2017 年 12 月，谷歌的人工智能子公司 DeepMind 彻底震撼了国际象棋界。 A neural-network-driven program named 阿尔法零 在经典锦标赛条件下的 100 场比赛中击败了世界卫冕计算机冠军 Stockfish 8。 AlphaZero取得28胜72平0负的成绩。

让大师们惊讶的不仅仅是 AlphaZero 获胜，而是 如何 它赢了。与依赖暴力计算和硬编码评估启发式的传统引擎不同，AlphaZero 使用深度强化学习在短短四个小时内从头开始自学国际象棋。它的风格是流畅的、直观的和深刻的有机的——牺牲棋子来换取棋子的活动，窒息敌军，并重视长期空间而不是物质点。

在本文中，我们研究了 AlphaZero 如何从根本上改变了现代国际象棋策略以及玩家如何 LocalChess 可以应用这些人工智能启发的概念来改造他们自己的游戏。

传统引擎与强化神经网络

要理解 AlphaZero 的战略突破，必须将其与经典的国际象棋引擎进行对比：

传统引擎（Stockfish 8 及更早版本）

几十年来，国际象棋引擎使用强力搜索树进行操作， α-β剪枝。程序员将人类国际象棋知识硬编码到他们的算法中：棋子值（棋子 = 1、马 = 3、车 = 5）、王安全规则和棋子结构评估。传统引擎每秒评估数千万个位置，有利于具体的材料收益和敏锐的战术计算。

AlphaZero（深度强化学习）

除了国际象棋的基本合法动作之外，AlphaZero 还被赋予了零开局书籍和零人类规则。使用 蒙特卡罗树搜索 (MCTS) 与深度神经网络相结合，AlphaZero 与自己进行了数百万次游戏，通过反复试验学习哪些策略可以带来胜利。

AlphaZero 计算远 更少 每秒大约有 80,000 个位置（而 Stockfish 每秒有 7000 万个位置），但其评估功能要优越得多。它以类人直觉与完美的机器精度相结合来评估位置。

战略突破：AlphaZero 教给我们的

AlphaZero 反驳了一些传统的特级大师教条，引入了重塑高水平特级大师准备的概念：

1. 活动的长期物质牺牲

传统引擎不愿意放弃棋子或交换棋子，除非在 5-10 步之内就能看到具体的战术回报。 AlphaZero 经常在第 12 步牺牲棋子，只是为了为主教打开一条线或限制对手的马 30 步！它纯粹将材料视为工件流动性的动态资源。

2. H-Pawn 推力的威力 (h4-h5-h6)

AlphaZero 的标志性战略主题之一是在游戏早期推动其 h-pawn (h4-h5-h6)——即使国王被困在王翼！这一推动可以撬开黑方的兵盾，创造暗方的弱点，或者在被动防御中锁定黑方的车。

3. 空间优势和国王抽筋

AlphaZero 将空间控制视为重中之重。它将棋子放置在先进的方格上，创造出紧密的边界，使敌军陷入无助的瘫痪，让人想起 蒂格兰·彼得罗相的预防性防御.

标志性比赛示例：AlphaZero 对阵 Stockfish（第 10 场比赛）

在这场具有里程碑意义的比赛的第 10 场比赛中，AlphaZero 对阵 Stockfish 的白棋 法国国防:

1. e4 e6 2. d4 d5 3. Nc3 Nf6 4. e5 Nfd7 5. f4 c5 6. Nf3 cxd4 7. Nxd4 Nc6 8. Be3 Be7 9. Qd2 O-O 10. O-O-O a6 11. h4! Nxd4 12. Bxd4 b5 13. Kb1 b4 14. Na4 a5 15. h5!

AlphaZero 推到了 11.h4！ 15. h5!，完全无视Stockfish在后翼的反击。后来它用 19.d5 牺牲了它的 d 棋子！只需为其主教打开 a1-h8 对角线即可。 Stockfish 的引擎评估显示零危险，直到第 35 步完全无法动弹！

引擎进化：Leela Chess 零和高效可更新神经网络 (NNUE)

AlphaZero 的胜利引发了一场引擎革命：

  • 里拉国际象棋零 (Lc0)：开源社区的努力，复制了 AlphaZero 的强化学习方法，使每个人都可以进行神经网络评估。
  • 鳕鱼干 NNUE: 鳕鱼干公司 高效可更新神经网络（NNUE） 进入其 alpha-beta 搜索树，将快速计算与深度神经网络位置判断相结合。

如今，像这样的平台上的引擎 LocalChess 将快速搜索树与神经网络评估相结合，为玩家分析游戏提供无与伦比的清晰度。

LocalChess 玩家的实用课程

您可以将 AlphaZero 的思维方式融入到您的实际游戏中：

  • 有价值的活动优于被动的典当保护：不要防守弱兵，如果这样做会将你的所有棋子锁定在被动方格中。活跃的棋子赢得比赛。
  • 利用车兵前进：使用 h4/h5 推力来松开对手的城堡王盾，尤其是在封闭的中局游戏中。
  • 从 AI 引擎分析中学习：使用以下方法分析您的比赛 LocalChess 引擎工具 发现您可能错过的位置想法和战术改进。

结论

AlphaZero 证明，国际象棋不仅仅是一种计分游戏，它还是一幅空间、时间和棋子和谐的动态画布。通过向人工智能学习，我们在战略理解方面开辟了令人兴奋的新视野。在您的下一场比赛中探索这些人工智能概念 LocalChess!