1997 年深蓝击败国际象棋世界冠军卡斯帕罗夫时，不少公开报道把棋类 AI 的问题宣告解决；可直到 2016 年 AlphaGo 战胜李世石，机器才在围棋桌上过关。两场胜利隔着十九年，这十九年里棋类 AI 并未停摆：蒙特卡洛树搜索、深度学习、强化学习先后进场，把「专用搜索」的打法换成了「通用学习」。这篇按公开记录对照两个节点的公开事实，把中间的铺垫讲清楚，不补空白处的演义。
1997 年的深蓝赢在哪里
先看第一个节点。深蓝是 IBM 的国际象棋专用系统，公开资料把它的构成概括为三件套：高速搜索、人工调校的评估函数、开局与残局库；公开报道口径，系统每秒可评估上亿个局面，具体数字以当年公开报道为准。1996 年卡斯帕罗夫在六盘对抗中胜过深蓝，1997 年复赛深蓝以微弱优势胜出（见深蓝赢卡斯帕罗夫一篇）。这场胜利属于「搜索加人工知识」的传统：机器跑得快，但「什么局面算好」由工程师预先写进评估函数。胜利之后，国际象棋的人机故事告一段落，注意力转向更难的棋种——围棋。
十九年间的三股铺垫
围棋难在搜索空间：公开口径里，十九路棋盘的合法局面数量以天文数字计，穷举路线在围棋上失效，具体量级以公开文献为准。1997 年之后的铺垫有三股。第一股是搜索方法的更新：2006 年前后，蒙特卡洛树搜索与 UCT 公开（Kocsis 与 Szepesvári 的公开论文口径），用随机采样代替穷举评估，围棋程序的成绩开始爬坡；2008 到 2012 年间，MoGo、Fuego、Zen 等程序在九路小盘上接近职业水平（公开报道口径），十九路大盘仍有明显差距。第二股是深度学习的复兴（见深度学习复兴一篇），2012 年视觉竞赛之后，神经网络学表示的能力得到公认。第三股是强化学习与深度学习的合流：2015 年 DQN 只看屏幕像素就学会几十款雅达利游戏（见DQN 打雅达利游戏一篇），「从零学策略」这条路走通了。
| 铺垫 | 公开节点 | 当时进展 |
|---|---|---|
| 搜索方法更新 | 2006 年前后，蒙特卡洛树搜索与 UCT 公开 | 用随机采样代替穷举评估，围棋程序成绩开始爬坡 |
| 深度学习复兴 | 2012 年视觉竞赛之后 | 神经网络学表示的能力得到公认 |
| 强化学习与深度学习合流 | 2015 年 DQN 公开 | 只看屏幕像素就学会几十款雅达利游戏，从零学策略这条路走通 |
2016 年 AlphaGo 换了打法
再看第二个节点。AlphaGo 的公开论文把打法写得很清楚：策略网络负责挑候选着法，价值网络负责评估局面，蒙特卡洛树搜索把两者组织起来；训练分两步，先学人类高手棋谱，再靠自我对弈继续增强。2016 年 3 月，AlphaGo 以四比一战胜李世石（见AlphaGo 战李世石一篇）。次年的公开结果更进一步：AlphaGo Zero 不用人类棋谱，从随机落子开始自我对弈，公开论文口径下超过此前版本；同年 AlphaZero 把同一框架推广到国际象棋与将棋（见AlphaZero一篇），不同棋种共用一套学习机制。与深蓝的关键差别由此清楚：知识从数据与对弈里学出，省去了工程师逐条编写评估函数的一步。
深蓝与 AlphaGo 的公开对照
两个节点公开事实对照
- 知识来源：人工评估函数加开局库｜人类棋谱加自我对弈
- 评估方式：工程师预设的打分｜神经网络学出的局面评估
- 搜索方式：专用硬件上的高速穷举｜神经网络筛选加蒙特卡洛树搜索
- 推广性：国际象棋专项系统｜同一框架延及围棋、国际象棋与将棋
需要说明的分寸是：这张表只对照公开事实，两个节点各自定义了当时的最优解，本文不做高下结论。十九年的空白也谈不上停滞：从「把搜索堆到极限」换到「让机器自己学评估」，是换了题目再上路，三股铺垫凑齐之后，公开预测里的时间表还被提前了。
再多说几句这十九年
这段历史与今天的关联有两条。方法上，大模型训练里的强化学习环节与 AlphaGo 的自我对弈同属一条公开脉络；验证上，棋类之所以长期充当 AI 的试金石，是因为规则明确、胜负可判，公开评测因此格外可信。你今天用豆包查一段历史棋谱的背景、用腾讯元宝让它解释蒙特卡洛方法的原理，都是随手可做的核对功课。
- 深蓝靠学习赢棋吗？：按公开资料，深蓝的评估函数由人工调校，属于搜索加人工知识的传统，学习不是它的主要成分。
- 围棋为什么比国际象棋难？：主要难在搜索空间与局面评估，公开口径里其复杂度远超国际象棋，穷举路线在围棋上失效。
- 2016 年之后棋类 AI 还在变吗？：AlphaGo Zero、AlphaZero 与开源围棋程序相继公开，具体进展以公开论文为准。
