Der Wikipedia Artikel über Go:

https://de.wikipedia.org/wiki/Go_(Spiel)?wprov=sfti1

GNU-Go-Engine:

https://www.gnu.org/software/gnugo/

Die KI-Engine AlphaGo:

https://de.wikipedia.org/wiki/AlphaGo?wprov=sfti1

Das KI-MiniGo Projekt auf GitHub mit Sourcecode:

https://github.com/tensorflow/minigo

Die KataGo KI-Engine:

https://github.com/lightvector/KataGo/releases/tag/v1.11.0

https://katagotraining.org/

Weitere kostenlose Go Programme:

https://www.gnu.org/software/gnugo/free_go_software.html

Hier das Movie „AlphaGo the Movie“ auf YouTube:

https://youtu.be/WXuK6gekU1Y

Veröffentlichung über „Playing Good-Quality Games with Weak Players by Combining Programs with Different Roles“:

https://ieee-cog.org/2022/assets/papers/paper_214.pdf

Hier ein Blog zur Netzentwicklung von KataGo:

https://blog.janestreet.com/deep-learning-the-hardest-go-problem-in-the-world/

Hier der Github Link zu der Engine:

https://github.com/lightvector/KataGo

Hier die Veröffentlichung von „
ADVERSARIAL POLICIES BEAT PROFESSIONAL- LEVEL GO AIS“:

https://arxiv.org/pdf/2211.00241.pdf

Github Veröffentlichung über KataGo auf dem Apple M1:

https://chinchangyang.github.io/github/katago/coreml/apple/m1/arm64/2022/08/20/run-katago-with-opencl-coreml.html

Veröffentlichung zu GO-KI:

„Are AlphaZero-like Agents Robust to Adversarial Perturbations?“.

https://arxiv.org/pdf/2211.03769.pdf

https://www.vice.com/en/article/dy7evy/scientists-found-a-way-to-defeat-a-near-superhuman-go-playing-ai

https://arxiv.org/pdf/2211.00241.pdf