正在流覽:
1 名訪客
回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2004/4/19 5:14 文章:
608
|
引文:
「學而不思則罔,思而不學則怠」。不只職業棋士,學習圍棋或任何技術,自己思考都是必須的。職業棋士間盛行的研究會,就是把自己思考過的棋轉化成口語與眾人分享,一是可以加深印象,二來眾人腦力激盪也許會發現更好的變化。 但我所說的情況不同。 後AlphaGo時代,已是職業棋士開始要向AI學習的新時代。過去曾有老師告訴我,跟比你強三子左右的高手下進步最快,意思是三子的差距,對高手的棋已有一定程度的理解,又能學到新的手段。以前我邊學棋邊教棋的時候,棋力約IGS 5D,老師是一位有職業棋力的業餘7段,當自己下的棋譜或教小朋友的教材怎麼都想不通時,課後問7段老師,一下子就能豁然開朗。目前職業棋士和AlphaGo Zero或Master的差距,恐怕也差不多是三子,這樣的差距,有時候無論你怎麼想,也不比直接問高你三子的高手要來得快又直接。但是這樣一位本可以大大提升世界圍棋水準的「老師」,竟然只發表一篇論文就說要離開棋界了。 圍棋AI時代開啟,各AI研究者絞盡腦汁開發更強的程式,職業業餘棋士也不斷努力適應新時代來臨的同時,目前全世界最強AI告訴你它不玩了,感覺很諷刺吧。我懇求,即使要走,也應該等到其他AI追上來之時,或以其他形式讓AlphaGo繼續存在(※註),Google Deepmind團隊,好嗎? ※註:例如#472回覆中小弟提到的五點個人淺見。當然留下論文是一種形式,但小眾圍棋市場的AI研究團隊和大企業Google的環境和硬體水準不能相比,勢必面臨好幾年的空窗期,這點是非常令人遺憾的。
發佈時間:2017/10/30 14:40
編輯者 阿嘟 於 2017-10-30 15:18:55
|
|
傳輸 |
回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
三品•具體
註冊日期:
2003/5/4 10:39 文章:
281
|
引文:
我覺得過1-2個月後,你審視局勢,再評論還不遲。
發佈時間:2017/10/30 20:48
|
|
傳輸 |
回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2004/4/19 5:14 文章:
608
|
引文:
感謝回覆。有aja兄這句話,感覺可以安心不少了。圍棋專業人士,也許大都比較含蓄,我這旁觀者輕,沒怎麼分輕重就把想講的講出來,如有得罪多多包含。
發佈時間:2017/10/30 21:46
|
|
傳輸 |
回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2016/5/28 6:44 文章:
443
|
http://appft.uspto.gov/netacgi/nph-Pa ... uppi&RS=google+AND+jouppi
TPU 的美國專利 (有不止一個) 本論壇看來有不少金庸小說粉絲 (小弟也是), 在此也參與一下 Nature論文 (有兩篇)有點像九陰真經下卷, 學到之後像梅超風般打敗一般武林高手不難, 但還離天下第一很遠, 加上TPU 這九陰真經上卷才可以達到郭靖級水平 問題TPU 是Google 獨有的專利,其他公司沒有授權,是不能自制的 硬件專利跟軟件版權不同, 軟件版權可防止別人抄襲,但如果別的公司自己請人(如DeepZenGo, Leela, AQ ....)跟據Nature論文設計,就算方法一樣,也不算是侵犯版權 硬件專利不同,就算其他設計者完全未看過TPU的資料,只要出來的產品跟人家的專利雷同,就是侵犯專利 TPU的專利是Google 的 (不是DeepMind),也就是說如何處理這專利權連DeepMind 也無權過問
發佈時間:2017/11/10 2:41
編輯者 yauwing 於 2017-11-10 02:43:11
|
|
傳輸 |
回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2016/5/28 6:44 文章:
443
|
http://sports.sina.com.cn/go/2017-11-10/doc-ifynstfh4024372.shtml
http://www.sohu.com/a/203560515_354973 Aja大神的演講, 有人有更詳細的嗎? Aja大神有說TPU很重要 重新套用一個金庸小說 情節 (自以爲好一點) Nature 論文有如 倚天屠龍記的乾坤大挪移 沒有TPU 練到楊逍或陽頂天那般水平(初至中級乾坤大挪移)就很難再進一步 要有TPU這九陽神功才可以達到張無忌(練成頂級乾坤大挪移)水平
發佈時間:2017/11/11 0:01
|
|
傳輸 |
回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
副站長兼資料室室長
註冊日期:
2002/10/28 18:23 來自 地球
