图文原创：谭婧
谭婧老师爱下象棋，就是谁也赢不了。
去公园下了一盘棋 ，第一步我就走了一个当头炮 ，剩下的都是大爷们帮我走的。
结果，我输了。
经过他们的总结研究，我第一步走错了 。
我和它对弈了一盘，结果，我赢了。
很有自知之明的我，严重怀疑设计者增加了噪音，降低了棋力。让我赢得很舒服。
但我没有证据。
怎么说呢，我就喜欢高情商的AI象棋机器人。
低情商的机器人只会冷漠地碾压我：“下不过我，就别废话。”
仿佛不仅嫌弃我棋臭，还嫌弃我话多。
而高情商的AI象棋机器人，大为不同。
它伸出胳膊，温柔地摆出“请”的姿势，它居然有机械臂。
情商和机械臂都不是重点，聊聊它的智商从何而来。
AI象棋机器人是人工智能技术中深度学习与强化学习的成果，击杀四方。
任何人工智能都离不开数学基础原理，在此，首先得感谢尊敬的贝尔曼（Bellman）教授。
以他名字命名的贝尔曼方程，在绝大多数强化学习的成果中都会用到，比如象棋AI下棋机器人的远方表哥，自动驾驶。
它们是亲戚，“血缘关系”是“最优决策”。
强化学习是要在多种决策中评价，找出好的决策。
强化学习在象棋中，就是在多种走法中找到最好的走法。
围观数学公式的人少，围观下象棋的人多。
我们抛开公式，用决策树表示每一步的输赢，非常直观。
一盘三十步的象棋比赛，会是一颗很大的决策树，有很多枝叶。
计算机下象棋的棋力，早就超越了绝大多数的人。然而，至今没有任何一款计算机软件达到全知全能的“棋神”状态，连AI也不行。
那在下象棋这件事情上，AI这几年在忙活啥？
那要从几十年前讲起了。
1980到1990年代，深蓝计算机是大公司的，小霸王游戏机是大家的。
假如一个人类象棋高手下一步棋，能看未来八步棋。就好比一下能想到决策树上的第八层。
传统象棋软件说，这我也行。
话是没有吹牛，传统象棋软件确实可以做到。
可是，再往前多算几步，所耗时间和计算存储可能都要翻倍。或者说，情况急转直下。
在旧式象棋软件的时代，得想办法减少计算量。所以，有了阿法贝塔剪枝。
这虽然有“偷懒”的嫌疑，但我也没有证据。
阿法贝塔剪枝的方法，相当于提前知道哪些搜索是没有意义的，排除错误答案，用巧思“偷懒”，相当于省略做题过程。
旧思路在象棋上还能支撑，用在围棋上力有不逮。
（因为围棋是19×19的一个矩阵，每步可选择的走法要比象棋多一个数量级。）
从旧式象棋软件时代，人们就为棋力算分。这是一个起源很早的好办法。
那么得分是怎么来呢？
用一个数学函数把有利赢棋的因素都考虑进去。
以至于，中国象棋协会也有象棋大师用此来构思好棋。
有了分数，僵化的下象棋，就是“哪步得分高，就走哪步”。
然而，象棋是一个非常讲究全局观的游戏。
追求最终取胜，不追求每一步占尽优势。
比如，战术性丢车保帅。
深度学习模型在象棋面前暴露了“缺点”，它算出当下局面的胜率，但是，并不能估算出后续局面的胜率。
所以，需要一个重要的动作来加持：搜索。
从决策树上理解，就是考虑的越多越好。
如今，能搜索到决策树里非常深的层数，这就意味着，招数更多，棋路更多，对胜利的把握就越大。
谈到如何处理搜索量大，就谈到了蒙特卡洛树搜索是学霸特供技能，对大多数人来说，都很难。
甚至可以这样说，就是题目很困难，算不出来，只好求助于概率，求助于实验。
一顿猛如虎的严谨分析算不出来。来吧，学霸直接撸起袖子做实验。
蒙特卡洛方法的做法虽然看起来比较随意，但却有着坚实的理论基础：大数定律。
在计算机眼里，棋子挪动一步，都算一个新的棋局，所以棋局数量何其之多。
一个厮杀正酣的棋局，往后走，可能衍生出10000种棋局。
借助蒙特卡洛树搜索这一方法，看未来几步怎么走。或者说，当AI象棋机器人，有了强化学习，就有了“大局观”。
我们马上进入学霸区特供：《AI象棋机器人所用的蒙特卡洛树搜索》。
这就是深度强化学习，模型收敛的目标是，把胜率估计越准越好。经过多轮训练，胜率会越来越准。
胜率是AI象棋机器人的KPI，每下一步都估算胜率。每一步，尽量把胜率提高。
常识是，高手胜率高，低手胜率低。
问题来了，高到多少，低到多少。每一步的胜率很难准确估算，只能估大致范围。
而且，把胜率提高的前提是，得把胜率算准确。
在如此模糊的情况下，数据里会有误差。因为有误差，所以AI象棋机器人只能知道“棋神”的方向是什么，它想方设法逼近这个方向。
象棋AI机器人的棋力水平的训练方法是，AI，加上蒙特卡洛树搜索，然后再教导AI本身。
这个过程类似总结经验，这样使得它的棋力飙升。
可以说，AI象棋机器人强大之处得益于蒙特卡洛树搜索。
超越人类是很早以前的本事了，现在追求棋力丝滑上升，情商在线。
让棋力水平菜，还有棋瘾的人，也能玩得开心（请不要在我下象棋的时候安装监控）。
好了，
这回就聊到这吧。
看在象棋AI下棋机器人输给我的份上，我不妨透露两个消息。
第一，有一版的AI象棋机器人初级棋力就打败了全公司的挑战者。
大胜之际，算法设计工程师们哀嚎遍野：“大事不妙”。
第二，我下赢AI象棋机器人那一局的时候，旁边有三个AI工程师帮忙出主意。
（哦，第二点是在凡尔赛科技新媒体的日常）
最后隆重介绍一下我们的全文审核专家：
更多阅读
3. 隐私计算：消失的人工智能 “法外之地”
4. 售前，航空母舰，交付，皮划艇：银行的AI模型上线有多难？
5. 两大榜单揭晓啦，2021年中国高性能计算机性能TOP100+国际人工智能性能排行榜AIPerf500
漫画系列
1. 万字大稿深度解读硅谷风投A16Z“50强”数据公司榜单
4. AI for Science这事，到底“科学不科学”？
10. 你爱吃的火锅底料，是机器人自动进货丨漫画AutoML
AI框架系列：
DPU芯片系列：
2. 永远不要投资DPU？
最后，再介绍一下主编自己吧，
我是谭婧，科技和科普题材作者。
为了在时代中发现故事，
我围追科技大神，堵截科技公司。
偶尔写小说，画漫画。
生命短暂，不走捷径。
个人微信：18611208992
原创不易，多谢转发
还想看我的文章，就关注“亲爱的数据”。
7577
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
