博弈游戏 ai JAVA_四国军棋是比较全面的下一个AI博弈游戏

中国象棋和国际象棋程序，采用的都是α-β剪枝方法，但对于围棋来说，这个方法并

不适用，其主要问题是围棋的局面评估不好计算。后来蒙特卡洛方法的引入对于围棋

来说一次突破，通过模拟的方法对局面进行评估，使得计算机围棋从基本不会下棋达

到了业余4、5段的水平。AlphaGo则引入了策略网络和估值网络，与蒙特卡洛方法结合，

缩小了搜索的宽度和深度，使得计算机围棋从业余中等水平达到了职业水平。应该也是

一次突破。

另外，AlphaGo通过增强学习方法，利用自己跟自己博弈自动学习，也是一个突破。

相对于深蓝来说，AlphaGo人为的经验整理减少了很多，通用性更强，比如可以很容易

改造成其他博弈问题的程序。

但是AlphaGo也有不足，深蓝通过一个模型，可以根据搜索深度大概预测所能达到的

下棋水平，能达到一个怎样的等级分。而AlphaGo则很难做到这一点，只能通过比赛测试

其水平。这是由方法所决定的。

【 在 rhetoric (不要走) 的大作中提到: 】

: 标  题: Re: 四国军棋是比较全面的下一个AI博弈游戏

: 发信站: 水木社区 (Thu Jan 28 22:14:34 2016), 站内

: 那么容易突破为什么20年都没有解决

: 现在的突破是什么突破？

: 我看到扎克伯格说，他们的团队采用基于搜索的一种办法，进行模式匹配，然后为可能的

: 走法进行建模。ai下一步只要0.1秒，但是效果可以和以前的智能系统花几年走的一步媲

: 美。在我的猜测里，大约就是计算方法的改进，算法优化，也与计算机运算速度本身的增

: 强有关。

: 和我理解的人工智能其实不太一样。这些系统都是问题解决系统，没有“智”，没有意识，

: 对于机器来说，一切依然是确定的。

: 【 在 dawei78 (小可爱) 的大作中提到: 】

: :

: : 不完全信息 团队配合 ，加上双明棋这种信息论推导

: :

: : ...................

: --