咱就是說，還好祖師爺圖靈不是一位國際象棋大師！

不然整個世界的AI發(fā)展脈絡以及技術進展速度，可能和現(xiàn)在完全不一樣……

看到這兒有的人可能犯嘀咕：不是，為啥這么說??？？

國際象棋不是和AI關系密切，從計算機科學發(fā)展之初就相互促進，共同演進嗎？

注意了，這句話的重點在于：還好圖靈不是一位國際象棋“大師”。

如果他是個大師的話，可能就專精棋藝，不一定會被選中召去布萊切利莊園（英國二戰(zhàn)時期的密碼破譯中心）。

當然，圖靈也有可能還是被選中去布萊切利莊園工作。但就不會因為棋藝不佳，只能常常和水平旗鼓相當?shù)奶萍{德·米奇（Donald Michie）對弈。

二人不僅成為好友，還合作了博弈樹算法——這成為后來AlphaGo的核心。

兩人每周都會一起下棋，并且因為下棋時的閑聊，對后來的AI發(fā)展帶來深遠影響。

如果當初圖靈棋藝高超，下棋的對手不是米奇，很多歷史，可能就此改寫。

好了，我們現(xiàn)在詳細來看這究竟是怎么一回事。

“人菜癮大”的國際象棋棋手圖靈

圖靈會下國際象棋，愛下國際象棋，這事兒聲名遠播。

但有的人可能不清楚，圖靈的國際象棋棋藝水平算不得高超，甚至可以說得上是有一些平庸 （doge）。

這里和大家分享分享一則閑聞軼事——

1939年，正值二戰(zhàn)爆發(fā)前夕，英方急需破解德軍的恩尼格瑪密碼機以獲取軍事情報。

因此，不少在密碼破譯方面有突出表現(xiàn)的人才都被召至了英國政府密碼學校的所在地，也就是布萊切利莊園。

圖靈就是其中之一。

他在那兒工作了好幾年，在此期間發(fā)明了舉世聞名的圖靈機。

以上是大家都知道的事，但大家可能不知道，布萊切利莊園時期，除了潛心研究密碼破譯等相關工作，圖靈最愛的事情就是和同事來幾局國際象棋。

當時圖靈的同事中不乏一些知名的國際象棋頂級大師，比如休·亞歷山大（Hugh Alexander）和哈里·戈隆貝克（Harry Golombek）什么的。

和他們相比，圖靈是什么水平呢？

據(jù)傳某一次對弈過程中，圖靈給自己下成了死局，死活破不了。急得戈隆貝克把棋盤轉了一百八十度，自己動手來幫圖靈挽回局勢。

顯然，和碾壓式的對手下棋不是長久之計。

圖靈很快為自己物色了一個更合適的下棋搭子，18歲的唐納德·米奇。

米奇沒啥數(shù)學背景，但是學習能力很強，學東西很快，后來成為了布萊切利測試小組的關鍵成員——測試小組選拔的人都是具備橫向思維、模式識別和邏輯推理能力的精英。

在測試小組工作期間，米奇和圖靈成了好朋友，甚至離開布萊切利莊園后，兩人還長期保持聯(lián)系。

最關鍵的是，因為兩人在國際象棋方面的造詣差不多，棋逢對手，順理成章成了下棋搭子。

每周，兩人都會在布萊切利莊園不遠處小鎮(zhèn)上的酒館里下棋。

后來米奇回憶說，邊下棋邊閑聊的時候，他們倆聊的話題常常圍繞“學習型機器（learning machines）”和“機器下棋”（mechanising chess）等展開。

米奇表示：

對我來說，這些談話對我在機器智能領域的探索起到了啟蒙作用。

受此影響，米奇成了AI研究先驅(qū)

二戰(zhàn)結束后，天才們紛紛離開了布萊切利莊園，但米奇對機器智能領域的探索沒有結束。

過了幾年，米奇和人合作了一套紙上機器（即沒有任何硬件和軟件，僅用紙筆模擬機器運作邏輯）的下棋算法，名叫MACHIAVELLI。

這套算法的核心策略是走一步看一步，即根據(jù)對手的走子選擇下一步棋怎么下。

Be like：

• 輸入：對手走了什么棋
• 中間：按照一套寫在紙上的規(guī)則判斷局勢
• 輸出：決定下一步走什么

這個策略和他在布萊切利莊園破譯密碼時的思路如出一轍，都是用“受限搜索”的方式來縮小可能性。

而圖靈發(fā)明的Bombe機，用的也是這套思路。

△圖靈和Bombe機（AI繪圖）

提一個小插曲，米奇的這套算法后來被另一個同仁點名批評。

1948年，當年同在布萊切利莊園工作過的杰克·古德（Jack Good）——他是一位杰出的數(shù)學家，也是一位國際象棋大?！チ颂伺＝?，旁觀了米奇演示MACHIAVELLI。

