳои тағйирдодаи як масъала ҳамзамон дар омӯзиш ва санҷиш набошанд. Маҷмӯи маълумот тақрибан бо таносуби 8:2 омӯзиш/санҷиш ҷудо шудааст.

Баръакс кардани ранг танҳо дар ҳолатҳое истифода шуд, ки маънои масъала аз иваз шудани ранги бозигар таъсир намегирифт. Муҳаққиқон инчунин намунаҳои наздик-такрорро санҷида, кӯшиш карданд хатари ихроҷи санҷиш ва дақиқии сунъӣ баландшударо кам кунанд.

Меъморӣ ва танзимоти омӯзиши LifeGo-GPT

Ҳама параметрҳои token ва positional embedding ба таври тасодуфӣ оғоз шудаанд. Модел интиқоли мустақими GPT-и забони табиии пешакӣ омӯзонидашуда ба Go нест.

Figure 3-и манбаъ нишон медиҳад, ки талафи омӯзиш ва санҷиш дар тӯли epoch мунтазам кам мешавад. Азбаски силсилаи хоми ададии график дар шакли ҷадвал дода нашудааст, Verianla аз график қиматҳои дақиқи миёнаро ҳосил накардааст.

Ёддошти истилоҳоти манбаъ: Матни метод моделро ҳамчун decoder-only Transformer-и навъи GPT таъриф мекунад, дар ҳоле ки Ҷадвали 1 шумораи қабатҳоро ҳамчун “Transformer encoder depth” тавсиф мекунад. Дар ин ҷо таърифи decoder-only аз шарҳи метод нигоҳ дошта шуда, ибораи ҷадвал ҳамчун фарқи истилоҳӣ дар дохили манбаъ арзёбӣ шудааст.

Муваффақияти Модел Чӣ Гуна Чен Карда Мешавад?

Таҳқиқот LifeGo-GPT-ро бо се нишондиҳандаи ҷудогона арзёбӣ мекунад: Move Legality месанҷад, ки ҳаракати пешгӯишуда дар он ҳолат қонунӣ аст ё не; Sequence Correctness месанҷад, ки пайдарпаии тавлидшуда ба ҳалли канонӣ мувофиқ аст ё не; Outcome Validity бошад месанҷад, ки ҳолати ниҳоӣ ба натиҷаи дурусти ҳаёт-марг мерасад ё не.

Move Legality

Агар координатаи тавлидкардаи модел дар ҳолати ҷории тахта ба ҳаракати дурусти Go мувофиқат кунад, он қонунӣ ҳисобида мешавад. Ин метрик аввалин нишондиҳандаи он аст, ки модел сохтори асосии қоидаҳоро ба таври ғайримустақим омӯхтааст ё не.

Sequence Correctness

Пайдарпаии ҳалли тавлидшуда бо ҳалли канонии масъалаи манбаъ муқоиса мешавад. Тибқи шарҳи манбаъ, роҳҳои алтернативие, ки ба пайдарпаии канонӣ пурра мувофиқ нестанд, дар ин метрик нодуруст ҳисобида мешаванд.

Outcome Validity

Ҳаракатҳои пешгӯишуда дар тахта татбиқ мешаванд ва ҳолати ниҳоии ҳаёт-марги гурӯҳи ҳадаф бо муҳаррики берунии KataGo санҷида мешавад. Ҳалли алтернативие, ки аз пайдарпаии канонӣ фарқ дорад, вале ба ҳамон ҳолати дурусти ҳаёт-марг мерасад, метавонад дар ин метрик дуруст ҳисобида шавад.

Ёддошти тафсир: Дар доираи ин таърифҳо интизор меравад Outcome Validity нисбат ба Sequence Correctness фарогиртар бошад; бо вуҷуди ин, манбаъ барои LifeGo-GPT %94,7 Sequence Correctness ва %92,1 Outcome Validity гузориш мекунад. Азбаски манбаъ сабаби ин робитаро шарҳ намедиҳад, Verianla сабабро тахмин намекунад.

