圖文原創：譚婧

譚婧老師愛下象棋，就是誰也赢不了。

去公園下了一盤棋 ，第一步我就走了一個當頭炮 ，剩下的都是大爺們幫我走的。

結果，我輸了。

經過他們的總結研究，我第一步走錯了 。

2022年，象棋AI下棋機器人，問世了。

我和它對弈了一盤，結果，我赢了。

很有自知之明的我，嚴重懷疑設計者增加了噪音，降低了棋力。讓我赢得很舒服。

但我沒有證據。

怎麼說呢，我就喜歡高情商的AI象棋機器人。

低情商的機器人隻會冷漠地碾壓我：“下不過我，就别廢話。”

仿佛不僅嫌棄我棋臭，還嫌棄我話多。

而高情商的AI象棋機器人，大為不同。

它伸出胳膊，溫柔地擺出“請”的姿勢，它居然有機械臂。

情商和機械臂都不是重點，聊聊它的智商從何而來。

AI象棋機器人是人工智能技術中深度學習與強化學習的成果，擊殺四方。

任何人工智能都離不開數學基礎原理，在此，首先得感謝尊敬的貝爾曼（Bellman）教授。

以他名字命名的貝爾曼方程，在絕大多數強化學習的成果中都會用到，比如象棋AI下棋機器人的遠方表哥，自動駕駛。

它們是親戚，“血緣關系”是“最優決策”。

強化學習是要在多種決策中評價，找出好的決策。

強化學習在象棋中，就是在多種走法中找到最好的走法。

圍觀數學公式的人少，圍觀下象棋的人多。

我們抛開公式，用決策樹表示每一步的輸赢，非常直觀。

一盤三十步的象棋比賽，會是一顆很大的決策樹，有很多枝葉。

計算機下象棋的棋力，早就超越了絕大多數的人。然而，至今沒有任何一款計算機軟件達到全知全能的“棋神”狀态，連AI也不行。

那在下象棋這件事情上，AI這幾年在忙活啥？

那要從幾十年前講起了。

1980到1990年代，深藍計算機是大公司的，小霸王遊戲機是大家的。

假如一個人類象棋高手下一步棋，能看未來八步棋。就好比一下能想到決策樹上的第八層。

傳統象棋軟件說，這我也行。

話是沒有吹牛，傳統象棋軟件确實可以做到。

可是，再往前多算幾步，所耗時間和計算存儲可能都要翻倍。或者說，情況急轉直下。

在舊式象棋軟件的時代，得想辦法減少計算量。所以，有了阿法貝塔剪枝。

這雖然有“偷懶”的嫌疑，但我也沒有證據。

阿法貝塔剪枝的方法，相當于提前知道哪些搜索是沒有意義的，排除錯誤答案，用巧思“偷懶”，相當于省略做題過程。

舊思路在象棋上還能支撐，用在圍棋上力有不逮。

（因為圍棋是19×19的一個矩陣，每步可選擇的走法要比象棋多一個數量級。）

從舊式象棋軟件時代，人們就為棋力算分。這是一個起源很早的好辦法。

那麼得分是怎麼來呢？

用一個數學函數把有利赢棋的因素都考慮進去。

以至于，中國象棋協會也有象棋大師用此來構思好棋。

有了分數，僵化的下象棋，就是“哪步得分高，就走哪步”。

然而，象棋是一個非常講究全局觀的遊戲。

追求最終取勝，不追求每一步占盡優勢。

比如，戰術性丢車保帥。

深度學習模型在象棋面前暴露了“缺點”，它算出當下局面的勝率，但是，并不能估算出後續局面的勝率。

所以，需要一個重要的動作來加持：搜索。

從決策樹上理解，就是考慮的越多越好。

如今，能搜索到決策樹裡非常深的層數，這就意味着，招數更多，棋路更多，對勝利的把握就越大。

談到如何處理搜索量大，就談到了蒙特卡洛樹搜索是學霸特供技能，對大多數人來說，都很難。

甚至可以這樣說，就是題目很困難，算不出來，隻好求助于概率，求助于實驗。

一頓猛如虎的嚴謹分析算不出來。來吧，學霸直接撸起袖子做實驗。

蒙特卡洛方法的做法雖然看起來比較随意，但卻有着堅實的理論基礎：大數定律。

在計算機眼裡，棋子挪動一步，都算一個新的棋局，所以棋局數量何其之多。

一個厮殺正酣的棋局，往後走，可能衍生出10000種棋局。

借助蒙特卡洛樹搜索這一方法，看未來幾步怎麼走。或者說，當AI象棋機器人，有了強化學習，就有了“大局觀”。

我們馬上進入學霸區特供：《AI象棋機器人所用的蒙特卡洛樹搜索》。

這就是深度強化學習，模型收斂的目标是，把勝率估計越準越好。經過多輪訓練，勝率會越來越準。

勝率是AI象棋機器人的KPI，每下一步都估算勝率。每一步，盡量把勝率提高。

常識是，高手勝率高，低手勝率低。

問題來了，高到多少，低到多少。每一步的勝率很難準确估算，隻能估大緻範圍。

而且，把勝率提高的前提是，得把勝率算準确。

在如此模糊的情況下，數據裡會有誤差。因為有誤差，所以AI象棋機器人隻能知道“棋神”的方向是什麼，它想方設法逼近這個方向。

象棋AI機器人的棋力水平的訓練方法是，AI，加上蒙特卡洛樹搜索，然後再教導AI本身。

這個過程類似總結經驗，這樣使得它的棋力飙升。

可以說，AI象棋機器人強大之處得益于蒙特卡洛樹搜索。

超越人類是很早以前的本事了，現在追求棋力絲滑上升，情商在線。

讓棋力水平菜，還有棋瘾的人，也能玩得開心（請不要在我下象棋的時候安裝監控）。

好了，

這回就聊到這吧。

看在象棋AI下棋機器人輸給我的份上，我不妨透露兩個消息。

第一，有一版的AI象棋機器人初級棋力就打敗了全公司的挑戰者。

大勝之際，算法設計工程師們哀嚎遍野：“大事不妙”。

第二，我下赢AI象棋機器人那一局的時候，旁邊有三個AI工程師幫忙出主意。

（哦，第二點是在凡爾賽科技新媒體的日常）

最後隆重介紹一下我們的全文審核專家：

最後，再介紹一下主編自己吧，

我是譚婧，科技和科普題材作者。

為了在時代中發現故事，

我圍追科技大神，堵截科技公司。

偶爾寫小說，畫漫畫。

生命短暫，不走捷徑。

原創不易，多謝轉發

還想看我的文章，就關注“親愛的數據”。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!