一周后，結束旅程的杰克給圖靈寫了封信，信里指出了MACHIAVELLI的缺陷。

只會“走一步看一步”。

杰克覺得這套算法一定是個臭棋簍子，即使能非常準確的評估位置，但棋局一旦復雜化，它就很容易抓瞎了。

不過，這種試圖縮小范圍，通過啟發(fā)函數(shù)選出最佳答案，而不是窮舉的思路辦法，后來被命名為“啟發(fā)式搜索”，并被廣泛使用。

啟發(fā)式搜索突破傳統(tǒng)的暴力計算方式，實現(xiàn)AI的智能決策，解決了復雜問題的計算可行性。

現(xiàn)在，它其實已經(jīng)應用于日常生活的各個方面，比如導航、物流、游戲規(guī)則制定、AI診斷等。

1960s，米奇還和詹姆斯·多蘭（James E. Doran）依據(jù)啟發(fā)式搜索開發(fā)了圖遍歷程序（Graph Traverser Program），解決從起點到終點的最佳路徑問題。

其邏輯結構，奠定了AI中路徑規(guī)劃、博弈搜索、圖像識別等基礎。

“研究計算機下棋，并不是在浪費納稅人的錢”

同樣是1960s，米奇在在愛丁堡大學創(chuàng)立了機器智能與感知系（Department of Machine Intelligence and Perception）。

這里逐漸發(fā)展為歐洲最重要的AI研究中心之一。

到了70年代，由于AI發(fā)展史上具有里程碑意義的批判性文獻《萊特希爾報告》的發(fā)布，英國AI研究的經(jīng)費被大幅削減，米奇的研究也受到了限制。

但他繼續(xù)用有限的資金對國際象棋殘局進行研究。

米奇適始終堅信，國際象棋在AI研究中十分重要，如他在《國際象棋殘局模式知識的表示》的草稿中明確提到的那樣，“研究國際象棋并不是在浪費納稅人的錢，沒有其它同樣合適的材料可以用來研究某些重要的科學問題”。

中途有一段時間，米奇轉型成了遺傳學家，但他始終沒有離開AI研究。

而國際象棋幾乎貫穿了他整個AI研究生涯。

他在一篇論文里進一步說明，這種策略游戲適合AI研究及其主要優(yōu)勢：

國際象棋是一個定義明確且規(guī)范化的領域。它挑戰(zhàn)著各種認知功能中的最高智力水平，包括邏輯概念形成、計算、死記硬背、類比思維、演繹和歸納推理等等。USCF評級系統(tǒng)提供了一個普遍接受的績效數(shù)值標度。這個游戲可以輕易分解成子游戲，這些子游戲可以接受密集的單獨分析。

對米奇來說，國際象棋不僅僅是一種方便且有趣的探索機器智能的方式，更是AI研究中的“果蠅”，完美適用于“研究機器中知識的表示和測量”。

米奇的觀念影響了許多后來者，其對國際象棋殘局的研究，在70、80年代許多項目中起到了關鍵作用。

他的博士生羅斯·昆蘭就受此影響，后來開發(fā)出了ID3決策樹學習算法。

這是CLS開發(fā)的一系列程序之一，旨在應對米奇提出的具有挑戰(zhàn)性的歸納任務。

即僅根據(jù)基于模式的特征來判斷在固定的移動步數(shù)內(nèi)，“國王-車”對“國王-馬”殘局中，馬是否處于劣勢。

昆蘭曾在論文中特別致謝了國際象棋棋局。

One More Thing

如果當年圖靈是個頂尖優(yōu)秀的國際象棋棋手，可能后來的一切都會不一樣。

蝴蝶效應嘛～

但現(xiàn)實的發(fā)展就是，國際象棋背后的許多東西都予以計算機科學乃至如今的AI以啟迪。

而且學習國際象棋，很大程度上有助于培養(yǎng)一個人集中注意力、解決問題和做決策的能力。

不過，和深藍大戰(zhàn)三百回合的歷史最偉大棋手之一卡斯帕羅夫曾表示，“一個人擅長國際象棋，并不意味著你在其他領域也特別出色或擅長”。

現(xiàn)在，由于生成式AI時代的到來，大家對國際象棋水平和AI能力之間的關系有了更深的理解。

Hacker News上有網(wǎng)友討論分享了ta的親身感受，那就是國際象棋的高分選手可能邏輯上面真的很差。

還有網(wǎng)友表示，現(xiàn)在大家追求的AGI，既不擅長下棋，也不像我們想象中那樣善于偽裝成人類。

所以我們追求的AGI，到底是什么啊？