Усул ва Натиҷаҳои Таҳқиқот

Натиҷаҳои муқоисавии LifeGo-GPT

LifeGo-GPT аз хати асосии Transformer-и омӯзонида нашуда хеле болотар меравад. Дар вазифаи маҳаллии tsumego, дақиқии пайдарпаии LifeGo-GPT аз Leela Zero ва RZS баландтар, ба ANN хеле наздик ва аз KataGo пасттар гузориш шудааст.

KataGo дар ҳар се нишондиҳандаи асосӣ аз LifeGo-GPT қиматҳои баландтар дорад. Аз ин рӯ натиҷаро наметавон ҳамчун “LifeGo-GPT аз муҳаррикҳои касбии Go қавитар аст” тафсир кард. Манбаъ низ ошкоро мегӯяд, ки муҳаррикҳои касбӣ махсусан дар ҳолатҳои мураккаб ва тахтаи пурра қавитаранд.

Аҳамияти илмии LifeGo-GPT дигар аст: бе он ки қоидаҳои Go ҳамчун низоми алоҳидаи рамзӣ дода шаванд, модел танҳо аз маълумоти пайдарпайи масъалаҳо пайдарпаии ҳаракатҳои маҳаллии асосан қонунӣ ва дурустро омӯхтааст. Қисмҳои баъдии таҳқиқот месанҷанд, ки дар паси ин муваффақият чӣ гуна сохтори намояндагии пинҳонӣ мавҷуд аст.

Хатоҳо бештар дар кадом ҳолатҳо ҷамъ мешаванд?

Манбаъ дар таҳлили хато се синфи асосии масъалаҳоро муайян мекунад:

1. масъалаҳои мураккаби ҳаёт-марг, ки мулоҳизаи бисёрмарҳиларо талаб мекунанд,
2. пайдарпаии дарози ҳал, ки вобастагиҳои тактикии амиқтар доранд,
3. мавқеъҳои номуайян, ки дар онҳо чанд ҳаракат натиҷаҳои монанд дода метавонанд.

Ин намунаи хато нишон медиҳад, ки модел гарчанде қонуниятҳои маҳаллии тактикиро хуб мегирад, дар вобастагиҳои дур ва номуайянии баланд маҳдуд мемонад.

Multi-Aspect World Probe (MAWP) Чист?

Multi-Aspect World Probe (MAWP) чорчӯбаи модулии probing аст, ки ба ҷойи баровардани як барчаспи умумии “ҳолати тахта” аз намояндагиҳои пинҳонии Transformer-и LifeGo-GPT, кӯшиш мекунад панҷ хусусияти алоҳидаи тактикиро тавассути кодгузори умумии хусусиятҳо ба таври параллелӣ декод кунад.

Чаро MAWP ба ҷойи як prob чанд андозаро истифода мебарад?

Ҳолати ҳаёти гурӯҳи сангҳои Go аз як омил вобаста нест. Нафасҳо, пайвастагии гурӯҳ, ҳолати ko ва натиҷаи тактикии ба вуҷудомада бо ҳам алоқаманданд. Як prob-и яксар метавонад дар ҷудо кардани он ки кадом мафҳуми зерӣ воқеан дар намояндагии пинҳонӣ мавҷуд аст, душворӣ кашад.

Аз ин рӯ MAWP баромади истихроҷгари хусусиятҳои MLP-асосро ба панҷ сари параллелии тасниф мефиристад:

Figure 4-и манбаъ ошкоро нишон медиҳад, ки ҳолати пинҳонии интихобшуда аз LifeGo-GPT ба кодгузори умумии хусусиятҳои MLP ворид шуда, аз он ҷо ба панҷ сари алоҳидаи MAWP тақсим мешавад.

Ёддошти мафҳум дар манбаъ: Дар муқаддима, хулоса ва натиҷаҳои мақола “eyes”, яъне сохтори чашм, дар миёни намояндагиҳои асосии пайдошуда зикр мешавад ва дар шарҳи консептуалии MAWP низ “eye structure” ҳамчун намуна оварда мешавад. Бо вуҷуди ин, дар Figure 4 ва рӯйхати панҷ сари ошкор саре бо номи мустақили “Eye Structure” вуҷуд надорад. Аз ин рӯ Verianla сохтори чашмро ҳамчун баромади шашуми MAWP илова намекунад.

