README

   1 Pachi can refer to: a simple modular framework for programs playing
   2 the game of Go/Weiqi/Baduk, and a reasonably strong engine built
   3 within this framework.
   4
   5
   6 Installation
   7 ------------
   8
   9 To build Pachi, simply type:
  10
  11         make
  12
  13 The resulting binary program `pachi` is a GTP client; connect to it
  14 with your favorite Go program interface (e.g. gogui or qgo), or use
  15 kgsGtp to connect it to KGS.  (DO NOT make the GTP interface accessible
  16 directly to untrusted users since the parser is not secure - see the
  17 HACKING file for details.)
  18
  19 The pachi program can take many parameters, as well as the particular
  20 engine being used; the defaults should be fine for initial usage,
  21 see below for some more tips.
  22
  23 In case you hit compilation issues (e.g. when building on MacOS/X)
  24 or want to change the build configuration, check the user configurable
  25 section at the top of the Makefile.
  26
  27
  28 Engine
  29 ------
  30
  31 The default engine plays by Chinese rules and should be about
  32 3d KGS strength on 9x9. On 19x19, it might be about KGS 2k, assuming
  33 reasonable hardware, e.g. two-core Athlon64 machine.  On a higher-end
  34 (e.g. six-way Intel i7) machine, it can hold a solid KGS 1d rank.
  35 When using a large cluster (64 machines, 20 cores each), it maintains
  36 KGS 3d and has won a 7-stone handicap game against Zhou Junxun 9p.
  37
  38 By default, Pachi currently uses the UCT engine that combines
  39 Monte Carlo approach with tree search; UCB1AMAF tree policy using
  40 the RAVE method is used for tree search, while the Moggy playout
  41 policy using 3x3 patterns and various tactical checks is used for
  42 the semi-random Monte Carlo playouts.
  43
  44 At the same time, we keep trying a wide variety of other approaches
  45 and enhancements. Pachi is an active research platform and quite a few
  46 improvements have been already achieved. We rigorously play-test new
  47 features and enable them by default only when they give a universal
  48 strength boost.
  49
  50
  51 By default, Pachi will run on a single CPU core, taking up to 1.4GiB
  52 of memory, not pondering and taking completely arbitrary amount of time
  53 per turn. You can adjust these parameters by passing it extra command
  54 line options:
  55
  56         ./pachi -t _1200 threads=8,max_tree_size=3072,pondering
  57
  58 This will make Pachi play with time settings 20:00 S.D. (unless it
  59 gets told otherwise over GTP), with 8 threads, taking up to 3GiB
  60 of memory (+ several tens MiB as a constant overhead) and thinking
  61 during the opponent's turn as well.
  62
  63 Pachi can use an opening book in a Fuego-compatible format - you can
  64 obtain one at http://gnugo.baduk.org/fuegoob.htm and use it in Pachi
  65 with the -f parameter:
  66
  67         ./pachi -f book.dat ...
  68
  69 You may wish to append some custom Pachi opening book lines to book.dat;
  70 take them from the book.dat.extra file. If using the default Fuego book,
  71 you may want to remove the lines listed in book.dat.bad.
  72
  73 Pachi can also use a pattern database to improve its playing performance.
  74 You can get it at http://pachi.or.cz/pat/ - you will also find further
  75 instructions there.
  76
  77 For now, there is no comprehensive documentation of options, but you
  78 can get a pretty good idea by looking at the uct_state_init() function
  79 in uct/uct.c - you will find the list of UCT engine options there, each
  80 with a description. At any rate, usually the three options above are
  81 the only ones you really want to tweak.
  82
  83
  84 Except UCT, Pachi supports a simple idiotbot-like engine and an example
  85 treeless MonteCarlo-player. The MonteCarlo simulation ("playout")
  86 policies are also pluggable, by default we use the one that makes use of
  87 heavy domain knowledge.
