Machines That Play系列分为 7 个部分。

本系列涵盖人工智能和游戏的历史（直到深蓝），重点关注下棋、跳棋和西洋双陆棋的机器。涵盖以下主题：如何构建国际象棋机器，香农的国际象棋工作，图灵的国际象棋工作，土耳其人，El Ajedrecista，MANIAC，伯恩斯坦国际象棋程序，塞缪尔跳棋，Mac Hack VI，Cray Blitz，BKG，HiTech，Chinook， Deep Thought、TD-Gammon 和 Deep Blue。

• 第 1 部分：播放的机器（概述）- 这一个
• 第 2 部分：下棋的机器（制造国际象棋机器）
• 第 3 部分：下棋的机器（国际象棋——深蓝之前）
• 第 4 部分：会玩的机器（深蓝色）
• 第 5 部分：会玩的机器（深蓝后）
• 第 6 部分：下棋的机器（跳棋）
• 第 7 部分：玩机器（西洋双陆棋）

第 1 部分：会玩的机器（概述）

这是该系列的第 1 部分，概述了与游戏相关的 AI 工作：国际象棋、跳棋、双陆棋。它还提出（并试图回答）以下问题：什么是理想的游戏？为什么我们对人工智能 (AI) 和游戏感兴趣？

在我们谈论游戏和机器之前，我们先来谈谈游戏和人类。

什么是理想的游戏？

游戏是有规则和目标的东西。当我们执行受这些规则约束的行动时，我们“玩”了一场游戏，以实现既定目标。

我们（人类）似乎需要玩耍，就像我们需要食物、水、空气、住所和工具来生存一样。那么，对于我们人类来说，怎样才能使游戏变得理想呢？这是一个很难回答的问题，但我想一个理想的游戏可能至少具有以下一些特征：

• 所有玩家都具有高技能（或处于相似水平）的游戏：玩家能够利用自己的技能来克服对手提供的挑战的游戏。理想的乐趣在于用他的技巧智胜或智胜同样擅长比赛的对手。
• 一种既不太容易也不太难的游戏，因此玩家会“赢” ：玩家在游戏中击败对手，对手的表现也接近他的技能水平。这是一场他本可以输但不会输的比赛。他赢了。他赢了，因为比赛让他比他的对手上升一点点；他征服了偶然因素，并对他的环境（和他自己）进行了控制。
• 一种迫使玩家发展并发挥其最大潜力以获胜的游戏：一种玩家发展最高技能以智胜或智胜对手的游戏。理想的成长意味着他能够实现自己的潜力，成为他所能做的一切。他发展出如此高超的技能，几乎消除了失败的风险。
• 一个改变玩家心理的游戏：一个改变玩家心态的游戏，除了实现他的最大潜力之外，该游戏还让他完全沉浸在自己中以取得成功。这是一个他会选择尽可能长时间继续玩的游戏，这样他就可以完成（他后来称之为）有意义的行动。而在比赛结束后，他会发现自己从玩游戏的经历中发生了变化，他的思想被新的技能、新的经历和新的成就所丰富。
• 迫使玩家成为全球变化催化剂的游戏（请记住，这是一款理想的游戏）：玩家需要在其中最大程度地改变（甚至超越）自己、他人甚至整个世界的游戏为了赢。一个理想的游戏会涉及玩家实现他（和人类）最深切的渴望、激情或价值观。如果不是这样，那么游戏至少会深深地吞噬他，使他从日常生活的枷锁中解脱出来。通过他的旅程，他将为他人创造一条发展和实现潜力的道路。

有没有理想的游戏？

我不知道是否有理想的游戏，但在我看来，以下示例非常接近于一个；它不仅满足前面列出的许多特征，而且挑战和模糊了这些相同的特征。

【视频剪辑】条件是，只要我能与你抗衡，你就让我活多久。

死神：嗯，我是一个相当熟练的棋手。

奈特：但我敢打赌你不如我。

死神：你为什么要我和我下棋？

奈特：那是我的事。

死神：确实。

骑士：条件是只要我能与你抗衡，你就让我活下去。

骑士：如果我赢了，你就放我走。

玩家选择只要他活着（或可以）就玩。赌注太高了，他忍不住还是要试试。

[视频剪辑]这是我的手。我可以转动它。我的血液涌入其中。太阳还在天上，风还在吹。而我……我，Antonius Block，正在和魔鬼下棋。

我们从不与死神比赛（几乎赢了）。在大多数游戏中，我们的行为远没有拯救其他人的生命那么“有意义”。我们的游戏既没有让我们有机会接受我们不可避免的绝望，也没有从根本上改变（或超越）我们自己或他人的生活。