Ифодаи математикии намояндагии пинҳонӣ

Намояндагӣ дар қабати интихобшудаи Transformer чунин дода мешавад:

\[ x_t^{(l)}\in\mathbb{R}^{N\times d} \tag{3} \]

Дар ин ҷо \(l\) қабати интихобшударо, \(N\) шумораи нуқтаҳои маҳаллии тахта ва \(d\) андозаи намояндагии пинҳониро ифода мекунад.

Пас аз истифодаи истихроҷгари умумии хусусиятҳо \(\phi(x)\), барои ҳар андозаи семантикӣ таснифгари ҷудогонаи softmax кор мекунад:

\[ h_i(\phi(x)) = \operatorname{softmax}\left(W_i\phi(x)\right), \qquad i=1,\ldots,5. \tag{4} \]

Барои ҳар нуқтаи тахта \(p\) намояндагии умумии latent:

\[ z_{t,p} = \phi\left(x_{t,p}^{(l)}\right), \qquad p\in\{1,\ldots,N\} \tag{5} \]

ва пешгӯии андозаи тактикии \(i\):

\[ \hat y_{t,p}^{(i)} = h_i(z_{t,p}) \tag{6} \]

навишта мешавад.

Талафи умумии MAWP

Талафҳои cross-entropy-и панҷ вазифаи probing бо вазн ҷамъ карда мешаванд:

\[ \mathcal{L}_{probe} = \sum_{i=1}^{5} \lambda_i \cdot \mathcal{L}_{CE} \left( h_i(\phi(x)), y^{(i)} \right). \tag{7} \]

Манбаъ ба таври пешфарз ба ҳамаи сарҳо вазни баробар медиҳад:

\[ \lambda_i=\frac{1}{5}. \]

Ин интихоб ба фарзияе асос ёфтааст, ки панҷ prob-и семантикӣ ба фаҳмиши ҳолати тахта аз ҷониби модел саҳми баробар мегузоранд. Муҳаққиқон мегӯянд, ки вобаста ба душвории вазифа ё номутаносибии синфҳо вазнҳои гуногун мумкинанд, аммо дар таҳқиқот вазни баробар истифода шудааст.

Барчаспҳои MAWP чӣ гуна сохта мешаванд?

Барчаспҳои prob танҳо аз шарҳҳои дастӣ таъиншуда иборат нестанд. Муҳаққиқон таҳлили асосёфта ба KataGo-ро бо қоидаҳои детерминистии паскоркард якҷо мекунанд.

Аввал гурӯҳи сангҳои ҳадаф муайян мешавад ва компоненти пайвасти сангҳои ҳамранг ҳисоб карда мешавад. Шумораи нафасҳо бо шумориши буришҳои холии гуногун дар ҳамсоягии ин гурӯҳи пайваст ба даст меояд.

Ҳолати ҳаёт бо муҳаррики қавии Go дар доираи буҷаи собити ҷустуҷӯ санҷида мешавад. Манбаъ дар бахши сохтани барчаспи автоматӣ мегӯяд, ки натиҷаи муҳаррик ба барчаспҳои alive, dead, seki ва unresolved харита мешавад. Натиҷаҳои номувофиқ ё номуайяни муҳаррик аз маҷмӯи probing хориҷ карда мешаванд.

Пайвастагӣ бо муносибати чаҳор-ҳамсоягии сангҳои ҳамранг дар тахтаи маҳаллӣ муайян мешавад. Барчаспҳои Ko танҳо вақте таъин мешаванд, ки principal variation-и муҳаррик ва санҷиши қоидаҳои маҳаллӣ сохтори explicit ko-ро тасдиқ кунад. Натиҷаи тактикӣ бо азнавбаҳодиҳии ҳолати ниҳоии ҳаёт-марги гурӯҳи ҳадаф пас аз татбиқи ҳалли истинодӣ муайян мешавад.

Дар ин ҷо низ фарқи хурде дар манбаъ ҳаст: таърифи сари A1 синфҳои dead/live/undetermined-ро медиҳад, аммо матни барчаспгузории автоматӣ аз маҷмӯи alive/dead/seki/unresolved истифода мекунад. Манбаъ шарҳ намедиҳад, ки ин ду схемаи барчасп ба ҳам чӣ гуна табдил дода мешаванд; Verianla ин харитасозиро тахмин намекунад.

