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