棋牌人工智能简史：从深蓝到AlphaGo与绝艺

棋牌一直是人工智能最钟爱的试验场：规则明确、胜负可判、复杂度却足够惊人。过去三十年，AI 在棋牌领域完成了从「算得快」到「学得会」的跃迁，也彻底改变了人类棋手的训练方式。本文按时间线梳理这条技术脉络。

一、深蓝时代：把搜索算到极致（1997）

1997 年 5 月，IBM 的深蓝（Deep Blue） 以 3.5:2.5 战胜国际象棋世界冠军卡斯帕罗夫，成为 AI 史上的标志性事件。

深蓝的技术路线可以概括为暴力搜索 + 人工评估函数：

• 用专用硬件实现极高的每秒搜索局面数；
• 靠 Alpha-Beta 剪枝把搜索树砍到可算的规模；
• 评估函数由人类大师参与调参，写入子力价值、王的安全、兵形结构等经验。

深蓝证明了一件事：在分支因子适中的棋类里，算力加人类知识可以超越顶尖人类。但它的方法无法直接搬到围棋上——围棋每步平均合法着法约 250，搜索空间远超国际象棋。

二、蒙特卡洛树搜索：围棋的第一次突破（2006 起）

2006 年前后，蒙特卡洛树搜索（MCTS） 引入围棋程序，思路从「穷举评估」转向「随机模拟胜率」：不再试图精确判断局面价值，而是从当前局面出发大量随机试下，用胜率统计指导选点。

MCTS 让围棋程序从业余低段跃升至业余高段，但面对职业棋手仍有明显差距——随机模拟的质量成了瓶颈。

三、AlphaGo：深度学习 + 强化学习（2016—2017）

2016 年 3 月，DeepMind 的 AlphaGo 以 4:1 战胜韩国棋手李世石，震动整个围棋界。2017 年 5 月，AlphaGo 在中国乌镇以 3:0 战胜当时世界第一的柯洁。

AlphaGo 的关键创新是把三样东西缝在一起：

1. 策略网络：用深度卷积网络预测「人类高手会走哪里」，大幅缩小搜索宽度；
2. 价值网络：直接评估局面胜率，替代低质量的随机模拟；
3. MCTS：把两个网络的输出组织成实际的着法选择。

2017 年 10 月，AlphaGo Zero 更进一步——完全不使用人类棋谱，仅凭规则自我对弈从零学起，几天内超越所有前代版本。它带来的启示是：人类经验既是加速器，也可能是天花板。

四、国产围棋 AI：绝艺与星阵

中国团队几乎同步跟上。腾讯的绝艺（Fine Art） 在 2017 年 UEC 杯计算机围棋大赛夺冠，随后长期作为职业棋手的训练工具；中科院背景的星阵（Golaxy） 也在职业对局与人机指导中广泛应用。

今天，「AI 胜率曲线」已经成为围棋直播的标准配置，职业棋手的日常训练几乎离不开 AI 复盘。围棋 AI 还改写了不少定式认知——过去被认为「俗手」的点三三、早期肩冲，在 AI 体系下重新获得评价。

五、非完全信息博弈：扑克与麻将

围棋是完全信息博弈，双方看到的信息一致。真正的难题是不完全信息——牌类游戏里你看不到对手的手牌。

• 扑克：2017 年，卡内基梅隆大学的 Libratus 在一对一无限注德州扑克中战胜多位职业选手，核心技术是博弈论均衡求解与实时子博弈重解；
• 麻将：2019 年，微软亚洲研究院的 Suphx 在日本麻将平台「天凤」上达到十段水平，需要处理隐藏牌、随机摸牌与四人博弈；
• 斗地主：2021 年的 DouZero 用深度蒙特卡洛方法在斗地主 AI 排行榜上登顶，验证了在多智能体、动作空间巨大的牌类中强化学习同样可行。

这些成果的共同价值在于：AI 学会了在信息缺失下做概率决策，甚至学会了「诈」——扑克 AI 会主动虚张声势，因为博弈论均衡本身就要求一定比例的虚张。

六、AI 给人类棋手带来了什么

1. 训练方式革命。过去靠师徒口传与棋谱背记，现在可以即时得到胜率与最佳变化，学习效率成倍提升；
2. 认知边界扩展。AI 打破了很多「常识」，让棋手重新审视既有定式与经验；
3. 公平性挑战。线上对局出现 AI 作弊问题，反外挂与行为检测成为平台的必修课；
4. 人的价值重新定位。棋牌的魅力从未只是「谁算得准」，还有临场心理、对手研究与竞技仪式感——这些恰恰是 AI 无法替代的部分。

从深蓝到 AlphaGo，再到扑克与麻将 AI，三十年的主线其实很清晰：从人写规则，到机器自己学规则。而对棋牌爱好者来说，最实际的收获是：我们第一次拥有了随时可用、永不疲倦的顶级陪练。