实际上，可能没有理想的游戏。那我们为什么还要玩呢？一个模糊而简单的答案是“因为游戏很有趣和/或有用”，但这似乎还不够。我们继续创造和玩游戏，我们继续，因为游戏仍然表现出上述特征的不同组合。

我们的一些最古老的游戏

我们一直在玩游戏。游戏是我们最古老的游戏来源之一。早期的人类可能会玩游戏来练习为狩猎和战斗做好准备的技能。例如，弓箭是上旧石器时代末期发明的。

射箭是使用弓箭射箭的技能。在大多数史前文化中，射箭是一项重要的军事和狩猎技能。练习射箭（或练习或提高）会提高射手成功的可能性。从这个意义上说，这样的体育游戏可能是为了增加我们生存和成功的机会。

后来，人类开始在一个地方定居，这意味着他们不再经常四处走动。这给了他们一些常规和实体游戏开始转化为棋盘游戏。这些游戏满足了我们的各种欲望。一些最古老的游戏是：

• Senet （约公元前 3100 年）：这款竞赛棋盘游戏的全名意为“传球游戏”。古埃及人相信来世，来世的旅程需要死者进行仪式并通过障碍。到埃及新王国时期，塞尼特被视为来世旅程的代表。看来 senet 不仅仅是一个游戏，它代表了我们为实现某种不朽而进行的斗争。 [这种类型的游戏利用了我们与生俱来的渴望超越人类状态的生存欲望。]
• 乌尔皇家游戏（约公元前 3000 年）：这是一款两人战略竞赛棋盘游戏。乌尔游戏之所以得名，是因为它是由英国考古学家伦纳德·伍利爵士在 1922 年至 1934 年间在乌尔皇家公墓的挖掘过程中发现的。在某个时候，人们开始对游戏赋予精神意义，游戏中的事件也被赋予了意义。被认为反映了玩家的未来以及传达来自超自然生物的信息。 [这种类型的游戏激发了我们对了解和控制我们未来的渴望。]
• Mancala （约公元 6 世纪）：Mancala 不是任何一款游戏，它是游戏的分类或类型：任何 2 人回合制策略棋盘游戏。目标是夺取对手的全部或部分棋子（种子、石头、豆子等）。 [这种类型的游戏通过建造庇护所、狩猎、收集食物和获胜来挖掘我们古老的生存欲望。]

我们玩（并继续玩）游戏有多种原因：

• 我们玩是为了体验快乐（有趣）
• 我们玩游戏是为了消除无聊/逃避现实
• 我们玩是为了练习和提高技能
• 我们玩游戏是为了学习如何批判性和战略性地思考
• 我们玩游戏是为了征服不确定性、机会、运气和概率
• 我们玩游戏是为了创造事物，以增强自己的能力。
• 我们玩破坏事物以减少我们的愤怒和沮丧
• 我们玩是为了解决分歧
• 我们玩合作
• 我们玩游戏是为了满足我们所有的人类欲望（史前的和现在的）：培育、狩猎、杀戮、征服、战斗、竞争、合作、创造、生存
• 我们为胜利而战——感受成就感

纵观历史，我们创造和玩游戏来挑战我们的智力、力量、策略、情感等等。在游戏中，我们走到一起并同意一套任意规则。我们竞争和合作，我们制定战略以克服机会和不确定性，我们设定并实现目标，我们锻炼想象力并体验成功的喜悦。

