Chess, once free and once filtered

GOGOGO

@GodName794

第一版： 让Jev模型自己决定怎么走，显然Jev败北； 第二版： 算法优化 使用预判攻防筛选落子，再让Jev决定走哪一步，Jev最终打败了我！ 这次经历让我更清楚地看到：表现聪明，和做出可靠判断，是两件需要分别验证的事。 我怎么看 AI？ AI 很擅长从复杂信息里提取规律，在信息不完整、要求不够明确时给出判断。但它给出了选择，甚至给出了很高的概率，都不等于它已经算清楚后果。 这盘五子棋就是一个例子：Jev 能选择落点，却没有独立证明自己看到了所有关键反击。给它补上试走和检查，整个系统才更可靠。所以评价 AI，应该看它在具体条件下做对了什么，而不能只看它说得多像专家。 我怎么看算法？ 算法是把判断方法明确写下来：先检查什么、遇到什么情况怎么办、怎样验证结果。 我们这套程序的优势，是能重复、稳定地执行这些步骤，还能给出可核验的杀棋路线。但它的局限也很清楚：搜索只覆盖有限范围，评分规则是人为设定的，候选筛选也可能漏掉好棋。 另外，AI 本身也是由算法实现的。这里真正的区别，是“人为明确写下的规则与搜索”，和“通过训练学到的判断”。 由此能得出 Jev 擅长什么？ 这次实际验证的是：Jev 能接收棋盘、候选和战术描述，快速返回一个明确选择及概率分布。 因此，它适合充当软件里的“候选判断环节”，把描述性信息转成程序可以直接使用的选择。 但我们还没有证明： Jev 擅长独立进行多步博弈； 它比程序直接选最高分更强； 它给出的概率能准确预测胜负。 所以，我会把它定位为可嵌入程序的判断组件。它到底增加了多少价值，需要通过“有它”和“没有它”的对照来衡量。那次赢棋，是整个系统的成果，不能全算在 Jev 头上。 对于 AI 和人，最有启发的是什么？ 第一，好判断往往来自好的检查过程。人也会只看到眼前收益，忽略下一步反击。重要决定前，多问一句“如果对方这样回应，我怎么办”，常常比增加信心更有用。 第二，把能算清楚的部分交给计算，把尚不确定的部分明确留下来。 不要因为一部分经过验证，就把整个结论都当成确定。 第三，工具的价值要靠比较，而不是靠名气。 如果去掉 Jev，效果一样甚至更好，就应该承认；如果它能改善选择，也应该用结果说明。 对人而言，最值得保留的角色，是确定目标、选择取舍、检查证据，并承担决定。AI 可以扩大我们考虑问题的范围，但判断“什么才值得做”，仍需要人的参与。