棋類遊戲的AI

，一般使用

決策樹

模型。

透過一輪輪的迭代，計算得分，來確定每一步的走法。

在國際象棋AI中：

1，馬是3分，象是3分，這兩個都是

輕子

。

2，車是5分，後是10分，這兩個都是

重子

。

3，兵是1分。

4，王在攻擊對方時大概4分，但

王自己不能被攻擊。

王被攻擊時叫“

將軍

”，必須應對，沒有解招時就輸了。

所以，

王

一般在殘局才參加戰鬥，在

後

被兌掉之後。

後因為跟王一樣都能控制

鄰近的3x3格

，對王的壓制能力巨大。

除了“將軍”這種特殊情況外，AI都是可以透過計算

得子丟子的得分

，來評估這步

走法

好不好的。

國際象棋的棋子比較平衡，只要

分值相等

就可以兌子。

精講國際象棋入門

黃維成

生活

免費閱讀

車

兌

馬象

，或者

後

兌

車馬象

，或

後

兌

雙車

，對棋局造成的戰略影響不如中國象棋的

車

兌

馬炮

大。

單純從分值的角度來看，大子（

後、車

）的價值沒有中國象棋的

車

重要。

中國象棋的車兌掉之後，那半邊的棋盤都覺得空了很多（汗）。

它的棋子得分計算起來比較簡單，更適合AI處理。

AI處理的辦法就是，一輪輪的迭代，然後打分。得分了就是好棋，丟分了就是差棋。

只要

迭代的步數夠多

，AI就能發現

幾乎所有的陷阱

，給出正確的走法。

人工智慧會取代人類嗎？

託比·沃爾什

科技

免費閱讀

AI的運算量是非常大的，它需要把那些（人類一眼就可以看出來的）無效走法也算進去，迭代好幾步之後才會發現無效。

這些都會佔據很大的運算量，因為

大多數的走法

都屬於

無效走法

。

人會一下子就關注到棋盤的左側3列（從左往右依次是

A線、B線、C線

）。

人只要稍微熟悉國際象棋的

“知識”

，就可以得出

左側3列的4個棋子

是棋局的關鍵。

右側的7個棋子都會被人暫時

忽略

，因為它們沒法對關鍵的4個棋子造成影響。

這裡實際上是一種

降維

演算法，把分析的範圍從整個棋盤的8x8格，降低到了左側3列的3x8格。

人腦會根據“

知識

”在一瞬間完成這個降維，讓思維聚焦到這麼小的範圍內。

然後得出結論：

1，白車砍掉黑馬，

2，之後B線黑兵吃車，到了C線，

3，B線白兵比C線黑兵更靠近底線升變格（3格 vs 4格，且該白棋先走），

4，白兵變後，必勝。

所以只要車砍馬，白棋就贏了。

人類得出這個結論，只要4步。

電腦AI在窮舉完所有走法，並且迭代幾輪之後，也可以得出這個結論

。

但

它的辦法與人是不一樣的

，它要計算幾十個分支，羅列出非常多的無效走法：例如把車往前走1格，或往左移動1格，等等。

人類可以在更抽象、更高階的層面理解這類遊戲的資訊，快速得出解法，而AI沒法做到這一點。

人看到的東西，是多個層次的，從戰略到戰術，從大概到細節。

人會在適當的時候選擇粗略的估計，或者精細的推理。

人會首先確定，右邊7個棋子都不是

長距離移動

的棋子，都無法對左邊4個棋子產生干擾，然後就會重點關注左邊4個棋子。

人觀察右側7個棋子時，也是重點觀察兩個

王

的位置，其次才是剩餘的兵的位置，因為兵的威力比王小。

人可以透過學習知識，對事物產生

多個層次的理解

，並且

組合運用

。

人處理東西的時候，單純就步驟上來說，比電腦AI是快得多的。

只不過電腦的

主頻太高

了，所以就算用笨辦法窮舉，依然可以戰勝人類象棋大師。

但是對於需要深入思考的東西，電腦AI就沒法處理了。AI在處理複雜問題上是完全沒法和人相提並論的。

AI沒法恰到好處的把資訊分成多個層次，然後恰到好處的去組合應用，但人經過訓練是可以做到的。

並且，人可以把自己的理解寫成文字，作為新的知識，讓其他人也可以看懂。

想了解更多精彩內容，快來關注閒聊程式碼