Оё Хондани Як Хусусият аз Намояндагии Пинҳонӣ Исбот Мекунад, ки Модел Онро Истифода Мебарад?

Не. Агар таснифгари probing аз фаъолшавиҳои пинҳонӣ маълумоти нафас ё ҳолати ҳаётро барорад, ин нишон медиҳад, ки маълумот дар намояндагӣ мавҷуд аст; аммо худ аз худ исбот намекунад, ки LifeGo-GPT қарори ҳаракатро воқеан бар асоси ҳамин хусусият мегирад. Аз ин рӯ таҳқиқот probing-и мушоҳидавиро бо дахолатҳои ҳадафноки намояндагӣ пурра мекунад.

Benchmark-и дахолат

Муҳаққиқон барои таҷрибаҳои дахолат benchmark-и алоҳидаи арзёбиро аз 1000 ҳолати ҳаёт-марг сохтаанд. Дар ҳар ҳолат мавқеъҳои ибтидоии сангҳои сиёҳ ва сафед, ҳадафи дахолат ва пайдарпаии дурусти ҳаракатҳо мавҷуд аст.

Дахолат тахтаи вурудро мустақим тағйир намедиҳад. Муҳаққиқон мавқеи ҳадафро дар фазои намояндагии пинҳонии LifeGo-GPT тағйир дода, масалан, табдилеро истифода мебаранд, ки иваз шудани ранги як сангро аз ҷиҳати семантикӣ тақлид мекунад.

Ҳамаи дахолатҳо дар қабати 6 анҷом дода шудаанд. Далели муаллифон чунин аст:

• дар қабатҳои поёнӣ фаъолшавиҳо бештар ба муносибатҳои сатҳии token ва намунаҳои маҳаллӣ марбутанд;
• қабатҳои баландтарин метавонанд ба пешгӯии ниҳоӣ аз ҳад зиёд махсус гарданд;
• қабати 6 ҳамчун сатҳи миёнае интихоб шудааст, ки маълумоти таркибии тахта/тактика дар он шакл мегирад, вале ҳанӯз аз баромади қарор пурра ҷудо нашудааст.

Муодилаи дахолат

Дахолат ба намояндагии пинҳонии ҳадаф дар манбаъ чунин навишта мешавад:

\[ \widetilde{x}_t^{(l)} = do\left( x_{t,g}^{(l)} \leftarrow \psi(x_{t,g}^{(l)},c) \right) \tag{8} \]

Дар ин ҷо \(g\) мавқеи тахтае, ки ба он дахолат мешавад; \(c\) хусусияте, ки баъд аз дахолат аз ҷиҳати семантикӣ тақлид мешавад; \(\psi\) табдил дар фазои намояндагиро ифода мекунад.

Фарқи пешгӯӣ пас ва пеш аз дахолат:

\[ \Delta a = f_{\theta} \left( \widetilde{x}_t^{(l)} \right) - f_{\theta} \left( x_t^{(l)} \right) \tag{9} \]

чунин арзёбӣ мешавад. Ҳадаф танҳо фаҳмидани он нест, ки пешгӯӣ тағйир ёфт ё не, балки санҷидани он аст, ки дахолат logit-ҳои афзалияти ҳаракатро то чӣ андоза ҷобаҷо мекунад.

Figure 5 ва Figure 6 чӣ нишон медиҳанд?

Figure 5 ҳолати маҳаллии тахта ва харитаи ҳаракат-logit-ро пеш аз дахолат нишон медиҳад. Дар миқёси ранги манбаъ рангҳои гармтар эҳтимолҳои пасттари пешгӯӣ ва рангҳои сардтар холҳои баландтарро ифода мекунанд.

Figure 6 ҳамон намуна пас аз дахолатро нишон медиҳад. Мушоҳида шудааст, ки минтақаҳои бо холҳои баланд ба мавқеъҳои берунии устувортар мекӯчанд. Муҳаққиқон инро ҳамчун намунае пешниҳод мекунанд, ки тағйири намояндагии пинҳонӣ ба афзалиятҳои тактикии модел таъсири системавӣ мерасонад.