为什么选择人工智能和游戏？

游戏很难。游戏很有趣。游戏是人工智能的试验台。

随着技术的发展，我们的游戏也在发展。最近的技术以机器的形式为我们提供了新的队友和新的对手。尽管游戏的历史引人入胜，但我们将在本系列中专注于自动化、人工智能 (AI) 和游戏。更具体地说，我们将专注于人工智能已经学会玩得和我们一样好或更好的游戏。这段旅程将成为一个谦虚的提醒：

无论人类的进步速度如何，一旦机器开始学习，我们就很难跟上它们的步伐——它们的学习和进步最终会以指数方式衡量。而我们的不会。

自计算机诞生之初，人们就想知道机器是否可以匹敌或超越人类智能。人工智能是关于制造能够执行（我们认为）需要“智能”的任务的机器。但早期的人工智能方法和算法由于其复杂和模棱两可的性质，不足以解决现实世界的问题。编程机器玩游戏成功地成为计算机学习策略和策略的一种方式，这些策略和策略以后可以应用于其他现实生活领域。

在游戏中模拟人类思维过程

早期的人工智能研究人员强调在游戏中模拟人类思维过程，因为他们相信最好的游戏机器可以通过教他们如何模仿人类思维来创造。他们推断，如果机器能够成功处理游戏，那么它们很可能会表现出某种类型的智能。

了解人类思维的运作方式

早期的人工智能研究人员希望，成功地玩游戏的编程机器将有助于了解人类的思维方式、思维方式、解决问题的方式，以及最终的智能是什么。他们假设建造机器来执行需要智能的任务可以让我们一窥我们自己的智能是如何工作的。

我们将看到，即使机器在游戏中超越了人类，它们也不一定能洞察我们的思维方式。然而，它们确实帮助推动了计算机科学（以及其他相关领域）的进步。后来，这项研究帮助我们正面解决了一些复杂的现实问题。

“游戏很有趣，而且很容易衡量。谁赢谁输一目了然，而且你总是有人类的基准……你能比人类做得更好吗？”默里坎贝尔

游戏，特别是棋盘游戏，是 AI 最古老的分支之一，始于 1950 年的 Shannon 和 Turing。它们提供了一种衡量 AI 想法能力的好方法，因为 1）它们的目标简单，2）定义明确的规则和3) 实现最终目标的多种可能策略。每次 AI 征服游戏时，它都会帮助我们正面解决至少一些复杂的现实问题。

游戏复杂性

在开始之前，让我们看一些衡量游戏复杂性的方法。

游戏的状态空间复杂度是从游戏的初始位置可以到达的合法游戏位置的数量。

博弈树大小是可以玩的可能博弈的总数：博弈树中植根于博弈初始位置的叶节点数。

分支因子是每个节点的子节点数。例如，国际象棋，假设一个“节点”被认为是一个合法位置，那么平均分支因子估计约为 35。这意味着，平均而言，一个玩家每回合有大约 35 个合法移动可用。相比之下，围棋游戏的平均分支因子为 250！

最佳状态：不可能表现得更好（其中一些条目是由人类解决的）

超人：表现比所有人都好

现在，让我们谈谈机器。

该博客系列将涵盖以下主题。图片链接在原始博客中。

该系列的重点是人工智能和游戏中的一些“第一”（有时是这些程序的一些前身），而不是包括*所有*或*尽可能多的*游戏程序。

建造国际象棋机器

我们平时是怎么玩这个游戏的？我们执行以下操作：

1. 考虑玩家可以做出的所有合法动作
2. 计算每次移动产生的新位置
3. 评估以确定下一个最佳举措
4. 做出那个（最好的）动作
5. 等待对手出手
6. 重复以上步骤进行响应

从这个角度来看，几乎所有的国际象棋计算机都必须处理这些基本步骤。为此，国际象棋计算机必须解决以下关键问题：

1. 代表“董事会”
2. 生成所有合法的下一个状态
3. 评估职位

开发国际象棋计算机有两种主要的哲学方法：仿真与工程——计算机应该模仿人类的知识和决策，还是计算机应该通过蛮力改进搜索？那些专注于第一种方法的人将构建具有大量国际象棋知识和相对较小的搜索重点的程序。那些专注于工程方法的人将专注于计算能力，通过使用专用硬件和搜索创新。我们将看到最好的国际象棋计算机使用第二种方法，但即使它们最终也使用了大量的国际象棋知识和复杂的评估启发式。