文章:
31309
|
AlphaGo幕後開發心路歷程大公開!一手打造AlphaGo傳奇首席工程師黃士傑回臺解密
https://www.ithome.com.tw/news/118163 AlphaGo為何金盆洗手? 黃士傑首度說分明 http://www.cw.com.tw/article/article.action?id=5086119 AlphaGo推手黃士傑首次公開演講 https://www.gvm.com.tw/article.html?id=40975 TPU=深厚的內力吧! 就如覺遠禪師,僅憑內力就能與天下英雄一爭高下。 引文:
發佈時間:2017/11/12 20:17
編輯者 流浪狗之歌 於 2017-11-13 10:28:42
編輯者 流浪狗之歌 於 2017-11-13 10:29:26 |
|
_________________
《圍棋十訣》 唐.王積薪 一.不得貪勝。 二.入界宜緩。 三.攻彼顧我。 四.棄子爭先。 五.捨小就大。 六.逢危須棄。 七.慎勿輕速。 八.動須相應。 九.彼強自保。 十.勢孤取和。 |
||
傳輸 |
回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
副站長兼資料室室長
註冊日期:
2002/10/28 18:23 來自 地球
文章:
31309
|
以下是PTT鄉民的聽講aja演說的第一手感想。原文的推文也很精彩。
引文:
發佈時間:2017/11/14 9:52
編輯者 流浪狗之歌 於 2017-11-14 09:53:27
編輯者 流浪狗之歌 於 2017-11-14 09:53:53 編輯者 流浪狗之歌 於 2017-11-14 09:58:32 |
|
_________________
《圍棋十訣》 唐.王積薪 一.不得貪勝。 二.入界宜緩。 三.攻彼顧我。 四.棄子爭先。 五.捨小就大。 六.逢危須棄。 七.慎勿輕速。 八.動須相應。 九.彼強自保。 十.勢孤取和。 |
||
傳輸 |
電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2004/4/19 5:14 文章:
608
|
網路上看到的新聞,轉貼一下。重點是這句話...
"Hassabis said that DeepMind may spin up AlphaGo Zero again in future to find out how much further it can go..." DeepMind has yet to find out how smart its AlphaGo Zero AI could be | TechCrunch
發佈時間:2017/11/16 12:28
|
|
傳輸 |
回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2016/5/28 6:44 文章:
443
|
Google/Deepmind 看來有錯誤引導棋迷 - 99+%人以為Zero 是在基本上用相同設定打敗用人類棋譜的Master.
估計Deepmind 自己應該有試用20 blocks Zero 對 Master 吧? 為什麼不公開這比較公平的比試結果? 另外20 blocks Zero 對 40 blocks Zero 是甚麼成績也該公開一下 如果20 blocks Zero 跟 Master 對 40 blocks Zero的成績差不多或更差,那Zero 打敗人類棋譜就不大成立 Master 只是 20 blocks 的估計,上個月DeepZenGo 的加䕨老先生已從Nature資料中推測出來 http://computer-go.org/pipermail/comp ... /2017-October/010399.html 但這可能只有極少人看到 小弟認為還有一點Master 可能比Zero 弱的地方,網上好像不見人提及,就是 rollouts 舊方法(Nature 論文第一篇有説明) 是用CPU做 Fast Rollout 比Zero 所用主要靠TPU的新方法 uses a simpler tree search that relies upon this neural network to evaluate positions and sample moves.... 棋力很可能有差別 這新方法如用GPU 做,效果可能會比TPU差很多, 雖然Nvidia 及 AMD 都說他們的新GPU 已經追近TPU,但小弟認為那只是指一般工作,一些特別指令,如Neural Network 常用的matrix multiply 可能還會慢了百倍甚至千倍! 