計算機自學72小時，已打敗國際象棋大師

他的神經網(wǎng)絡由四個層級組成，能夠以三種不同方式共同思考棋盤上每一個位置。第一種著眼于國際象棋的全局狀態(tài)，例如每邊棋子的數(shù)量和類型，輪到哪一方移動，位置對換等；第二著眼于棋子的特性，例如雙方每個棋子的位置；最后就是映射出每個棋子的攻擊和防守。

計算機自學下棋

訓練這些機器通常采用的方法，是研究人員手動評估每一個位置，并用這些信息指導機器識別出哪些步數(shù)是有效的，哪些效果沒那么好。但是，Matthew Lai的目標更加雄心勃勃，他想讓機器自學這些內容。

他采用了一個引導技術，讓人工智能Giraffe自己與自己對決，從而改善對未來下棋走位的預測。在比賽勝利、失敗或打平之后，會最終確定每一步的價值。以這種方式，計算機可以了解走哪個位置是有效的，哪些位置效果不好。

在Giraffe經過培訓之后，最后一步就是測試它的能力是否達標了。他用一個標準數(shù)據(jù)庫Strategic Test Suite來測試，這一數(shù)據(jù)庫可以測試改計算引擎識別不同的戰(zhàn)略構想的能力。他將對這項測試的結果進行評分，總分為15000。

整個訓練過程中，他會測試機器的各個階段成績。當引導過程開始時，Giraffe很快就達到了6000分的成績，僅在72小時就達到了9700分。9700分已經可以成為世界上最好的國際象棋引擎了。

Matthew Lai接著使用相同種類的機器學習方法，確定對方一個特定的移動是否值得機器進行跟隨。這一點很重要，因為它可以防止不必要的搜索，極大提高計算效率。

結果表明，46%的情況下計算機所走的步數(shù)都是最好的一步，70%的時間都能走出排在前三名的好棋。因此，計算機并沒有收到對方的動作的影響。

這一方法代表著國際象棋引擎的工作方式發(fā)生了重大變革，不過它并不完美。Giraffe的一個缺點是，神經網(wǎng)絡比其他類型的數(shù)據(jù)處理速度慢得多。Giraffe花費的時間比以往的國際象棋引擎要多耗費約10倍。

• 《物華彌新》國際象棋盾武器介紹
• 國際象棋游戲規(guī)則 棋子
• 國際象棋是怎么玩的
• 俄美囚犯網(wǎng)上國際象棋比賽：戰(zhàn)斗民族果然牛
• 人機大戰(zhàn)背后的黑手：他13歲成國際象棋大師