阅读更多…

只有人类（土耳其人）

• 游戏：国际象棋。年份：1770
• 1770 年春天，沃尔夫冈·冯·肯佩伦 (Wolfgang von Kempelen) 轰动一时；他展示了世界上第一个下国际象棋的自动机，他称之为自动国际象棋棋手，在现代被称为土耳其人。

阅读更多……

更诚实的尝试 (El Ajedrecista (The Chessplayer))

• 游戏：国际象棋。年代：1910年代
• 1910 年代初，Torres y Quevedo 于 1914 年在巴黎大学制造了一款名为 El Ajedrecista（国际象棋棋手）的自动机。它被认为是世界上最早的电脑游戏之一。

阅读更多……

一些博弈论

• 多种游戏：国际象棋、跳棋、围棋、奥赛罗。年份：1928 年至 1944 年。
• 约翰·冯·诺依曼创立了博弈论领域。 1928年，他证明了极小极大定理。该定理指出，在零和博弈中（即，如果一个玩家获胜，那么另一个玩家输）具有完全信息（即玩家在每次都知道到目前为止已经发生的所有动作），有一对两个玩家的策略，允许每个人最小化他的最大损失，因此得名 minimax。

从 1940 年代到 1950 年代初，早期的先驱者专注于制造可以像人类一样下棋的机器，因此早期的国际象棋进展很大程度上依赖于国际象棋启发式（经验法则）来选择最佳棋步。他们强调模拟人类国际象棋思维过程，因为他们相信教机器如何模仿人类思维会产生最好的国际象棋机器。

未来的机器将如何下棋

• 游戏：国际象棋。年份：1950 年。
• 从 1940 年代中期开始，来自不同领域（数学、心理学、工程学等）的科学家开始讨论创造一种可以思考的机器的可能性，一种可以在模式识别、计算、解决问题方面与人类竞争甚至超越人类的机器甚至语言。 Claude Shannon 撰写了有史以来第一篇关于编程计算机下棋的文章。他在哲学杂志上发表了一篇题为“编程计算机下棋”的论文。

阅读更多……

1950年代计算能力有限，机器只能玩很基础的水平。这是研究人员开发评估国际象棋位置和搜索可能的移动（以及对手的反移动）的基本技术的时期。这些想法今天仍在使用。

第一个下棋的程序（Turochamp）

• 游戏：国际象棋。年份：1948–1953

• 1953 年，艾伦·图灵在 B. Bowden 的《比思想更快》一书中发表了一篇关于他的国际象棋程序（应用于游戏的数字计算机）的文章。香农在他的论文中没有谈到任何特定的程序。图灵编写了第一个国际象棋程序。他在计算机出现之前就写好了！他知道计算机即将到来，一旦它们足够强大，它们就可以下棋了。 2012 年，加里·卡斯帕罗夫与 Turochamp 交手，仅用 16 步就将其击败。 卡斯帕罗夫说（视频） ， “我想你可能会称之为原始，但我会把它比作早期的汽车——你可能会嘲笑他们，但它仍然是一个令人难以置信的成就......

  
  

[图灵] 在没有计算机的情况下编写算法——许多年轻科学家永远不会相信这是可能的。这是一项了不起的成就。”

阅读更多……

MANIAC：运行第一个国际象棋程序

• 游戏：国际象棋。年份：1956
• 编写 MANIAC 的团队由 Stanislaw Ulam（他发明了核脉冲推进器并与 Edward Teller 一起设计了氢弹）、Paul Stein、Mark Wells、James Kister、William Walden 和 John Pasta 领导。由于 MANIAC 的内存有限，该程序使用了 6 × 6 的棋盘并且没有象棋。 MANIAC I 执行了蛮力的香农 A 型策略。它每秒执行 11,000 次操作，并有 2,400 个真空管。搜索四个移动深度需要 12 分钟（添加两个主教需要三个小时才能搜索相同的深度）。