在TPU 做 matrix multiply 只需一個指令就做完 在GPU做 matrix multiply 要先化整為零,把matrix 分折開並放到多個小型處理器去各自算, 算完後又要化零為整,從各小型處理器集合計算成果 (CPU的情況更糟,一般只有4-8個大型處理器,因為處理器不夠,分工不夠細,所以更慢) Facebook 的田博士也提過,因為GPU給的答案來得太慢(nature論文説是2ms, =1/500秒)所以才用Fast rollout 之類的不同歩的方法 小弟大膽認為 如果Master 改成40blocks, 及用新tree search取代rollouts, 在相同的訓練量情況下,棋力不會弱於Zero, 頭幾天肯定比Zero 強,數十天後可能差無幾,甚至強1%或更少也不奇 又如果Master 改成48TPU 對 Zero 4TPU, 誰強? -計算力 vs 算法的問題 有近百年歷史的Formula 1 賽車,第一次比賽時,車速已經比人類快很多倍,但幾天前完成的賽事又再次刷新塲地最快圈速(一般每年都有好幾次),人家(Benz, Ferrari, Honda, Renault...)每年都求突破,精益求精,而Google 在信息不透明的情況下贏了人類幾次,也不跟其他AI比賽,就此不玩,還來個錯誤引導, 實在做得不像樣 看來AlphaGo Lee 在東坡棋及循環劫上還有弱㸃,如果小李知道這些弱點戰果會是? Master 是快棋,對人類不利,到最後一局人家才知是AlphaGo 對柯洁比較公平,但只有三局, 商量棋比賽時間太短沒用,但如像秀哉對吳清源那般長,就明顯比一人下強 或許有人會認為Google / DeepMind 是做AI的, 任何時間都有權不玩圍棋,不要忘記Google 的母公司叫Alphabet 今天的股價比AlphaGo 公開前已經升了約三百美元,當然這升值並不完全因為AlphaGo, 但AlphaGo打敗人類圍棋讓 Google/Alphabet 名成利就是不爭事實 Nature paper 是好東西,值得表揚,但Google 不賣TPU給其他人,在幾年內恐怕其他AI連AlphaGo Master水平也很難達到 如果Google肯賣TPU,不論多貴,小弟也沒話説,但如果不賣TPU又不為圍棋多做點事,郤坐享AlphaGo 打敗人類圍棋而帶來的億萬豐厚利潤,就有點說不過去 小弟聽說DeepMind, 不久將來還會提供一個圍棋工具給圍棋界,希望不會令小弟失望
發佈時間:2017/11/16 16:04
|
|
傳輸 |
回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2004/4/19 5:14 文章:
608
|
AlphaZero
又一震撼彈,還不知道的請google一下。這次是[4小時搞定西洋棋]+[2小時搞定日本將棋]+[8小時搞定李世石版AlphaGo],真的變天了...想說些什麼,但是好像又無話可說... 呃......能不能請他們多花個幾天訓練出一個圍棋之神給我們?
發佈時間:2017/12/6 22:51
編輯者 阿嘟 於 2017-12-06 23:00:00
|
|
傳輸 |
回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
註冊日期:
2003/1/5 21:42 文章:
3705
|
這還好吧。
科學上, AlphaGo Zero較具原創性,AlphaZero只是再推廣而已。 不想看論文的網友,請看這篇科普報導。 但是西洋棋界似乎很震撼,就像AlpgaGo打敗李世石九段時的圍棋界一樣。即使「傳統」電腦西洋棋比人類棋手強已是個被接受的事實。
發佈時間:2017/12/7 2:15
編輯者 ago 於 2017-12-07 03:13:09
編輯者 ago 於 2017-12-07 03:13:46 |
|
傳輸 |
回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
副站長兼資料室室長
註冊日期:
2002/10/28 18:23 來自 地球
文章:
31309
|
ago提供的DeepMind’s AlphaZero crushes chess一文底下的留言,跟兩年前圍棋界一樣的哀號崩潰。
以下是AlphaZero下西洋棋、將棋、圍棋的學習曲線表: (圖片取自Chess24) PTT-GO版 [情報] AlphaZero戰勝將棋與西洋棋最強軟體討論提到兩個重點 : 1. AlphaZero(5000TPU) 比 AlphaGoZero(2000TPU) 的硬體架構,強了一倍多。 2. 以蒙地卡洛(MCTS)模式架構,已能夠破解全訊息的任何棋類。 但若用這套模式,對於訊息不夠明確的星海爭霸,只靠MCTS的深度學習還是不行滴。
發佈時間:2017/12/7 10:20
|
|
_________________
《圍棋十訣》 唐.王積薪 一.不得貪勝。 二.入界宜緩。 三.攻彼顧我。 四.棄子爭先。 五.捨小就大。 六.逢危須棄。 七.慎勿輕速。 八.動須相應。 九.彼強自保。 十.勢孤取和。 |
||
傳輸 |
回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2016/5/28 6:44 文章:
443
|
