二代水遁大师漫画(人工智能下象棋)

图文原创:谭婧

二代水遁大师漫画(人工智能下象棋)(1)

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 。

二代水遁大师漫画(人工智能下象棋)(2)

2022年,象棋AI下棋机器人,问世了。

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。

二代水遁大师漫画(人工智能下象棋)(3)

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。

二代水遁大师漫画(人工智能下象棋)(4)

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。

二代水遁大师漫画(人工智能下象棋)(5)

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”。

二代水遁大师漫画(人工智能下象棋)(6)

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。

二代水遁大师漫画(人工智能下象棋)(7)

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?

二代水遁大师漫画(人工智能下象棋)(8)

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。

二代水遁大师漫画(人工智能下象棋)(9)

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。

二代水遁大师漫画(人工智能下象棋)(10)

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。

二代水遁大师漫画(人工智能下象棋)(11)

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。

二代水遁大师漫画(人工智能下象棋)(12)

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。

二代水遁大师漫画(人工智能下象棋)(13)

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。

二代水遁大师漫画(人工智能下象棋)(14)

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》。

二代水遁大师漫画(人工智能下象棋)(15)

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。

二代水遁大师漫画(人工智能下象棋)(16)

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。

二代水遁大师漫画(人工智能下象棋)(17)

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:

二代水遁大师漫画(人工智能下象棋)(18)

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。

原创不易,多谢转发

还想看我的文章,就关注“亲爱的数据”。

二代水遁大师漫画(人工智能下象棋)(19)

二代水遁大师漫画(人工智能下象棋)(20)

二代水遁大师漫画(人工智能下象棋)(21)

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页