阅读更多…

伯恩斯坦国际象棋程序：第一个完整程序

• 游戏：国际象棋。年份：1957
• IBM 员工亚历克斯·伯恩斯坦（Alex Bernstein）创建了第一个可以玩一盘完整国际象棋的程序。他与麻省理工学院的同事 Michael Roberts、Thomas Arbucky 和 Martin Belsky、Bernstein 一起创建了它。该程序在 IBM 704 上运行，每秒可以执行 42,000 条指令。这是最后的真空管计算机之一。移动大约需要8分钟。

伯恩斯坦国际象棋程序使用香农 B 型（选择性搜索）策略。

阅读更多…

人工智能之前的人工智能（塞缪尔的跳棋）

• 游戏：跳棋。年份：1952–1962
• 1952 年，Arthur Samuel 在 IBM 701（第一台主要的商用计算机）上完成了他的第一个跳棋程序。到 1955 年，塞缪尔做了一些开创性的事情。他创建了一个可以学习的程序——这是以前没有人做过的事情——并于 1956 年在电视上进行了演示。自从加入 IBM 以来，Samuel 一直在思考机器学习，并希望专注于构建可以学习演奏的程序。跳棋游戏。 1959 年，他创造了“机器学习”一词。

阅读更多……

学习玩完美的井字游戏 (MENACE)

• 游戏：井字游戏。年份：1960
• 二战期间，英国计算机科学家唐纳德·米奇（Donald Michie）在布莱切利公园的政府密码和密码学校工作，并帮助破解了德国的“Tunny”密码。 1960 年，他开发了 Machine Educable Noughts And Crosses Engine (MENACE)，这是最早能够学习玩完美井字游戏的程序之一。电脑并不容易获得，因此他使用了 304 个火柴盒，所有火柴盒都装满了彩色珠子来学习弹奏。即将到来……

到 1960 年代末，计算机国际象棋程序已经足够好，偶尔可以击败俱乐部级或业余棋手。

第一个参加人类锦标赛的国际象棋程序（Mack Hack VI）

• 游戏：国际象棋。年份：1967
• Mac Hack（也称为 The Greenblatt Chess Program）是由 Richard Greenblatt 于 1967 年构建的基于知识的国际象棋程序。同年，Mac Hack VI 成为第一台在人类锦标赛条件下与人类对战的计算机。 MacHack 程序是“第一个广泛分布的国际象棋程序”，在许多 PDP 机器上运行。它成为第一台达到普通锦标赛玩家标准的计算机。它明显优于所有以前的国际象棋程序以及大多数休闲棋手。 1965 年，休伯特·德雷福斯 (Hubert Dreyfus) 说：“没有一个国际象棋程序可以玩业余国际象棋。” 1967 年，Mac Hack VI 击败了 Dreyfus。

阅读更多…

在 1970 年代和80年代，重点是硬件速度。在 1950 年代和 1960 年代，早期的先驱者专注于国际象棋启发式（经验法则）来选择最好的下一步棋。 1970 年代和 1980 年代的程序也使用了一些国际象棋启发式算法，但更加关注软件改进以及使用更快、更专业的硬件。定制的硬件和软件允许程序对博弈树进行更深入的搜索（例如：涉及数百万个国际象棋位置），这是人类没有做到的（因为他们做不到）。

Cray Blitz：第一台超级（国际象棋）计算机

• 游戏：国际象棋。 1986–1980 年代
• 由 Robert Hyatt、Harry L. Nelson 和 Albert Gower 开发的 Cray Blitz 于 1976 年进入 ACM 的北美计算机国际象棋锦标赛。1980 年，当它被转移到 Cray-1 超级计算机时，它成为了一个重要的竞争对手，成为第一个国际象棋程序使用如此强大的机器。这使得 Cray Blitz 可以采用主要是算法和计算方法，同时仍保留其大部分（广泛的）国际象棋知识。

阅读更多…

第一个击败世界冠军的节目（BKG）

• 游戏：双陆棋。年份：1979 年。
• 汉斯·柏林纳 (Hans Berliner) 创建的双陆棋程序 BKG 是机器第一次在任何游戏中击败世界冠军。它是用那些日子的慢（呃）计算机做到的。 [旁注：Berliner 为博弈树搜索开发了 B* 搜索算法。]

