文章简介：
AlphaGo围棋击败世界冠军，王者荣耀AI战胜职业选手......我们对世界充满好奇，总想一探究竟，想知道这些AI算法是如何拥有高超智能。然而，AI算法博大精深，多数资料都是以专业角度来说明问题，晦涩难懂。例如AlphaGo围棋就会涉及蒙特卡洛树搜索、强化学习、深度卷积网络……，这些概念会让非专业人士一头雾水。对于游戏从业者，无论是游戏的内容还是开发流程，AI的发展必然给游戏行业带来影响，接触AI势在必行。
本文的目的在于：让缺乏专业背景知识的读者也能够直观理解AI博弈的原理，至少能从感官上了解AlphaGo如何击败世界冠军，AI如何打败王者荣耀职业选手。
作为入门级的文章，不会详细说明技术细节。力图通过通俗易懂的语言和图示解释原理，可用于在游戏开发的技能之外拓展视野。
文中提及的井字棋、五子棋、象棋、围棋、Dota 2、王者荣耀的AI有很多共通之处，AI所要做的事情都是根据当前的局面去输出它需要做多动作。不同的是，不同游戏的规模不一样。例如井字棋的棋盘是3x3，象棋是9x10，棋盘越大，实现它的AI越困难。本文的行文思路在于，先从简单棋类的AI说起，再沿着技术发展到步伐，再一步步改进算法，以适应规模越来越大的游戏。
适合读者：
1、对AI技术感兴趣的开发者
2、有志于开拓视野开发者
3、考虑加入AI元素但还不确定可行性的开发者
你将获得：
1、直观理解蒙特卡洛树搜索算法
2、直观理解AlphaGo原理
3、直观理解强化学习的概念
本小节选自文章第三节：围棋规模太大，运用概率思维，AI如何在围棋上和人类斗智斗勇？且看下文。
围棋规模太大，运用概率思维
使用启发式搜索和剪枝算法，AI得以在象棋上战胜人类顶尖棋手。不过对于更复杂的围棋，AI却差强人意，连业余选手都打不过。从1997年AI在国际象棋战胜人类顶尖棋手，到2016年战胜人类围棋世界冠军，中间隔了19年。
围棋AI比象棋AI难得多，有几方面的原因：
其一，围棋平均每步有250种走法，比起象棋的40种多出几倍，这使在可接受的时间内搜索层数很少（按照上一节的数值10^10，可以搜索4层）；另外，一局围棋平均要走150步，比起象棋的95步多。需要的步数更多，能搜索的层数却更少，棋力就会变弱。
其二，围棋局面变化多端，不像象棋依靠计算剩余棋子的价值就能大概判断局面好坏。围棋局面评估大多基于“势力图”，如下图（左）表示的是一颗棋子的势力范围，距离它近的地方势力大，距离远的地方势力小（如图中数字从10逐渐下降到1）。综合所有棋子即可计算玩家局面好坏，如下图（右）展示的是从黑棋的角度看，棋盘某些点的势力值，综合所有点的势力值即得到局面评分。不过相比象棋，这样的评分规则很不精准。
在介绍打败围棋世界冠军的AlphaGo之前，我们先关注一个阶段性成果，2006年Rémi Coulom（雷米·科隆，法国人）设计的围棋程序CrazyStone，能够和业余选手抗衡。
Rémi Coulom
既然很难通过“势力图”去评估局面好坏，那就转为“采样”的思路。如下图（左）所示，从某一个局面开始，让AI随机下棋，直到胜利或者失败。只要下的次数够多，就可以统计从该局面下棋的胜率（下图右），胜率越高，棋局的估值也就越高。有理论证明，只要采样的次数足够多，局面评估的值会趋近于真实值。
这种方法称为蒙特卡洛方法（也称统计模拟方法），通过概率统计来估算数值。蒙特卡洛是欧洲一个著名的赌城，因为统计模拟方法用到了随机采样，也有赌博的韵味，所以以该城市来命名。
不过，随机下棋本身的计算量就挺大，还是以10^10的算力来计算，假设随机下一盘棋相当于遍历10000个局面（100步，每步考虑100种情况，相当于耗费10^4的算力），再假设粗略评估一个局面需要下1000盘，那么粗略评估一个局面就需要耗费10^7的算力。换句话说，只能评估1000个局面，还不够做2层搜索（250*250>1000）。
