少儿编程开讲了：围棋AI人工智能是如何设计的？揭秘AI神秘面纱！

人工智能如何重新定义围棋？

打造一个围棋AI需要哪些条件？

（视频时长4分39秒）

2017 年 5 月 27 日，由谷歌开发的围棋 AI AlphaGo 以3:0 击败当时世界排名第一的围棋棋手柯洁，随后宣布退役。

虽然 AlphaGo隐退，但它的算法却启发了一大批围棋AI 的开发。而这些 AI 之间的交锋很快成了围棋领域新的焦点。

创立于 2007 年的UEC 杯世界电脑围棋大赛每年都会集结全世界最先进的围棋 AI ，在相当长的一段时间内，冠军都由法国的Crazy Stone 和日本的 Zen 轮流获得。

通常来说，所有棋类游戏都可以展开成一棵游戏树，这棵游戏树包含了每一回合的所有可能局面。AI 要想获得胜利，最直接的办法就是“暴力搜索”，列举出所有可能的棋局，再从最终的胜局向前回溯到当前局面，选择获胜概率最大的走法。

但围棋可能的棋局数量是 10 的 170次方，远远超过已知宇宙中所有原子的数量（10 的 80 次方），如果用“暴力搜索”下围棋，还没等人工智能算完，对面的人类棋手就已老去。

要想在合理的时间内做出决策，必须优化程序的算法。围棋 AI 算法的核心在于：蒙特卡洛树搜索以及人工神经网络。

蒙特卡洛树搜索的基本原理可以理解为，在游戏树中随机选择一条分支，并向下推演，如果这条分支的走法可以获胜，就赋予一定权重，并在下次随机选择时优先选择权重高的分支。当随机推演的次数越来越多，那些接近必胜的走法就会脱颖而出。

配合人工神经网络，蒙特卡洛树搜索算法可以优先找到对手最可能走以及获胜概率较大的那些分支，在保证胜率的同时极大缩短了运算时间。

毫无疑问，人工智能的应用拓宽了人类对围棋的认知，而这种认知也将不断提高围棋AI 的实力。