阅读更多……

HiTech：第一位国际大师

• 游戏：国际象棋。年代：1980年代
• HiTech 是一款具有专用硬件和软件的国际象棋机。它由 Hans Berliner 和 CMU 的其他人建造。它的定制硬件每秒可以分析约 175,000 次移动，并且可以执行全宽度深度优先搜索。这是一台强大的机器。 1985 年，它获得了 2530 的评分，成为第一台（也是当时唯一）评分超过 2400 的机器。

阅读更多…

比最强的人类玩家领先几英里（奇努克）

• 游戏：跳棋。年：（1989-1996）

• 在塞缪尔研究跳棋之后，人们产生了一种错误的印象，即跳棋是一种“已解决”的游戏。结果，研究人员转向国际象棋，几乎忽略了跳棋，直到 Jonathan Schaeffer 于 1989 年开始研究 Chinook。Schaeffer 的目标是开发一个能够击败最好的跳棋选手的程序。最好的球员是马里昂·廷斯利。在一场比赛中，奇努克赢了一场与廷斯利的比赛，谢弗回应说，

  
  

“我们仍然是人类的一员，而奇努克在一场比赛中击败了廷斯利，这意味着计算机在国际跳棋领域以及最终在国际象棋等其他游戏中的至高无上只是时间问题。”

阅读更多内容，了解 Chinook 与 Tinsley 的比赛结果。

冥想

• 游戏：国际象棋。年份：1988–1992
• 阅读更多……

1990 年代，国际象棋项目开始挑战国际象棋大师和后来的国际象棋大师。一台名为“深蓝”的专业国际象棋机器最终将击败最优秀的人类棋手加里·卡斯帕罗夫。我们还看到了强化学习的成功应用（AlphaGo 几年后会这样做）。

TD-金门

• 游戏：双陆棋。年份：1992–1997
• TD-Gammon 是 IBM 的 Gerald Tesauro 于 1992 年开发的西洋双陆棋程序。 TD-Gammon 应用了强化学习，这可以追溯到 Samuel 的跳棋程序（稍后我们会看到 alphaGo 也是如此）。 Tesauro 说 TD-Gammon 的自学方法产生了一个令人惊讶的强大程序。 TD-Gammon 3.0 (1997) 使用选择性 3 层搜索，已经达到或非常接近世界上最好的人类玩家的水平。从长远来看，TD-Gammon 预计会比宗师打得更好，因为那些宗师只是人类。人类会感到疲倦。人类有偏见，但 TD-Gammon 没有。 TD-Gammon 的玩法与人类不同——我们会越来越多地注意到这一主题。阅读更多。

像人类一样，但（仍然）不是人类：深蓝

• 游戏：国际象棋。年份：1996–1997

• 这个很长（而且非常有趣）。一定要读。

• 深蓝在 1996 年面对加里·卡斯帕罗夫时只有两周大的婴儿。它的创造者之一许说：“会不会是赫拉克勒斯的婴儿赫拉克勒斯勒死了女神赫拉派来的两条蛇？还是我们派了一个无助的婴儿来安抚海怪希图斯，但没有珀尔修斯的帮助？我们担心会是后者。”它与卡斯帕罗夫的第一场比赛就赢了——这促使卡斯帕罗夫质疑自己并问道：“ ……如果这东西是无敌的怎么办？”它不会是无敌的，卡斯帕罗夫会以 4-2 击败它。这场比赛比大多数人想象的要近得多（阅读更多）。

• 赛后卡斯帕罗夫说（关于深蓝），

  
  

“我能感觉到——我能闻到——桌子对面的一种新型智能。”

• 1997 年会有一场复赛。这一次深蓝团队对他们的机器进行了显着改进（阅读改进、系统架构、搜索策略、国际象棋筹码等）。这一次深蓝玩了一场没有人预料到的比赛并击败了加里·卡斯帕罗夫。 Kasparov 暗示 IBM 作弊（IBM 没有作弊），因为 Deep Blue 的游戏中有“人性”的成分。这场比赛结束后，卡斯帕罗夫说，