AlphaZero 只是跟訓練了三天的AlphaGo Zero 早期版本 比賽, 成績佔優 60:40 但不是壓倒性, ELO rating 差別在 100 以下
從AlphaGo Zero paper 的圖表看,訓練了三天的AlphaGo Zero ELO rating 只 四千左右,再加一百也不足4500 這成績看來棋力 遠低於AlphaGo Master ELO rating 4858, 如跟訓練了數十天的AlphaGo Zero 最終版 ELO rating 5185 下,恐怕要被讓二/三子 AlphaGo Zero 是打敗了人類,但離開成為圍棋之神還相當遠.否則就不會有11%機會輸給只用20 blocks 及舊rollout 方法 的AlphaGo Master 看漏了一點,這"特製"的三天版AlphaGo Zero 只是用 20 blocks! 棋力當然弱於 用40 blocks 的真正 AlphaGo Zero, AlphaZero 為什麼跟這個棋力大打折扣 AlphaGo Zero比? 因為它比真正的AlphaGo Zero 弱得多 很不幸,網上不少沒有看原文細節的人都以為 AlphaZero 是打敗了真正 AlphaGo Zero P.S. 改了ELO因為發現小弟原本作為跟據的Deepmind在 Nature論文 上的 曲線圖Figure 6a畫得不夠準, AlphaGo Lee ELO 是3739 但Figure 6a 郤是3500左右,這只是小錯誤,但有誇大AlphaGo Zero棋力的嫌疑
發佈時間:2017/12/7 14:14
編輯者 yauwing 於 2017-12-07 15:02:35
編輯者 yauwing 於 2017-12-07 15:30:38 編輯者 yauwing 於 2017-12-08 22:46:34 |
|
傳輸 |
回覆: 回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2004/4/19 5:14 文章:
608
|
昨天睡前睏地沒仔細看文章就被那幾張圖表給震驚到了。不過新論文還是說明了DeepMind不論在圍棋還是其他封閉體系的棋藝競技中,深度學習的研究達到一個劃時代的成就。
同意yauwing兄的觀點,只是「看圖說故事」的網友或記者,真的會誤以為AlphaZero只花8小時打敗了終極版AlphaGo Zero。 AQ開發者(也是東大將棋社畢業生)也說將棋的對照組「Elmo」不是目前最強的軟體,而且測試用的硬體等級與AlphaZero差距相當大(elmo → 64 CPU threads;AlphaZero → 4 TPUs)。DeepMind下次撰寫論文時,是不是能在模擬實驗上更謹慎一點? 關於「圍棋之神」的創造,其實在AlphaGo Zero的論文時就想講。人類研究圍棋兩千多年,只折抵了AlphaGo Zero三天的學習量,若用AlphaZero訓練用的5000TPU加上更優化的演算法,可能真的不用一天就夠。如果利用這個技術,多訓練幾天、幾週、甚至幾月(相比圍棋發展史,我覺得花幾個月都非常非常划算),也許極趨近於「圍棋之神」的神AI真能誕生。 我想套用大橋拓文六段一句話,如果我是億萬富翁,我會想投資一千億。
發佈時間:2017/12/7 21:07
編輯者 阿嘟 於 2017-12-07 21:09:45
|
|
傳輸 |
回覆: 回覆: 回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2016/5/28 6:44 文章:
443
|
"只是「看圖說故事」的網友或記者,真的會誤以為AlphaZero只花8小時打敗了終極版AlphaGo Zero。"
http://computer-go.org/pipermail/comp ... 2017-December/010566.html 不只是一般人,連這位在電腦圍棋論壇發言的專家(email看來是來自法國的一間大學)也看錯了! Deepmind 所發的論文向來都是如不看細節,讀者很容易會被或多或少的誤導 Deepmind 沒有寫錯,但多次在正文中誇大了自己的成就 (附錄細節上有列明,但有多少人看附錄?) Deepmind 第一篇論文說能讓其他電腦程式三子,只在附錄中說明是讓三子黑貼7目半 (懂圍棋的很可能看不到,看細節的專家如對圍棋一知半解,也未必知道讓子棋中黑貼7目半是不正常) Deepmind 第二篇論文問題更嚴重,完全沒有說 AlphaGo Master 只用 20 blocks, 只有極少數專家能從圖表中推算出Master 可能是 20 blocks, rollout 改了有說明,但不細看的讀者只看到AlphaGo Zero 放棄了人類棋譜,並打敗用人類棋譜的AlphaGo Master 小弟不是做AI專業的,但對科硏也有一點基本認識, 知道一個產品如果有多項大改動(40 blocks, rollout, 放棄人類棋譜)絶不能夠證明產品的性能提升全是出於其中一項改動 Deepmind 連 AlphaGo Zero 20 blocks 對 AlphaGo Master 是什麼成績地不發表 - 非常不科學 Deepmind 也沒有出澄清,放棄人類棋譜未必比用人類棋譜強 - 任由某些網站把人類棋譜説成是有負面作用的絆腳石! Nature 論文是科技論文應該實事求是,而不該像市場推廣文章般容許帶有錯誤引導成份 小弟認為Deepmind 的論文的貢獻已經超大,大到完全沒有必要去更加誇大自己的成就,這樣做反而令論文不完美
