HACKING

   1 This is brief developer-oriented overview in Pachi structure.
   2
   3 Pachi is completely Go-specific (c.f. Fuego; though e.g. atari go support
   4 should be easy to add), but fairly modular. It has been built with focus
   5 on MonteCarlo-based play, but it can in principle be used for other
   6 play engines as well.
   7
   8
   9 Basic architecture
  10 ==================
  11
  12 Pachi consists of the following components:
  13
  14
  15   +------+    +--------+    +---------+
  16   | core | -- | engine | -- | playout |
  17   +------+    +--------+    +---------+
  18                      |        |
  19                   +-------------+
  20                   | aux library |
  21                   +-------------+
  22
  23 * "core" takes care of the program's lifetime, GTP interface and basic
  24   fast Go board implementation
  25
  26         zzgo.c          global initialization and the main loop
  27         version.h       current version information
  28         debug.h         debugging infrastructure
  29         random.[ch]     fast random number generator
  30         gtp.[ch]        GTP protocol interface
  31         timeinfo.[ch]   Time-keeping information
  32         stone.[ch]      one board point coloring definition
  33         move.[ch]       one board move definition
  34         board.[ch]      board definition and basic interface
  35
  36 * "aux library" provides extra functions like static tactical evaluation
  37   and pattern matching; it is somewhat interwound with "core" component
  38
  39         tactics.[ch]    extended interfaces for the go board
  40         mq.h            "move queue" data structure
  41         stats.h         "move statistics" data structure
  42         probdist.[ch]   "probability distribution" data structure
  43         ownermap.[ch]   simulation-based finalpos. "owner map" data structure
  44         pattern3.[ch]   fast 3x3 spatial pattern matcher
  45         pattern.[ch]    general multi-feature pattern matcher
  46         network.[ch]    Network interface (useful for distributed engine)
  47
  48 * "engine" receives notifications about opponent moves and is asked
  49   to generate a move to play on given board
  50
  51         engine.h        abstract engine interface
  52         random/         example "random move generator" engine
  53         replay/         example "playout move generator" engine
  54         montecarlo/     simple treeless Monte Carlo engine, quite bitrotten
  55         uct/            the main UCT-player engine, see below
  56         distributed/    "meta-engine" for distributed play by orchestrating
  57                                 several UCT engines on different computers
  58         patternscan/    auxiliary engine for harvesting patterns from
  59                                 existing games
  60         joseki/         auxiliary engine for generating joseki patterns
  61
  62 * "playout" policy is asked to generate moves to play during the Monte Carlo
  63   simulations, and to provide rough evaluation of moves feasibility for
  64   the engine
  65
  66         playout.[ch]    abstract playout policy interface,
  67                                 Monte Carlo simulation execution
  68         playout/light   uniformly random playout policy
  69         playout/moggy   rule-based "Mogo-like" playout policy
  70         playout/elo     probdist-based "CrazyStone-like" playout policy
  71
  72 * Also, several ways of testing Pachi are provided:
  73
  74         t-unit/         interface for writing unit-tests for specific
  75                                 functionality, mainly tactics
  76         t-play/         interface for testing performance by playing games
  77                                 against a fixed opponent (e.g. GNUGo)
  78
  79
  80 UCT architecture
  81 ================
  82
  83 The UCT engine has non-trivial structure by itself:
  84
  85   +-------------+    +-----+     +-------------------+
  86   | node policy | -- | UCT | --- | node prior-hinter |
  87   +-------------+    +-----+     +-------------------+
  88                         |           |
  89                    +---------+      |
  90                    | playout | -----'
  91                    +---------+
  92
  93 * "UCT" is the core of the engine
  94
  95         uct.[ch]        engine initialization, public interface
  96         internal.h      internal state and data structures
  97         tree.[ch]       minimax move tree with success statistics
  98         walk.[ch]       filling the tree by walking it many times
  99                                 and running MC simulations from leaves
 100         slave.[ch]      engine interface for the distributed engine
 101
 102 * "node prior-hinter" assigns newly created nodes preliminary success
 103   statistics ("prior values") to focus the search better
 104
 105         prior.[ch]      variety of methods for setting the priors
 106
 107 * "node policy" mainly chooses the current node's child to descend
 108   through during the tree walk, based on the already recorded statistics;
 109   it must balance exploration and exploitation well during the selection
 110
 111         policy/ucb1     the old-school original simple policy
 112         policy/ucb1amaf the AMAF/RAVE-based policy gathering statistics rapidly
 113
 114 * "dynkomi driver" dynamically determines self-imposed extra virtual komi
 115
 116         dynkomi.[ch]
 117
 118
 119 Board Implementation
 120 ====================
 121
 122 The infrastructure is optimized for speed to make it well suited
 123 for bruteforce engines, however tradeoffs are made to make it useful
 124 for heavier MonteCarlo playouts as well (e.g. real liberties are
 125 tracked instead of pseudoliberties). If you are looking for raw
 126 light playout speed, libEGO is better choice.
 127
 128 In general, arbitrary board sizes are supported; however, board sizes
 129 smaller than 9x9 have not been tested and board sizes larger than 25x25
 130 are not supported by GTP - also, in theory some buffer overflows might
 131 happen with board sizes larger than 19x19. The engine parameters are
 132 primarily tuned for 19x19 play.