“我根本没有心情玩……我是一个人。当我看到一些超出我理解范围的东西时，我很害怕。''

• 这是所有人都有意见的比赛——深蓝聪明吗？谁是更好的球员？深蓝想过吗？这样的胜利说明了我们什么？在深蓝之前，人类一直在国际象棋中获胜。机器真的无法击败最优秀的人类——甚至无法接近。但后来深蓝赢了。很快，其他计算机也是如此，从那以后它们一直在击败我们。这种巨大的增长是他们的身份——无论我们的改进速度如何，一旦机器开始改进，他们的学习和进步最终会以指数方式衡量。而我们的没有。阅读更多内容以了解有关这台机器的制造方式、参与人员、团队需要投入到项目中的努力类型、卡斯帕罗夫如何应对失败以及它如何成为人工智能历史上的重要标志的详细信息。

阅读更多（深蓝色）...

人们认为卡斯帕罗夫仍然是一名更好的球员，但他的情绪阻碍了他。无论哪种方式，这场比赛最大的收获之一是我们集体低估了比赛的生理和心理方面。

我们的情绪、恐惧、欲望和怀疑有办法让我们变得最好……这是人类独有的问题，我们的机器对手不会担心。

阅读更多（发布深蓝） ……

解决跳棋

• 游戏：跳棋。年份：2007
• 2007 年，Chinook 的制造者在《科学》杂志上发表了一篇论文，宣布 Chinook 已经完全解决了 Checkers：该程序不再被任何人击败，无论是人类还是其他人。 Jonathan Schaeffer 和他的团队自 1989 年以来一直致力于解决跳棋问题。文章指出，“ ……现在跳棋已经解决：双方完美的比赛导致平局。这是迄今为止要解决的最具挑战性的流行游戏，大约是 Connect Four 的 100 万倍。跳棋是迄今为止解决的最大的游戏，搜索空间为 5×10^20。 “所涉及的计算次数为10^14次，历时 18 年。该过程涉及从高峰时期的 200 台台式计算机下降到 50 英寸左右。快来了

我们从这里去哪里？

以Garry Kasparov 的 TED 演讲和他对这次经历的看法结束似乎是正确的。

“我从自己的经验中学到的是，如果我们想充分利用我们的技术，我们必须面对我们的恐惧，如果我们想充分利用我们的人性，我们就必须克服这些恐惧。

在舔舐伤口的同时，我从与深蓝的战斗中获得了很多灵感。正如俄罗斯老话所说，如果你不能打败他们，那就加入他们。然后我想，如果我可以玩电脑——和我身边的电脑一起玩，结合我们的优势，人类的直觉加上机器的计算，人类的策略，机器的战术，人类的经验，机器的记忆。这可能是曾经玩过的完美游戏吗？但与过去不同的是，当机器取代农场动物和体力劳动时，现在它们正在追逐具有大学学历和政治影响力的人。作为一个与机器战斗并失败的人，我在这里告诉你这是一个极好的消息。最终，每个职业都将不得不感受到这些压力，否则这将意味着人类已经停止进步。我们无法选择技术进步何时何地停止。

我们不能放慢脚步。事实上，我们必须加快速度。我们的技术擅长消除生活中的困难和不确定性，因此我们必须寻找越来越困难、越来越不确定的挑战。机器有计算。我们有理解。机器有指令。我们有目的。机器具有客观性。我们有激情。我们不应该担心我们的机器今天能做什么。相反，我们应该担心他们今天仍然无法做到的事情，因为我们需要新的智能机器的帮助才能将我们最伟大的梦想变为现实。如果我们失败了，如果我们失败了，那不是因为我们的机器太智能，或者不够智能。如果我们失败了，那是因为我们变得自满并限制了我们的野心。我们的人性不是由任何技能来定义的，比如挥动锤子甚至下棋。只有人类才能做的一件事。那是梦想。所以让我们梦想成真。”

https://www.youtube.com/watch?v=NP8xt8o4_5Q&feature=emb_imp_woyt

所以让我们梦想成真。