過去幾周，全世界都在努力適應人工智慧（AI）深不可測的力量。
AI找到了那些曾讓學術界頂尖數學家絞盡腦汁的難題的解法，令他們瞠目結舌。在研究人員對這種可能導致人類滅絕的技術發出警告後，AI又引發了全球恐慌。目前來看，AI似乎幾乎無所不能，而且效率極高。
那麼，為什麼它還沒有破解全球最著名的棋盤遊戲呢？
低成本飽和痛擊！無人機崛起，美俄軍事霸權也栽跟斗
《華爾街日報》主題報新一期上線，登入會員免費領！
☛瞭解詳情
西洋棋的初始數學原理相對簡單。64個方格上的32個棋子，對弈雙方擁有完全對稱的資訊——沒有人虛張聲勢，也沒有人隱藏底牌。然而，西洋棋尚未在數學層面上被徹底破解，因為其天文數字般的可能性最終超過了宇宙中原子的數量。儘管現在的手機都能將死名手加里·卡斯帕羅夫（Garry Kasparov），但AI尚未設法制定出每次都能穩贏的萬全之策。
但事實證明，西洋棋與AI的故事並沒有走向末日。AI並沒有用一個終極答案將人類棋手徹底擊垮，而是通過不斷解開這項古老遊戲的奧秘，幫助他們更好地排兵布陣。
「你很清楚西洋棋的規則，但它依然歷久彌新且無法被徹底破解，」Chess.com首席西洋棋官丹尼·倫施（Danny Rensch）說，「幾何之中的幾何，這是一個令人著迷的無限難題。」
例如，在西洋跳棋中，電腦已經達到了一種境界：只要雙方都走出完美棋步，結果必然是平局。而在更簡單的遊戲中，人類已經完全沒法玩了：在四子棋遊戲中，只要讓電腦先手，它就絕不會輸，甚至連平局都不可能。
但奇怪的是，如今應用於西洋棋的空前算力並沒有減少好棋的數量，反而增加了選擇。AI並沒有找到唯一的解法，而是發現下出一盤好棋的方法比人們以前認為的還要多。換言之，AI非但沒有扼殺創造力，反而正在激發創造力。
在這項決策樹擴張速度快得驚人的遊戲中，無論是人類還是機器，都才剛剛開始探索這項擁有數百年歷史的遊戲的全部邊界。
「人類對於龐大數字的概念缺乏直觀感受，但10億與西洋棋所有可能局面的數量之間有著天壤之別，」OpenAI應用研究團隊負責人鮑里斯·鮑爾（Boris Power）說，「這就像拿一秒鐘去和宇宙的壽命做比較。」
將近30年前，正是西洋棋讓人類真切地認識到，自己正在被機器超越。1996年，當時的世界冠軍卡斯帕羅夫擊敗了IBM的深藍（Deep Blue），但隨後這台電腦在1997年的重賽中完成了機器的復仇。那是一個分水嶺時刻，即使對那些對側翼出子戰術一竅不通的人來說也是如此。
隨後的幾年是西洋棋的黑暗時代。隨著頂尖特級大師開始利用電腦進行研究，他們的戰術變得刻板而機械。一些人擔心，這項長期以來與智慧和創造力息息相關的遊戲正在失去靈魂。
但與後來的技術相比，那些通過學習特級大師對局庫訓練出來的電腦簡直就像是原始人。30年後的今天，西洋棋技術的最前沿是AI，它的程式設定是從第一性原理出發，重新探索廣闊的可能性世界。這一次，不再是人類教機器下棋——機器會自學。基於Google AlphaZero的開源引擎Leela Chess Zero已經進行了超過40億局對弈，從而成為了目前最強大的引擎之一。
「它沒有被注入任何人類的經驗法則，」參與Leela項目的研究員福爾克特·赫伊津哈（Folkert Huizinga）說，「它的一切都是從零開始學起的。」
Leela甚至學會了帶著個性下棋。這台電腦憑藉一己之力，將超級特級大師的棋藝與華盛頓廣場公園（Washington Square Park）街頭棋客的狡黠結合在了一起。在某種意義上，因為Leela學會了只要沒輸就儘量延長對局，它並不總是選擇最直接的將死路徑。對手往往會將這種行為視為一種炫耀。
不過，當這些引擎不捉弄人類時，它們正在改變人類對這項運動的理解。一些由於棋手們斷定在戰術上太過薄弱而長期以來被視為死胡同的開局，如今已重獲新生，因為引擎看到了世界冠軍都未能察覺的招法序列。有一種通常被稱為達米亞諾-彼得羅夫（Damiano Petrov）的防禦布局，幾個世紀以來一直被視為自取滅亡。初學者從學習馬怎麼走的那一刻起，就被教導要避開這種下法。
然而，AI卻為達米亞諾防禦正了名。經過進一步的評估，機器找到了將這個慢動作陷阱轉化為一套完美可靠的策略的方法。
「只要下得足夠高明，對局中就能展現出極其豐富的內容，」赫伊津哈說，「這是一個龐大的博弈空間……我們甚至不知道目前已經探索了百分之幾。」
OpenAI研究員鮑爾表示，即使由於組合過多而無法在正式的數學層面上破解西洋棋，也許終有一天，人們會發現最優的下法，從而在實踐層面上破解這款遊戲。就目前而言，他是在用西洋棋來理解AI——而不是反過來。
當該公司推出新版本的ChatGPT時，鮑爾喜歡用西洋棋來作為衡量其能力的基準。他發現，如果給最新模型足夠的時間去思考，它們就能從零開始編寫出一個達到特級大師水準的西洋棋引擎。但如果迫使它們在不編寫代碼的情況下自行進行計算，它們的棋力就會大打折扣。 （相關報導： 華爾街日報》紅毯禮遇的背後：習近平訪美之前的中美博弈 ｜ 更多文章 ）
「我們想看看：這些模型在推理和結合語境思考方面是否有所進步？」鮑爾說，「也就是說，模型能否像人類一樣，通過花更多時間思考來得出更好的解決方案？」