 133
 134 Ruleset
 135 -------
 136
 137 While the Pachi engines generally play according to Chinese rules,
 138 internally, Pachi uses Tromp-Taylor rules because they are simple,
 139 fast and universal; they are very close to the New Zealand rules.
 140 That means, it simply counts the number of stones and one-point eyes
 141 of each color on the board, plus komi and handicap correction.
 142
 143 Tromp-Taylor rules also mean that multi-stone suicide is allowed! If you
 144 do not like that (basically if you want to pretend it plays according
 145 to Chinese rules), you need to rule that out in your engine, currently.
 146 The provided engines DO avoid multi-stone suicide, though it is allowed
 147 in the playouts for performance reasons (perhaps we should re-visit that
 148 decision in light of heavy playouts).
 149
 150 Tromp-Taylor rules have positional superko; the board implementation
 151 will set a flag if it is violated, but play the move anyway. You need
 152 to enforce the superko rule in your engine.
 153
 154
 155 GTP Implementation
 156 ==================
 157
 158 ...is a very sad hack. ENSURE that only trusted parties talk to Pachi's
 159 GTP interface, as it is totally non-resilient to any kind of overflow
 160 or bad input attacks and allowing arbitrary input to be entered within
 161 is a major security hole. Yes, this needs to be cleaned up. Also, currently
 162 engines cannot plug in their own commands and there is no GoGui interface.
 163
 164 Pachi supports only few GTP commands now. Most importantly, it does not
 165 support the undo command.  The final_status_list command requires engine
 166 support.
 167
 168
 169 General Pattern Matcher
 170 =======================
 171
 172 Pachi has in-development general pattern matcher that can match various
 173 sets of features (spatial and others), inspired by the CrazyStone pattern
 174 model. Please see pattern.h for detailed description of the pattern concept
 175 and recognized features.
 176
 177 To harvest patterns, use 'zzgo -e patternscan' (see patternscan/patternscan.c
 178 for available options).  The output of the pattern scanner are two data
 179 structures: The matched patterns
 180
 181         (feature1:payload feature2:payload ...)
 182
 183 and spatial dictionary. "Spatial" feature represents a particular
 184 configuration of stones in a circle around the move-to-play; each
 185 configuration has its own record in the dictionary and the spatial
 186 feature references only the id in the dictionary; so you need to keep
 187 both the patterns and the "patterns.spat" file.  Normally, 'patternscan'
 188 will only match already existing dictionary entries, but you
 189 can pass it "gen_spat_dict" so that it appends all newly found spatial
 190 features to the dictionary - use "spat_threshold" to limit recording
 191 only to frequently occuring spatial features; to start the dictionary
 192 from scratch, simply remove any existing "patterns.spat" file.
 193
 194 There are few pre-made scripts to make the initialization of the pattern
 195 matcher easy:
 196
 197 * pattern_byplayer.sh: Sorts out patterns from given SGF collection by
 198   player names, one player per file in a dedicated directory. This is
 199   useful if you want to use the patterns to e.g. recognize games of a
 200   player by characteristic patterns. Spatial dictionary is autogenerated
 201   in full.
 202
 203 * pattern_spatial_gen.sh: Initializes spatial dictionary by spatial features
 204   found at least N times in given SGF collection.  This is useful for
 205   further gathering of general pattern statistics while keeping the amount
 206   of spatial features manageable.
 207
 208 * pattern_spatial_show.pl ID: Shows spatial pattern of given id in 2D plane.
 209
 210 * pattern_mm.sh: Combines patternsacn engine and the MM tool (see below),
 211   producing gamma values for harvested patterns.
 212
 213 Minorization-majorization (CrazyStone patterns)
 214 -----------------------------------------------
 215
 216 The pattern harvester can be used together with the MM tool by Remi Coulom:
 217
 218         http://remi.coulom.free.fr/Amsterdam2007/mm.tar.bz2
 219
 220 This tool will compute relative strength of individual features for teaming
 221 them up and using the outcoming probability distribution for generating moves.
 222 There is a script that will take you from SGF game collection to gamma values
 223 in single shot - "pattern_mm.sh".
 224
 225 The resulting "patterns.gamma" file contains mapping from feature instances
 226 to gamma floats, representing the features strength; note that it is totally
 227 meaningless without the accompanying "patterns.spat" file generated by the
 228 pattern_gather script. This file is used for "full-scale" pattern matching
 229 used for tree node priors. Another "fast" pattern feature set is used for
 230 generation of in-playout probability distribution - gamma values for these
 231 features are stored in "patterns.gammaf".
 232
 233 To make Pachi use the gamma values for tree bias and in MC playouts, use the
 234 "elo" playout policy - but note that it's still in heavy development.
 235
 236
 237 Plugin API
 238 ==========
 239
 240 The UCT engine allows external plugins to be loaded and provide external
 241 knowledge for various heuristics - currently just biasing the MCTS priors,
 242 but more can be added easily. The plugins should follow the API in
 243 <uct/plugin.h> - see that file for details.
 244
 245
 246 Joseki Patterns
 247 ===============
 248
 249 Joseki patterns can be generated from variations of a SGF file. Josekis
 250 are matched per-quadrant, no other move must be within the quadrant. See
 251 joseki/README for details on usage of the auxiliary engine and a full
 252 recipe for making Pachi play according to joseki sequences extracted from
 253 the Kogo dictionary.