哪种人工智能算法最适合下棋？

Question

我正在研究我的象棋机器人，我想为它实现简单的人工智能。我是新来的，所以我不知道怎么下国际象棋。我听说过Q-学习，监督/非监督学习，遗传算法，等等，这可能不是国际象棋。我想知道AlphaZero是如何创建的？可能是遗传算法，但国际象棋是“如果A然后B”可能不起作用的游戏。这意味着Q-学习对它也是有害的，等等。

有什么建议要用吗？

注意:我找到了数据集，虽然它还包括低级别的玩家游戏，所以我不确定是否可以用这个来训练机器人

Answer 1

我不是该领域的专家，但我想提请您注意强化学习 (维基百科关于AlphaZero的文章中也提到了这一点)。

书"强化学习:导论“(RichardS.Sutton和AndrewG.Barto)是一个很好的起点。似乎是从强化学习开始的“圣经”。

游戏有一些简单的实现，比如"TicTacToe“(很多在线例子)，在这里您可以很好地了解如何开始。还有一个上的R包。

我还注意到github上有国际象棋项目 (例如Python)，您可能会发现这很有趣。

Answer 2

这是个很大的问题。有两种基本的方法，关键的区别是搜索算法。

第一种方法，目前被世界上最强的引擎Stockfish所使用，将minimax作为搜索算法。然后它调用NNUE来评估搜索树末尾的位置。minimax算法需要大量的人工知识来修剪不必要的分支，而且非常复杂；大多数人发现河豚搜索算法是一个黑匣子并不奇怪。

第二种方法，由第二强引擎Leela Chess Zero使用，涉及蒙特卡洛树搜索。还有一个神经网络，它获取当前位置，并输出候选人移动列表，每个候选人的获胜百分比。然后引擎将它的时间分配到最有希望的动作中，在每个节点调用神经网络。Leela的神经网络是从自我游戏中训练出来的，事先没有人类的知识--这在计算上是非常密集的。

您可以找到关于国际象棋程序设计 wiki的更多细节，以及Chess.SE上的几个问题(比如这或这)。

Answer 3

AlphaZero算法是在leaders中实现的，它实际上是领先的算法之一，至少在Stockfish实现自己的NN辅助算法之前是如此。

这里：https://en.wikipedia.org/wiki/Leela_国际象棋_零

NNs：https://training.lczero.org/networks/?show_all=0

代码：https://github.com/LeelaChessZero/lc0/releases

它使用第20和第30系列张量核对Nvidia GPU进行分布式学习，它也是一个最先进的系统，包括所有(许多) NNs权值。