134 给你们来一个七定王（第1页）

相对于计算机在国际象棋中的胜利，中国象棋的智能程序进展一直落后。

这倒不是中国象棋要比国际象棋难之类的原因，而是因为棋类智能对于大公司来说毕竟只是一种公关手段，没有实际上的营收价值。

“深蓝”取得国际象棋的胜利之后，许多人都认为计算机下棋这事已经差不多到头了，

继续去搞难度差不多的中国象棋费力不讨好，IBM也解散了“深蓝”团队。

唯有围棋确实难度上要高很多，并且很具有挑战性。

一般人们都认为，计算机要在围棋中取胜比在国际象棋等游戏中取胜要困难得多，因为围棋的棋盘太大，下棋点极多，分支因子远多于其他游戏。

并且每次落子对情势的好坏飘忽不定，天堂地狱就在一瞬之间，技术很成熟之后，人们经常可以观察到那种一手棋下掉AI系统百分之六七十胜率的情况。

可以说是“一着不慎满盘皆输”的最好演绎了。

诸如暴力搜索法、Alpha-beta剪枝、启发式搜索的传统人工智能方法在围棋中很难奏效。

不过围棋在西方没什么受众，主要热度还是在东亚三国，因此很长一段时间内没有太多人愿意花时间在这件事情上，这十几年的发展速度中规中矩。

DeepMind投入在这件事情上，很大程度也是机缘巧合。

一方面许多高层都热爱棋类，另一方面可能更加关键，DeepMind的核心成员，两位首席科学家之一的黄士杰在围棋智能上有着很深的积淀和情怀。

黄士杰的硕士论文是《计算机围棋的打劫策略》，博士论文是《应用于电脑围棋之蒙地卡罗树搜寻法的新启发式演算法》。

相比孟繁岐这种毕业了连本科专业知识都全忘了的人，黄博士可以说专业是非常对口了。

“其实现在的围棋智能已经有了一定的竞争力。”黄博士为孟繁岐介绍了一下现阶段围棋智能的棋力：“差不多最高才在业余五段左右的水平，如果不让字的话，和真正的职业选手对弈，毫无胜算。”

基本的围棋棋力划分孟繁岐还是大概清楚的，业余六段大约可以与职业初段水平相比拟。

黄士杰博士本人就是宝岛业余六段，算得上是职业水准守门员了。

倘若自己造出的智能程式能够稳定占据上风，自己完全下不过的话，基本上象征着围棋智能来到了真的职业水准。

而不是只能通过让3-4子这样的方式击败职业棋手。

并且，如果造出来的智能下不过自己，这件事情属实没什么意思。

“你们目前的想法和策略大概是什么样的。”大概聊了一些情况之后，孟繁岐将话题切入了具体的算法部分。

从理论上来说，围棋问题的输入和孟繁岐非常擅长的图像类其实很像。

彩色图片在计算机中的形式就是多通道矩阵，通常为3通道，代表三原色。

比如，一张分辨率为224x224的图片，就是以三个[224，224]矩阵的形式进行存储。

一般来说，每个位置的取值在0~255之间。

对于围棋这个情况来说，它的输入就像是一个19x19的单通道图片。

19x19表示棋盘上所有的落子地点，而每个地点的取值就只有三种状态，黑，白，无子。

可以用[-1，0，1]三个数字来指代。

而围棋智能的目标，所谓的下棋。