斗兽棋由来,斗兽棋的由来历史故事

暴力搜索 & 剪枝

• 剪枝优化：深蓝在多算2步的基础上，还可以看情况排除一些太差的棋路，进一步降低需要搜索的范围。

• 针对棋手的优化：深蓝是专门针对卡斯帕罗夫这个棋手来设计的。它事先存储了卡斯帕罗夫历史上所有的对局，每场新对局后还会再根据情况改一改参数。求卡斯帕罗夫的心理阴影面积。

结果就是，深蓝比卡斯帕罗夫高出160个等级分，相当于世界第1和世界第20之间的差距。

围棋棋盘

做一个围棋 AI 有多难？

• 围棋的变化特别多，19*19的棋盘，每一步最多有上百种走法；
• “一子落错满盘皆输”，每一步都可能反转局势，所以比赛过程中很难估测双方的胜率。

AlphaGo 的两个神经网络

AlphaGo 使用机器学习，靠两个网络来帮助做决策。

• 策略网络：对于任意一个棋盘，能给出接下来可以落子的位置和每个位置对应的可能性，这样就快速缩小了搜索范围。就好像一个经验丰富的人类棋手，看一眼棋盘就知道哪几个位置比较常见。要得到这个网络，AlphaGo 除了分析人类现有的棋谱，还跟自己模拟对战了很多场，不断把新的结果融合进网络。
• 估值网络：一盘棋下到一半，它能给出这个时候任何一方的胜率。这个估计，越接近终盘越准确。要得到这个网络，需要在第一个网络的基础上，进一步利用机器学习来训练模型。

AlphaGo 两个有趣的优化：

• 快速走子网络：思考不深入但是速度快，搭配估值网络来更好地判断最终胜负。
• 蒙特卡洛模拟：AlphaGo 在自我模拟对战的时候，不总是选择胜率最大的走法，而是偶尔也会试一下别的走法。比如有 ABC 三条路，胜率分别是95%、90%、85%，正常情况下我们总是选择 95% 的那条路，但现在我们也有一定的几率选择另外两条，而且胜率越高的路选中的可能性也越高。偶尔不走寻常路，反而可以发掘更多的可能性，厚积薄发、出奇制胜。

胜率越高的路选中的可能性也越高

AlphaGo 相比于深蓝有了划时代的进步——它不再单纯靠堆砌硬件来暴力求解，也不再专门针对某个棋手进行作弊式优化，是真正意义上的围棋“*手”。