（六）从零开始学人工智能-搜索:对抗搜索

对抗搜索

1 为什么要学习对抗搜索？

上文开篇我们说了为什么要学习一点算法：不求能上天飞黄腾达，但至少得知道将来干掉自己的是谁，不能走的不明不白，是不？

李开复曾经把基础课程比拟为“内功”，把新的语言、技术、标准比拟为“外功”。 整天赶时髦的人最后只懂得招式，没有功力，是不可能成为高手的。真正学懂计算机的人（不只是“编程匠”）都对数学有相当的造诣，既能用科学家的严谨思维来求证，也能用工程师的务实手段来解决问题——而这种思维和手段的最佳演绎就是“算法”。

对抗搜索是一类算法的算法的总称，也是机器学习的一个分支。那我们为什么要学习对抗搜索呢？实在点，学它对我们有什么用？能增收或撩妹不？你总得给我个理由是不！

为了回答这个问题，我们先看一下这张图，也是AI的发展简史：

从图中可以看到，1997年Deep Blue世纪大战和2016年AlphaGo击败李世石，其中的关键技术即是对抗搜索技术。在棋类游戏里AI已经超过了人类，另外，在我们数学部分第一讲的概述中也提到了同样的问题，AI在计算机视觉领域（如ImageNet的识别）等也是远远优于人类的。**刺激不？危机不？**那怎么办呢？

成年人别问那么多，直接干学就完了！

再举一个棋类例子：设想你在玩井字棋：

井字棋是一种在3 * 3格子上进行的连珠游戏，和五子棋类似，分别代表O和X的两个游戏者轮流在格子里留下标记（一般来说先手者为X），任意三个标记形成一条直线，则为获胜。

正常情况下，你的目标是赢，除非...对方是个妹纸，如何轻松赢得棋局，学完这部分内容，你将赢棋把妹两不误！不说废话了，开搞吧:joy:

2 什么是对抗搜索？

老规矩，为了方便描述，我们先介绍几个概念，有个先验印象，对抗搜索涉及几个常见概念：智能体、对抗搜索和博弈树。

智能体

智能体（agents）：在信息技术尤其是人工智能和计算机领域，可以看作是能够通过传感器感知其环境，并借助于执行器作用于该环境的任何事物。以人类为例，我们是通过人类自身的五个感官（传感器）来感知环境的，然后我们对其进行思考，继而使用我们的身体部位（执行器）去执行操作。类似地，机器智能体通过我们向其提供的传感器来感知环境（可以是相机、麦克风、红外探测器），然后进行一些计算（思考），继而使用各种各样的电机/执行器来执行操作。现在，你应该清楚在你周围的世界充满了各种智能体，如你的手机、真空清洁器、智能冰箱、恒温器、相机，甚至你自己。

对抗搜索

对抗搜索也称为博弈搜索，在人工智能领域可以定义为：有完整信息的、确定性的、轮流行动的、两个游戏者的零和游戏（如象棋）。

• 游戏：意味着处理互动情况，互动意味着有玩家会参与进来（一个或多个）；

• 确定性的：表示在任何时间点上，玩家之间都有有限的互动；

• 轮流行动的：表示玩家按照一定顺序进行游戏，轮流出招；

• 零和游戏：意味着游戏双方有着相反的目标，换句话说：在游戏的任何终结状态下，所有玩家获得的总和等于零，有时这样的游戏也被称为严格竞争博弈；

  关于零和，也可以这样来理解：自己的幸福是建立在他人的痛苦之上的，二者的大小完全相等，因而双方都想尽一切办法以实现“损人利己”。零和博弈的结果是一方吃掉另一方，一方的所得正是另一方的所失，整个社会的利益并不会因此而增加一分。

例如下井字棋，一个游戏者赢了+1，则另一个一定输了-1，总和等于零。

博弈树

考虑两个游戏者：MIN和MAX，MAX先行，然后两人轮流出招，直到游戏结束。在游戏最后，给优胜者积分，给失败者罚分。

游戏可以形式地定义成含有下列组成部分的一类搜索问题：

• 初始状态，包含棋盘局面和确定该哪个游戏者出招。
• 后继状态，返回(move,state)对（两项分别为招数、状态）的一个列表，其中每一对表示一个合法的招数和其结果状态。
• 终止测试，测试判断游戏是否结束，游戏结束的状态称为终止状态。
• 效用（收益）函数，效用函数（又称为目标函数或者收益函数），对终止状态给出一个数值。在井字棋中，结果是赢、输或平，分别赋予数值+1、-1或0。有些游戏有更多的可能结果，例如双陆棋的收益范围从-192到+192。

每方的初始状态和合法招数定义了游戏的博弈树。上图给出了井字棋的部分博弈树。在初始状态，MIN有9个可能的走法。游戏交替执行，MAX下X，MIN下O，直到我们到达了树的叶节点对应的终止状态，也就是说一方的三个棋子连成一条直线或者所有棋位都填满了。叶节点上的数字指示了这个终止状态对于MAX来说的效用值；值越高被认为对MAX越有利，而对MIN则越不利。所以MAX的任务是利用搜索树（特别是终止状态的效用值）来确定最佳的招数，即求解终止状态为+1的招数。

3 对抗搜索算法

上节提到的#字棋游戏，我们可以大概画出它的博弈树：

至于为什么需要这棵树我相信你很容易想到，计算机最擅长什么？没错，就是机械式穷举，试想一下，当你走了一步后，计算机准备执行下一步，它就会考虑所有能走的情况，然后他会再穷举你接下来的步骤然后再继续加深...不过回过头来想一下你就会发现这种方法更适用于一些棋盘比较小得如上面的#字棋，这样计算机只需要很少的搜索深度，就能选择最佳方案，因此一个设计优秀的#字棋AI基本上你是赢不了的，除非你也有同他那样的穷举能力，那么输赢就要取决于谁先走了。

有了这样一棵博弈树之后，有没什么方法找到最优解呢？我们介绍三种常见算法： 极小极大值算法、α-β剪枝、 蒙特卡罗树搜索算法。

3.1 极小极大值算法

本节我们以例子形式展开介绍极小极大算法。

3.1.1 分硬币游戏

虽然就算是井字棋这样的简单游戏，但是想要画出它的整个博弈树对我们而言也太复杂了，所以我们将转而讨论一个更简单的游戏：分硬币游戏。

假设我们已经有一个评价每种决策的收益的估值函数。对于极大层节点，如果我们知道了它的每一步决策的收益值，那么它总是会选择收益最大的那个决策，作为它的节点的收益值；反过来，对于极小层节点，它总是会选择收益最小的（对我方收益最小，就是对方收益最大）那个决策。

游戏规则是：一堆硬币，双方轮流将它分成大小不能相等的两堆，然后下一个人挑选任意一堆继续分下去，双方交替游戏，直到其中一个人无法继续分下去，则对方获得胜利。

假设我们刚开始有一堆7枚硬币，轮到我方先分。我需要找到我当前应该怎么样分这堆硬币。或者说，需要找到当前能够获得最优收益的决策，我们通过构造出一棵极大极小树来做到。

首先，我们穷举所有的可能的状态。用矩形代表轮到我方做决策的极大层节点，用圆形代表轮到对方做决策的极小层节点，列举出所有的状态：

注意，到这里我们还没有进行估值 ，因此这还不算是极大极小树。下面