5、围棋与机器学习：从理论到实践

围棋与机器学习：从理论到实践

1. 围棋服务器与学习资源

在围棋的学习和实践中，有许多实用的资源可供利用。一些流行的围棋服务器，如 KGS 围棋服务器（http://gokgs.com）和 Tygem（www.tygembaduk.com），能为玩家提供竞技游戏的平台。而 Sensei’s Library（https://senseis.xmp.net）则是一个维基风格的参考资料，包含了大量的策略、技巧、历史和琐事。对于初学者来说，Janice Kim 的《Learn to Play Go》系列书籍是学习围棋的优秀选择，尤其是第 1 卷和第 2 卷，能帮助初学者快速理解围棋游戏。

2. 教机器玩围棋

大多数棋盘游戏的人工智能在结构上有相似之处，下面我们来详细探讨教机器玩围棋时需要解决的几个关键问题。
- 开局选着 ：在游戏早期，由于后续变化众多，评估某一步棋较为困难。象棋和围棋的人工智能通常会使用开局库，这是一个从人类专家游戏中提取的开局序列数据库。构建开局库时，需要收集大量高手的游戏记录，分析这些记录，找出常见的局面。如果在某个常见局面下，对于下一步棋有强烈的共识（例如，一两个走法占后续走法的 80%），就将这些走法添加到开局库中。在游戏中，当出现开局库中的早期局面时，机器人可以直接查找专家走法。不过，这种残局数据库的方法在围棋中并不适用，因为围棋的棋盘在后期是逐渐填满的。
- 搜索游戏状态 ：棋盘游戏人工智能的核心思想是树搜索。人类在玩策略游戏时，会先考虑下一步的可能走法，然后思考对手可能的回应，再规划自己的应对，如此反复，尽可能地推演变化，最后判断结果是否有利。然后回溯并尝试