Натиҷаи миқдории таҷрибаҳои дахолат

Он ки дахолати семантикӣ ҳадафгирифта нисбат ба садои тасодуфӣ ва perturbation-и тасодуфии ҳамандоза тағйири хеле бештари рафтор ба вуҷуд меорад, далелро дастгирӣ мекунад, ки таъсир танҳо аз ҳассосияти аз ҳад зиёди модел ба ҳама гуна тағйири ҳолати пинҳонӣ сарчашма намегирад.

Оё Натиҷаҳои Дахолат Далели Қатъии Сабабӣ Ҳастанд?

Не. Манбаъ тағйироти қавитари пешгӯиро, ки дахолатҳои ҳадафнок нисбат ба назоратҳои тасодуфӣ ба вуҷуд меоранд, ҳамчун далеле ба нафъи робитаи функсионалии намояндагиҳои дохилӣ бо раванди қарор арзёбӣ мекунад; аммо ошкоро қабул мекунад, ки тағйири калони пешгӯӣ худ аз худ нишон намедиҳад, ки як тағйирёбандаи семантикии муайян бо дақиқӣ ва мустақилона идора шудааст.

Модели қавии пайдарпаӣ метавонад умуман ба тағйироти сохторёфта дар минтақаҳои муҳими дорои маънои семантикӣ ҳассосияти баланд нишон диҳад. Дар чунин ҳолат таъсири дахолат метавонад на танҳо аз “назорати сабабии тағйирёбандаи ҳолати ҳаёт”, балки аз вайроншавии васеътари намояндагӣ низ пайдо шавад.

Назоратҳои perturbation-и тасодуфӣ ин шарҳро қисман маҳдуд мекунанд, аммо комилан аз байн намебаранд. Аз ин рӯ, хулосаи эҳтиёткоронаи мақола:

Натиҷаҳои probe нишон медиҳанд, ки маълумоти тактикӣ дар намояндагиҳои пинҳонӣ код шудааст; натиҷаҳои дахолат бошад нишон медиҳанд, ки ин ҷузъҳои сохторёфтаи намояндагӣ бо рафтори пешгӯӣ робитаи функсионалӣ доранд. Назорати дақиқ ва мустақили сабабии тағйирёбандаҳои муайяни семантикӣ ҳанӯз исбот нашудааст.

Аблятсияи чуқурии модел

Муҳаққиқон вариантҳои LifeGo-GPT бо 2, 4, 6 ва 8 қабати Transformer-ро омӯзонида, дар ҳар модел се равиши probing-ро муқоиса карданд:

• linear probe,
• standard nonlinear probe,
• MAWP.

Натиҷаи асосии сифатии Figure 7 дар манбаъ ин аст, ки MAWP дар ҳамаи чуқуриҳои таҳқиқшуда нисбат ба linear probe ва умуман нисбат ба standard nonlinear probe дақиқии prob-и баландтар дорад. Фарқ махсусан дар қабатҳои миёна ва амиқтар равшантар мешавад.

Муаллифон чунин тафсир мекунанд, ки қабатҳои амиқтари Transformer аз муносибатҳои сатҳи пасти token ба намояндагиҳои бештар ҳамгирошудаи фазоӣ ва тактикӣ мегузаранд. Ин тафсир бо он иртибот дода мешавад, ки мафҳумҳое чун нафас ва пайвастагӣ аз қабатҳои амиқтар беҳтар декод мешаванд.

Ҳадди тафсири график: Матн мегӯяд, ки дақиқии prob бо зиёд шудани чуқурии модел дар ҳамаи усулҳо “пайваста афзоиш ёфт”. Бо вуҷуди ин, ҳангоми дидани сутунҳои Figure 7 дида мешавад, ки силсилаҳои nonlinear ва MAWP то 8 қабат комилан монотонӣ зиёд намешаванд. Азбаски ҷадвали хоми ададӣ дода нашудааст, Verianla аз график қиматҳои дақиқро ҳосил накарда, танҳо тамоюли сифатии боэътимодро баён кардааст.

Аблятсияи афзоиши маълумот

Figure 8 таъсири афзоиши маълумоти ба симметрияи сатҳи тахта асосёфтаро месанҷад. Дар манбаъ се ҳолат нишон дода мешавад:

• бе афзоиш,
• гардиш,
• инъикос/flip.