不做深度搜索的下棋过程如下所示，假设当前处在棋局A，它有B-G共6总可能的走子方法。对于每一种走子后的局面，随机下棋1000局，得出每个局面的胜率（图中绿色文字标注的30/1000、50/1000等数值）。随后，选择最有利的局面（图中F）下棋。
算法思想虽不复杂，不过下1000盘的评估量太少，得到的结果并不精确。理论证明，采样的次数越多，评估的值就越准确。既然总的算力有限，那就要想办法更合理地分配采样次数。
原理一： 给分值高的局面分配更多的次数，会更准。如下图所示，假设算力可以支撑3000盘模拟棋，局面A有3种可能的走法。先给每一种走法分配200盘，根据这两百盘得出的胜率（图中左下绿色标注的100/200、50/200、10/200）去分配另外的2400盘，胜率高的分配多一些，胜率少的分配少一些（图中中间1800、900、300表示各局面最终分配的次数）。因为价值高的局面更有可能被选择，给它分配更多的次数可以让它算的更准，这样一来，采用“价值高分配更多次数”的评估方法，会得到比“平均分配”（下图右边绿色文字标注的1000、1000、1000）得到更准的结果。
原理二： 越是后面的局面，评估越准。如下图所示，左图是下了很长时间的棋局，右图是开始不久的棋局，假如都模拟1000次，左图的评估准确度会大于右图。这很直观，越到后面，棋局态势就越明晰。同时，由于快要分出胜负，模拟棋局所需的走子次数更少，计算量少就意味着可以模拟更多次数。
根据这一原理，可以这么认为：如果把某一个节点展开，就算模拟同样的次数，也会比单独的模拟准。如下图所示，假设局面A有B和C两种可能的走法，依然假设算力可以支撑3000盘模拟棋。那么分别对局面A、B、C做1000次模拟，然后相加所得到胜率（下图左），会比单独对局面A做3000次模拟（下图右）更准。因为越后面的局面越准，显然B、C的评估准确度会相对于A准确。下图中，用绿色字体a、b、c表示对局面A、B、C分别模拟1000次后胜利的次数，d表示对局面A模拟3000次后胜率的次数，对于左图，最终胜率由(a+b+c)/3000计算。
综合原理一和原理二，Rémi Coulom等先驱使用如下的方法来编写围棋AI，这种方法也被称为“蒙特卡洛树搜索”。如下图所示，假如当前处于局面A，轮到AI下棋，先列举出A的所有可能走法（图中步骤1）。假如它有B和C两种走法，而后分别对子局面做评估，例如每个局面模拟下1000盘，得到胜率分别为400/1000和300/1000，然后根据评估值选择其中一个局面，评估值越高，选中对概率越大（图中步骤2，选择了局面C），而后再对所选中的局面（图中局面C）做拓展。假设局面C有两种可能的走法，分别走向局面D和E，对D和E也分别模拟1000盘，得到（对于AI的）胜率为800/1000和100/1000。
在评估完D和E后，可以更新C的评估值（如下图，步骤3），使它更准确，下图中蓝色字体1200/3000表示局面C的新评估值，由原先C的评估值、D和E的评估值叠加而成。
如此往复，根据已得到的评估值来选取子局面。若遇到尚未扩展的局面时，则扩展它的子局面。最终程序会走出如下图所示的路径，估值高的节点会评估更多次数（原理一），有些路径会走的很深（原理二）。在走出约1000条路径后（可接受时间内大概可以计算千次，当然，更多更好），看看局面B和局面C哪个评估值更高，然后下棋。
2006年以后，棋力较强的围棋AI都采样蒙特卡洛方法，并且达到了业余弱5段的水平。
至于业余弱5段是什么水平，可以参考下图。下图展示了围棋各段位水平，职业九段最强，业余5段可以算中等水平吧。
1997到2006年间，中间隔了近10年。不得不感慨，人类科技发展有时候也不是很快，群星闪耀的年代总是少数。围棋的下一次突破在2015年，那又是一个十年。