發佈時間:2017/12/8 0:43
編輯者 yauwing 於 2017-12-08 00:46:34
|
|
傳輸 |
回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2016/5/28 6:44 文章:
443
|
"關於「圍棋之神」的創造,其實在AlphaGo Zero的論文時就想講。人類研究圍棋兩千多年,只折抵了AlphaGo Zero三天的學習量,若用AlphaZero訓練用的5000TPU加上更優化的演算法,可能真的不用一天就夠。如果利用這個技術,多訓練幾天、幾週、甚至幾月(相比圍棋發展史,我覺得花幾個月都非常非常划算),也許極趨近於「圍棋之神」的神AI真能誕生。
" 這問題小弟有幾㸃淺見, 1. TPU 不是 Deepmind 的,是母公司Google 的, 5000 TPU 用幾天問題應該不大, 單是用來打敗將棋及國象,就已經是十分足夠的理由, 但之後再要多用幾個月就很可能要説服Google 為什麼要把這麼多資源繼續用在圍棋上 Google 主管未必很懂及愛圍棋(聽説其中有K級什至低D的), 但肯定懂得看曲線,看得出訓練40天的AlphaZero 未必比 AlphaGo Zero 強多少,再訓練多幾個月也很難強多於200 ELO 這樣的回報 在高科技公司的主管中可能只有 林文伯先生 會認為值得吧? 2. 訓練數月後,強了100-200 ELO 的 AlphaZero 跟 AlphaZero 自己對下, 戰果會什麼? 如果不能出現白棋必勝或黑棋必勝的情況,那AlphaZero 肯定不是圍棋之神 - 出現必勝未必是圍棋之神, 但不能出現必勝肯定不是圍棋之神 3. 近年AI 有極大進步的主要是靠NN做很好的剪技,但不論怎麼好法,也很難免剪錯,就算能剪得完美,遇上兩三手勝率差不多時,就只能近乎隨機的選一手.( 一般是選算得較深的一手) 這樣做法,做得比人類強已經成功了,但想完美又要回到要有無限計算力的老問題!
發佈時間:2017/12/8 4:18
|
|
傳輸 |
回覆: 回覆: 回覆: 回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2016/5/28 6:44 文章:
443
|
發佈時間:2017/12/10 23:24
|
|
傳輸 |
回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
副站長兼資料室室長
註冊日期:
2002/10/28 18:23 來自 地球
文章:
31309
|
引文:
算是一個總結吧! (雖然早在預料之中) 對aja兄而言,是個人的一小步,也是一趟驚奇之旅。但對整個圍棋界而言,AlphaGO的震撼應不下新圍棋佈局(吳清源、木谷實)的變革。 我們有幸目睹這個變革,感恩aja、讚嘆aja,感恩圍棋、讚嘆圍棋。
發佈時間:2017/12/13 10:33
|
|
_________________
《圍棋十訣》 唐.王積薪 一.不得貪勝。 二.入界宜緩。 三.攻彼顧我。 四.棄子爭先。 五.捨小就大。 六.逢危須棄。 七.慎勿輕速。 八.動須相應。 九.彼強自保。 十.勢孤取和。 |
||
傳輸 |
回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
一品•入神
註冊日期:
2004/9/3 15:42 文章:
713
|
引文:
對岸已有免費線上觀看。
發佈時間:2018/1/4 23:29
|
|
傳輸 |
回覆: 回覆: 電腦圍棋程式人工智慧大突破-Google AlphaGo |
||
---|---|---|
副站長兼資料室室長
註冊日期:
2002/10/28 18:23 來自 地球
文章:
31309
|
netflix也能看到這部影片 :
https://www.netflix.com/tw/title/80190844 《AlphaGo 世紀對決》:Netflix 原創作品 AlphaGo 世紀對決 2017 7+ 1 小時 30 分鐘 人工智慧與人類以看似簡單、實則複雜的圍棋展開對決。
發佈時間:2018/1/5 9:52
|
|
_________________
《圍棋十訣》 唐.王積薪 一.不得貪勝。 二.入界宜緩。 三.攻彼顧我。 四.棄子爭先。 五.捨小就大。 六.逢危須棄。 七.慎勿輕速。 八.動須相應。 九.彼強自保。 十.勢孤取和。 |
||
傳輸 |
您可以在此觀看文章
您無法在此發表文章
您無法回覆文章
您無法編輯自己的文章
您無法刪除自己的文章
您無法發起投票調查
您可以在此投票
您無法上傳附加檔案
您無法不經審核直接發表文章