Ба гуфтаи муаллифон, ҳангоми хориҷ кардани афзоиши маълумот дақиқии prob махсусан дар қабатҳои амиқтар коҳиш меёбад. Афзоиши ҳассос ба симметрия моделро ташвиқ мекунад, ки ҳатто вақте як сохтори ҳаёт-марг бо самтҳои гуногун намоён мешавад, хусусиятҳои умумии сохториро омӯзад.

Ин натиҷа танҳо ба иҷрои ниҳоии ҳаракат марбут нест. Муаллифон мегӯянд, ки афзоиш инчунин ҳамоҳангии намояндагиҳои дохилӣ ва омӯзиши хусусиятҳои устувортар нисбат ба табдилотро дастгирӣ мекунад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

Таҳқиқот дастгирӣ мекунад, ки модели навъи GPT, ки аз пайдарпаии маҳаллии ҳаёт-марги Go омӯзонида шудааст, метавонад қонунияти баланди ҳаракат ва иҷрои хуби ҳалро ба даст орад.

Таҷрибаҳои MAWP дастгирӣ мекунанд, ки аз намояндагиҳои пинҳонии LifeGo-GPT маълумоти сохторёфта, аз қабили ҳолати ҳаёт, шумораи нафасҳо, ko, пайвастагӣ ва натиҷаи тактикӣ, декодшаванда аст.

Он ки дахолатҳои ҳадафноки намояндагӣ нисбат ба perturbation-ҳои тасодуфӣ тағйири хеле бештари афзалияти ҳаракат ба вуҷуд меоранд, далел медиҳад, ки ин хусусиятҳои сохторёфта шояд танҳо коррелятҳои ғайрифаъол дар рафтори модел набошанд ва аҳамияти функсионалӣ дошта бошанд.

Таҷрибаҳои чуқурии модел ва афзоиши маълумоти ба симметрия асосёфта нишон медиҳанд, ки сифати намояндагиҳои дохилӣ на танҳо аз иҷрои ниҳоии пешгӯӣ, балки аз чуқурии меъморӣ ва сохтори табдилии маълумоти омӯзишӣ низ таъсир мегирад.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

Таҳқиқот исбот намекунад, ки LifeGo-GPT бозии Go-ро мисли инсон “мефаҳмад” ё дорои мафҳумҳои стратегии шуурнок аст. Натиҷаҳои probing танҳо нишон медиҳанд, ки баъзе маълумотро аз фаъолшавиҳои пинҳонӣ декод кардан мумкин аст.

Таҳқиқот инчунин исбот намекунад, ки як хусусияти семантикии муайян комилан ҷудо ва ба таври дақиқ сабабӣ идора шудааст. Муаллифон натиҷаҳои дахолатро на ҳамчун causal identification-и қатъӣ, балки ҳамчун далел ба нафъи causal relevance маҳдуд мекунанд.

Муваффақияти LifeGo-GPT-ро мустақим ба Go-и тахтаи пурра умумӣ кардан мумкин нест. Таҷрибаҳо ба масъалаҳои маҳаллии ҳаёт-марг равона шудаанд; манбаъ ошкоро мегӯяд, ки муҳаррикҳои касбӣ, аз қабили KataGo, дар бозии пурраи тахта қавитаранд.

Маҷмӯи маълумоти тақрибан 10.000 масъала аз манбаъҳои гуногуни оммавӣ ва маҷмуаҳои классикии масъалаҳо ҷамъ оварда шудааст. Ин таҳқиқот нишон надодааст, ки натиҷаҳо дар дигар маҷмуаҳои масъалаҳои Go, тақсимоти дигари душворӣ ё раванди комилан мустақили тавлиди маълумот ҳамон қиматҳоро хоҳанд дод.

Азбаски силсилаҳои хоми ададии натиҷаҳои probe/augmentation дар Figure 7 ва Figure 8 дар мақола дар шакли ҷадвал дода нашудаанд, Verianla аз ин графикҳо рақамҳои дақиқ ҳосил накардааст.

