GPT v.s. 中国象棋：写过文章解过题，要不再来下盘棋？

最新推荐文章于 2023-08-10 13:53:00 发布

PaperWeekly

最新推荐文章于 2023-08-10 13:53:00 发布

阅读量627

点赞数 2

文章标签：自然语言处理人工智能神经网络编程语言 ai

本文链接：https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/109912389

版权

本文介绍了如何使用GPT模型来下中国象棋，通过将棋谱转化为文本字符串，利用GPT的文本生成能力来预测下一步棋。作者探讨了ICCS记谱和FEN局面表示法，并分享了模型训练和交互式下棋的实现，指出该方法在开局时表现出不错的能力，但在中局后应变能力下降。

摘要由CSDN通过智能技术生成

©PaperWeekly 原创 · 作者｜苏剑林

单位｜追一科技

研究方向｜NLP、神经网络

▲ 中国象棋

不知道读者有没有看过量子位年初的文章《最强写作AI竟然学会象棋和作曲，语言模型跨界操作引热议，在线求战》，里边提到有网友用 GPT2 模型训练了一个下国际象棋的模型。

笔者一直在想，这么有趣的事情怎么可以没有中文版呢？对于国际象棋来说，其中文版自然就是中国象棋了，于是我一直有想着把它的结果在中国象棋上面复现一下。拖了大半年，在最近几天终于把这个事情完成了，在此跟大家分享一下。

象棋谱式：

将军不离九宫内，士止相随不出官。象飞四方营四角，马行一步一尖冲。炮须隔子打一子，车行直路任西东。唯卒只能行一步，过河横进退无踪。

背棋谱

其实，简单看看量子位的文章，就能理解 GPT2 下象棋的原理了，无非就是“背棋谱”。简单来说，就是象棋的棋谱可以表示为一个连续的文本字符串，而 GPT2 正是擅长于背诵文本，因此可以用 GPT2 把人类的棋谱都背诵下来，而对于下棋来说，就可以看成是根据已经走的部分棋谱背诵下一步棋谱了，因此整个任务理论上确实是可以用 GPT2 完成。

为了完成这个任务，我们就需要了解计算机是如何记谱的。关于记谱的标准，比较通用的是 ICCS 记谱法和 FEN 局面表示法，其细节可以参考文章《中国象棋电脑应用规范(二)：着法表示》[1] 和《中国象棋电脑应用规范(二)：FEN文件格式》[2]。

1.1 ICCS记谱

简单来说，ICCS 记谱就是将棋盘用如下图的横纵坐标表示，每一步走法只需要记录起始坐标，比如“h2e2”就是指将原来位于坐标（h, 2）的子移动到（e, 2），如果是当前局面是新开局，那么这就对应着走法“炮二平五”。这样一来每一步就只需要 4 个字符来记录了，n 步的棋谱就变成了 4n 长度的字符串了。

当然，如果要输入到模型的话，不一定非得要按照这样的方式来，比如我也可以把“h2”只用一个 id 表示、“e2”用另一个 id 表示，也就是每个格点都用一个坐标而不是两个坐标来描述，这样每一步的只需要两个 id 来记录，以此来缩小棋谱的序列长度，这没有什么定法，有兴趣大家自己改进着完就好。