2、将围棋视为机器学习问题：解锁智能博弈的奥秘

将围棋视为机器学习问题：解锁智能博弈的奥秘

1. 为何选择游戏作为 AI 研究对象

游戏一直是 AI 研究的热门主题，这不仅仅是因为它们有趣，更重要的是，游戏简化了现实生活中的一些复杂性，让研究者能够专注于所研究的算法。

以社交媒体上的一条评论“哎呀，我忘了带伞”为例，人类能够轻松推断出朋友遇到了下雨的情况。这是因为我们运用了关于雨伞用途的常识，以及人们发表评论的社交知识。然而，计算机在处理这类隐含信息时却面临困难。现代深度学习技术虽然能够有效地处理输入的信息，但我们很难找到所有相关信息并将其提供给计算机。

游戏则巧妙地避开了这个问题。它们发生在一个人造的环境中，所有决策所需的信息都在规则中明确列出。此外，游戏特别适合强化学习。例如，使用强化学习训练机器人在建筑物中移动时，在控制系统未完全调试好之前，机器人可能会摔倒或撞倒家具。虽然可以构建计算机模拟环境，但这不仅需要投入大量精力开发详细的模拟程序，而且模拟结果可能并不完全准确。而对于游戏来说，只需要让 AI 进行游戏即可。即使在学习过程中输掉几十万场比赛也无关紧要。许多前沿算法最初都是在 Atari 视频游戏（如《打砖块》）中得到验证的。

2. 围棋规则快速入门

• 棋盘理解 ：围棋棋盘是一个方形网格，棋子放置在交叉点上，而非方格内。标准棋盘为 19×19，但玩家有时也会使用 9×9 或 13×13 的小棋盘进行快速对局。棋盘上有九个标记为点的位置，称为星位，主要用于帮助玩家判断距离，对游戏规则没有影响。
• 落子与提子 ：两名玩家分别使用黑子和白子，轮流在棋盘上落子，黑方先行。棋