  88
  89 Other special engines are also provided:
  90 * a "distributed" engine for cluster play; the description at the top of
  91   distributed/distributed.c should provide all the guidance
  92 * a simple "replay" engine that will simply play moves according
  93   to the playout policy suggestions
  94 * a simple "patternplay" engine that will play moves according to the
  95   learned patterns
  96 * few other purely for development usage
  97
  98
  99 Pachi can be used as a test opponent for development of other go-playing
 100 programs. For example, to get the "plainest UCT" player, use:
 101
 102         ./pachi -t =5000 policy=ucb1,playout=light,prior=eqex=0,dynkomi=none
 103
 104 This will fix the number of playouts per move to 5000, switch the node
 105 selection policy from ucb1amaf to ucb1 (i.e. disable RAVE), switch the
 106 playouts from heuristic-heavy moggy to uniformly random light, stop
 107 prioring the node values heuristically, and turn off dynamic komi.
 108
 109 You can of course selectively re-enable various features or tweak this
 110 further. But please note that using Pachi in this mode is not tested
 111 extensively, so check its performance in whatever version you test
 112 before you use it as a reference.
 113
 114 Note that even in this "basic UCT" mode, Pachi optimizes tree search
 115 by considering board symmetries at the beginning. Currently, there's no
 116 easy option to turn that off. The easiest way is to tweak board.c so
 117 that board_symmetry_update() has goto break_symmetry at the beginning
 118 and board_clear has board->symmetry.type = SYM_NONE.
 119
 120
 121 Analysis
 122 --------
 123
 124 Pachi can also help you analyze your games by being able to provide
 125 its opinion on various positions. The user interface is very rudimentary,
 126 but the ability is certainly there.
 127
 128 There are currently several Pachi interfaces provided for this purpose.
 129
 130 Winrate Development
 131 ~~~~~~~~~~~~~~~~~~~
 132
 133 Pachi can evaluate all moves within a given game and show how
 134 the winrates for both players evolved - i.e. who was winning at which
 135 game stage. This is implemented using the `tools/sgf-analyse.pl` script.
 136 See the comment on top of the script about its usage.
 137
 138 Move Ranking
 139 ~~~~~~~~~~~~
 140
 141 Pachi can evaluate all available moves in a given situation
 142 and for each give a value between 0 and 1 representing perceived
 143 likelihood of winning the game if one would play that move. I.e. it can
 144 suggest which moves would be good and bad in a single given situation.
 145
 146 To achieve the latter, note the number of move at the situation you
 147 want to evaluate and run the `tools/sgf-ratemove.sh` script.
 148 See the comment on top of the script about its usage.
 149
 150 Pattern Move Hinting
 151 ~~~~~~~~~~~~~~~~~~~~
 152
 153 Pachi can show instantenous pattern-based move suggestions very much
 154 like for example Moyo Go Studio (though of course without a GUI).
 155 You can use the Move Ranking method above (tools/sgf-ratemove.sh),
 156 but pass it an extra parameter '-e patternplay'.
 157
 158
 159 Framework
 160 ---------
 161
 162 The aim of the software framework is to make it easy to plug your
 163 engine to the common infrastructure and implement your ideas while
 164 minimalizing the overhead of implementing the GTP, speed-optimized
 165 board implementation, etc.  Also, there are premade random playout
 166 and UCT tree engines, so that you can directly tweak only particular
 167 policies.  The infrastructure is pretty fast and it should be quite
 168 easy for you (or us) to extend it to provide more facilities for
 169 your engine.
 170
 171 See the HACKING file for a more detailed developer's view of Pachi.
 172
 173 Also, if you are interested about Pachi's architecture, algorithms
 174 etc., consider taking a look at Petr Baudis' Master's Thesis:
 175
 176         http://pasky.or.cz/go/prace.pdf
 177
 178
 179 Licence
 180 -------
 181
 182 Pachi is distributed under the GPLv2 licence (see the COPYING file for
 183 details and full text of the licence); you are welcome to tweak it as
 184 you wish (contributing back upstream is welcome) and distribute
 185 it freely, but only together with the source code. You are welcome
 186 to make private modifications to the code (e.g. try new algorithms and
 187 approaches), use them internally or even to have your bot play on the
 188 internet and enter competitions, but as soon as you want to release it
 189 to the public, you need to release the source code as well.
 190
 191 One exception is the Autotest framework, which is licenced under the
 192 terms of the MIT licence (close to public domain) - you are free to
 193 use it any way you wish.