那么，你想了解一下AI的棋局吗？抛开新闻里充斥的“战胜人类”威胁论，试试以一种只把AI看作一个棋手的方式。你或许会发现，它其实也一样，在长久的光阴里，一步步成长，与对手战斗，也挑战自己。还有点不同的是，它的成长不止属于自己，而是更像一个象征，凝结着近百年间人类科学家探索人工智能技术的智慧与成绩，讲述着人类挑战智能技术更高峰的热血坚持。

第一阶段 初露头角

挑战任务：西洋跳棋

西洋跳棋是一种在8x8格的两色相间的棋盘上进行的技巧游戏，以吃掉或堵住对方所有棋子去路为胜利，棋子每次只能向斜对角方向移动，但如果斜对角有敌方棋子并且可以跳过去，那么就把敌方这个棋子吃掉。

大战回顾：

成功秘诀：自我对弈

在和罗伯特·雷尼的比赛之后，尼雷表示，计算机走得极其出色，甚至没有一步失误。这是他自1954年以来8年中遇到的第一个击败他的“对手”。那么，这次跳棋盘上的胜利，秘诀在哪里呢？

通过自我对弈学习评价函数是西洋跳棋AI程序的核心技术，自我对弈学习评价函数的基本原理是利用两个副本进行对弈，学习线性评价函数每个特征的权重，其中一个副本使用固定的评价函数来学习特征的权重，另一个副本则是通过与使用极小极大（minimax search）算法作对比来学习特征的权重。事实上，后来的AlphaGo围棋AI程序以及深度学习领域的生成式对抗网络（GAN）都采用了类似的思想。

第二阶段

一场持续半世纪的挑战

挑战任务：国际象棋

国际象棋起源于亚洲，后由阿拉伯人传入欧洲，成为国际通行棋种，也是一项受到广泛喜爱的智力竞技运动。

国际象棋棋盘由横、纵各8格、颜色一深一浅交错排列的64个小方格组成，棋子共32个，分为黑、白两方，每方各16个。和8x8的西洋跳棋相比，国际象棋的状态复杂度（指从初始局面出发，产生的所有合法局面的总和）从1021上升到1046，博弈树复杂度（指从初始局面开始，其最小搜索树的所有叶子节点的总和）也从1031上升到10123。人工智能研究者对国际象棋的挑战持续了半个世纪。