python 绘制围棋棋盘_围棋的本质(十) 初手的选择

围棋的本质系列 -- 第一篇

围棋的本质系列 -- 上一篇

转眼间，已经第十讲了。虽然我们甚至不知道如何开始这个游戏。但我们从规则出发，以及积累了最本质的理论基础。今天我们尝试着从理论出发，开始迈出第一步——初手的选择。

还记得上一讲的能量场理论吗？让我们简单复习一下。

能量场理论

围棋盘共有19*19=361个交叉点, 初始状态每个交叉点都等概率归属双方。一旦有子落下，就会影响每一个交叉点的归属概率，通常就像水波一样，越靠近落子位置，影响越大。如下面这张图所示，红色代表这个点归属黑棋的概率的百分比。

从这个角度理解围棋，就很简单了。只要我们每一手棋选择能量场影响最大的那手棋就可以了。

听起来虽然很容易，但如何估计能量场确实是一个挺难的事情，至少人脑只能估算。

让我们看一下第一手棋的选择，先看一下围棋盘的分布。

由于围棋盘是对称的，我们的第一手只能选择，角，边和中腹。这三者有什么区别呢，根据能量场理论，我们看一下每个位置落子后，对周围交叉点的影响力。

我们先来看角部，角部由于最靠近棋盘的边界，棋子的活动空间最小，也最容易掌控。比如下图。黑棋落在B2的位置，几乎控制住了A，B，C三个点。

如果白棋对这3个点有什么想法，就会像下图一样被吃光。

本质原因是两条边线限制了白棋的活动空间，使黑棋轻松的堵住了白棋的气。

中腹则不存在这个问题。

即使白棋在黑棋附近落子，黑棋也很难消灭它，因为周围的空间很宽广，白棋的气会越走越长。

由此可见，中腹的棋子对周围的交叉点的控制力不如角上。

那是否我们应该选择先从角部开始呢？

其实也不一定，因为中腹虽然对周围子的控制力弱，但是中腹可以影响左上，左下，右上，右下4个方向。而角部只能对一个方向产生比较大的影响。所以我们不能简单得出角部更优这样一个结论。

那么究竟初手选择哪个方向是最优的呢，用人类的思维其实很难给出证明，好在我们有人工智能。在初手选择的问题上，人工智能选择了先占据角部。

围棋人工智能软件，采用深度学习的方式，进行大量(数以亿计)的对局模拟，可以估算每一个局面黑白双方的胜率。虽然这个胜率并非真理，但由于人工智能的水平已经远超人类世界冠军。因此，在不确定的问题面前，相信人工智能是当前比较好的一个选择。

我们姑且认为先占据角部是正解，但角部只是一个包含多个选点的范围，并非每一个点都是可取的。比如我们上边提到的点，是可取的吗。

黑棋控制了A,B,C三个交叉点，但人总是贪心的，如果我们离边界再远一点，能控制更多的交叉点吗？我们来看下图

相比于B2的位置，黑棋往中间移动一路。依然可以控制角部。

白棋入侵角部，会被黑棋包围住。虽然看起来白棋还有3口气，但最终会被黑棋收完。想一下之前我们学到的“两眼”活棋，角上的空间明显不够做出两只眼，因为最终白棋只能含恨而终。

由此可见，本图黑棋的位置C3优于之前的B2.

再往中间靠一点呢？

这种情况，白棋就可以入侵角部了，因为白棋间接控制了八个交叉点，足够做出两只眼了。但是黑棋也并不是完全不可取。因为由于黑棋先占据了角部的位置，导致白棋在这里的发展已经受到了限制，即便白棋占得一块地盘，平均的子效也并不高。

上图是这个角部的后续变化，也可以成为定式。定式指的是局部约定俗成的一个互相不吃亏的走棋方式。虽然它很经典，但不希望初学者现在去记忆它，因为不理解的记忆对棋力提高完全没有帮助。

今天我们只观察这个形状。角上标记“叉叉”的位置，几乎被白棋控制，也就是说白棋对这些点有很强的能量场。外侧标记“三角”的位置，面积更大，但是黑棋没有完全占据它们，换句话说，黑棋对这些点有一般的能量场。

用更容易的话表述的话，可以理解为白棋拿到了面包，而黑棋拿到了小麦的种子。如果小麦成长的好，可以做出更多的面包，但做的不好也有可能颗粒无收。所以我们不能简单的判断谁好谁坏。

 

但我们依旧可以借助人工智能帮助我们找出均衡的几个点。目前主流的人工智能软件给出了3个比较均衡的开局点。它们分别是：

【三三】

距离左边和下边两条边界的距离都是3，故得名“三三”

【小目】

一边距离边界为4，一边距离边界为3，通过连线可以得到一个“目”字的形状，故名为小目

【星位】

距离两边界的距离都是4，由于占据了棋盘上的“星”的位置(标准19*19棋盘共有9个星，为了方便人眼更好的划分棋盘和计算棋子之间的距离)，故得名为星位。

以上三种占角方式“三三”，“小目”，“星位”均为人工智能认为比较均衡的方式。就如同前面的例子所说，喜欢面包的人更偏爱“三三”，喜欢小麦的人更偏爱“星位”。但他们都是可取的点，没有明显的好坏之分。

对于初学者，笔者建议三种方式都尝试一下，体会一下它们的不同之处，这样才能帮助我们更好的提高。

对于今天的内容，有同学可能会产生疑问。人工智能毕竟不是唾手可得的，人工智能得到的结论也缺乏逻辑性，似乎只能死记硬背，这和整个教程以推理的思路是不符的，应该如何看待这个问题呢？

这是个很好的问题，我们没有必要把棋理和人工智能对立起来看。而应该结合两者的优势。棋理可以帮助我们以正确的方式思考围棋，掌握一些基本的判断方式和行棋技巧。而人工智能更多的是在模糊和复杂场景的选择上占据上风。

我们可以模仿人工智能的节点，但也没有必要唯AI至上，因为在绝对大多数场景，棋手比拼的还是自己对围棋的思考和理解。