Миқёспазирӣ ба Go-и тахтаи пурра чӣ гуна баррасӣ мешавад?

Дар бахши натиҷаҳо муаллифон муҳокима мекунанд, ки намояндагиҳои маҳаллии ҳаёт-марг чӣ гуна метавонанд дар оянда ба бозии пурраи Go ҳамгиро шаванд. Равиши консептуалии пешниҳодшуда ин аст, ки модели маҳаллии ҳаёт-марг ба ҷойи агенти мустақиле, ки тамоми бозиро идора мекунад, ҳамчун зер-модули тактикии низоми глобалии қарор истифода шавад.

Дар ин чорчӯба модули маҳаллӣ “воқеияти ҳолати маҳаллӣ”-ро, аз қабили нафасҳо, чашмҳо, пайвастагӣ ва ҳолатҳои ҳаёт-марг, ифода мекунад, дар ҳоле ки низоми васеътар маълумотҳое чун пешгӯии минтақа, авлавиятҳои ҳамла-дифоъ ва арзиши стратегии глобалиро муттаҳид мекунад.

Он ки як шакли маҳаллӣ метавонад дар контекстҳои гуногуни тахтаи пурра аҳамияти стратегии гуногун дошта бошад, нишон медиҳад чаро ин ҷудокунии вазифаҳо зарур аст. Ин бахш натиҷаи таҷрибавии таҳқиқот нест, балки дурнамои меъмории пешниҳодкардаи муаллифон барои оянда аст.

Ҳамгиро кардани моделҳои забонӣ ва Go дар оянда

Манбаъ инчунин пешниҳод мекунад, ки муттаҳидсозии Transformer-ҳои бисёрзабонаи пешакӣ омӯзонидашуда бо муҳитҳои рамзии бозӣ ҳамчун самти ояндаи таҳқиқот баррасӣ шавад. Коркарди пайдарпаии тахта дар якҷоягӣ бо шарҳҳои инсон, нотацияи бозӣ ё тавзеҳоти тактикӣ метавонад аз ҷиҳати тафсирпазирӣ ва қабули қарор дар мавқеъҳои номуайян таҳқиқ шавад.

Муаллифон ҳамчунин пешниҳод мекунанд, ки техникаҳои дахолат дар фазои пинҳонӣ дар оянда метавонанд асоси агентҳои бозии идорашавандае гарданд, ки инсон рафтори моделро роҳнамоӣ, хатогиҳоро ислоҳ ё хусусиятҳои муайянро тағйир дода метавонад. Ин пешниҳодҳо низомҳое нестанд, ки дар таҷрибаи ҷорӣ амалӣ шуда бошанд.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ: Probing Emergent World Representations in Go Life-and-Death Problems

Муаллифон: Zhikai Yang; Zhigang Meng; Zhiqiang Wen.

Муаллифи масъул: Zhigang Meng.

Муассисаҳо: School of Computer Science and Artificial Intelligence, Hunan University of Technology, Zhuzhou, Чин; Hunan Provincial Video Cultural and Creative Research Base, Changsha, Чин; School of Computer Science and Engineering, Changsha University, Changsha, Чин.

Маҷалла: AI.

Ношир: MDPI.

Навъи манбаъ: Мақолаи аслии илмии рецензияшуда; таҳқиқоти ҳисоббарорӣ бо моделсозии пайдарпаии Transformer-асос, зеҳни сунъии шарҳпазир, probing ва дахолати намояндагӣ.

Маълумоти нашр: AI 2026, ҷилди 7, шумораи 5, мақолаи 170.

DOI: 10.3390/ai7050170

Ирсол: 10 Март 2026.

Таҷдиди назар: 22 Апрел 2026.

Қабул: 7 Май 2026.

Нашр: 14 Май 2026.

Ёддошти версия: Дар таърихи расмии версияҳои MDPI дида мешавад, ки сабтҳои HTML/PDF-и мақола 20 Май 2026 нав карда шудаанд; санаи библиографии нашр 14 Май 2026 боқӣ мемонад.

Иҷозатнома: Creative Commons Attribution (CC BY), дастрасии кушода.

Маблағгузорӣ: Таҳқиқот аз ҷониби Natural Science Foundation of Hunan Province, China (Grant No. 2024JJ7149), Hunan Provincial Video Cultural and Creative Research Base ва Hunan Provincial Education Department Scientific Research Fund (Grant No. 22A0414) дастгирӣ шудааст.

Кумитаи ахлоқии муассиса: Татбиқшаванда нест.

Ризоияти огоҳона: Татбиқшаванда нест.

Дастрасии маълумот: Муаллифон мегӯянд, ки маълумоти пешниҳодшуда дар таҳқиқот дар дохили мақола мавҷуд аст ва барои маълумоти иловагӣ метавон ба муаллифи масъул муроҷиат кард.

Сипосгузорӣ: Муаллифон ба Hunan University of Technology, Hunan Provincial Video Cultural and Creative Research Base ва Changsha University барои дастгирӣ сипосгузорӣ мекунанд.

Бархӯрди манфиатҳо: Муаллифон изҳор кардаанд, ки бархӯрди манфиатҳо вуҷуд надорад.

Саҳмҳои муаллифон: Консептуализатсия Zhikai Yang ва Zhigang Meng; нармафзор Zhikai Yang; методология Zhiqiang Wen ва Zhikai Yang; санҷиш, таҳқиқот ва захираҳо Zhikai Yang ва Zhigang Meng; тарҳи аввал Zhikai Yang ва Zhigang Meng; бозбинӣ ва таҳрир Zhigang Meng ва Zhiqiang Wen анҷом додаанд.

Маҳдудиятҳои асосии методологӣ: Таҷрибаҳо бо тақрибан 10.000 масъалаи маҳаллии tsumego маҳдуданд; арзёбии Go-и тахтаи пурра анҷом дода нашудааст. Қобилияти MAWP барои декод кардани маълумот аз намояндагиҳои пинҳонӣ худ аз худ далели истифодаи сабабӣ дар механизми қарор нест. Гарчанде таҷрибаҳои дахолат фарқҳои қавиро ба нафъи аҳамияти функсионалӣ нишон медиҳанд, муаллифон даъвои назорати дақиқи тағйирёбандаи семантикӣ намекунанд. Барои Figure 7–8 ҷадвалҳои хоми ададӣ дода нашудаанд. Дар ин таҳқиқот васеъ санҷида нашудааст, ки LifeGo-GPT дар маҷмуаҳои масъалаҳои беруна ё тақсимоти дигар ҳамон иҷроишро нигоҳ медорад ё не.

Ёддошти номувофиқии дохилии манбаъ: Метод моделро decoder-only Transformer меномад, дар ҳоле ки Ҷадвали 1 умқи қабатро бо ибораи “Transformer encoder” тавсиф мекунад. Дар шарҳи MAWP сохтори чашм мафҳуми марказӣ аст, аммо дар миёни панҷ сари ошкори MAWP сари алоҳидаи Eye Structure вуҷуд надорад. Маҷмӯи синфҳои сари Life Status ва бахши барчаспгузории автоматӣ яксон навишта нашудаанд. Матни Figure 7 мегӯяд, ки дақиқии prob бо зиёд шудани умқ пайваста афзудааст, аммо график дар ҳамаи усулҳо афзоиши комилан монотонӣ нишон намедиҳад. Илова бар ин, бо вуҷуди муносибати фарогирии таърифҳои Sequence Correctness ва Outcome Validity, манбаъ шарҳ намедиҳад, ки чаро барои LifeGo-GPT қиматҳои %94,7 ва %92,1 дар ҳамин тартиб ҳастанд.

Ёддошти усули Verianla: Ин мундариҷа тарҷумаи сатр ба сатри мақолаи манбаъ нест. Таърифи масъала, омодасозии маълумот, омӯзиши авторегрессивӣ, меъмории LifeGo-GPT, меъёрҳои арзёбӣ, сохтори probing-и MAWP, Муодилаҳои (1)–(9), таҷрибаи дахолат, аблятсияҳо, паёми илмии графикҳо ва ҳудуди тафсир нигоҳ дошта шуда, сохтори мустақил ва омӯзишии Тоҷикӣ таҳия шудааст. Қимати муваффақият, дақиқии prob ё хулосаи сабабие, ки дар манбаъ нест, илова нашудааст.