王天一算力

⑴ 人工智慧需要什麼基礎

當下，人工智慧成了新時代的必修課，其重要性已無需贅述，但作為一個跨學科產物，它包含的內容浩如煙海，各種復雜的模型和演算法更是讓人望而生畏。對於大多數的新手來說，如何入手人工智慧其實都是一頭霧水，比如到底需要哪些數學基礎、是否要有工程經驗、對於深度學習框架應該關注什麼等等。

那麼，學習人工智慧該從哪裡開始呢？人工智慧的學習路徑又是怎樣的？
本文節選自王天一教授在極客時間 App 開設的「人工智慧基礎課」，已獲授權。更多相關文章，請下載極客時間 App，訂閱專欄獲取。
數學基礎知識蘊含著處理智能問題的基本思想與方法，也是理解復雜演算法的必備要素。今天的種種人工智慧技術歸根到底都建立在數學模型之上，要了解人工智慧，首先要掌握必備的數學基礎知識，具體來說包括：

• 線性代數：如何將研究對象形式化？

• 概率論：如何描述統計規律？

• 數理統計：如何以小見大？

• 最優化理論： 如何找到最優解？

• 資訊理論：如何定量度量不確定性？

• 形式邏輯：如何實現抽象推理？


線性代數：如何將研究對象形式化？
事實上，線性代數不僅僅是人工智慧的基礎，更是現代數學和以現代數學作為主要分析方法的眾多學科的基礎。從量子力學到圖像處理都離不開向量和矩陣的使用。而在向量和矩陣背後，線性代數的核心意義在於提供了⼀種看待世界的抽象視角：萬事萬物都可以被抽象成某些特徵的組合，並在由預置規則定義的框架之下以靜態和動態的方式加以觀察。
著重於抽象概念的解釋而非具體的數學公式來看，線性代數要點如下：線性代數的本質在於將具體事物抽象為數學對象，並描述其靜態和動態的特性；向量的實質是 n 維線性空間中的靜止點；線性變換描述了向量或者作為參考系的坐標系的變化，可以用矩陣表示；矩陣的特徵值和特徵向量描述了變化的速度與方向。
總之，線性代數之於人工智慧如同加法之於高等數學，是一個基礎的工具集。

概率論：如何描述統計規律？
除了線性代數之外，概率論也是人工智慧研究中必備的數學基礎。隨著連接主義學派的興起，概率統計已經取代了數理邏輯，成為人工智慧研究的主流工具。在數據爆炸式增長和計算力指數化增強的今天，概率論已經在機器學習中扮演了核心角色。
同線性代數一樣，概率論也代表了一種看待世界的方式，其關注的焦點是無處不在的可能性。頻率學派認為先驗分布是固定的，模型參數要靠最大似然估計計算；貝葉斯學派認為先驗分布是隨機的，模型參數要靠後驗概率最大化計算；正態分布是最重要的一種隨機變數的分布。

數理統計：如何以小見大？
在人工智慧的研究中，數理統計同樣不可或缺。基礎的統計理論有助於對機器學習的演算法和數據挖掘的結果做出解釋，只有做出合理的解讀，數據的價值才能夠體現。數理統計根據觀察或實驗得到的數據來研究隨機現象，並對研究對象的客觀規律做出合理的估計和判斷。
雖然數理統計以概率論為理論基礎，但兩者之間存在方法上的本質區別。概率論作用的前提是隨機變數的分布已知，根據已知的分布來分析隨機變數的特徵與規律；數理統計的研究對象則是未知分布的隨機變數，研究方法是對隨機變數進行獨立重復的觀察，根據得到的觀察結果對原始分布做出推斷。
用一句不嚴謹但直觀的話講：數理統計可以看成是逆向的概率論。 數理統計的任務是根據可觀察的樣本反過來推斷總體的性質；推斷的工具是統計量，統計量是樣本的函數，是個隨機變數；參數估計通過隨機抽取的樣本來估計總體分布的未知參數，包括點估計和區間估計；假設檢驗通過隨機抽取的樣本來接受或拒絕關於總體的某個判斷，常用於估計機器學習模型的泛化錯誤率。

最優化理論： 如何找到最優解？
本質上講，人工智慧的目標就是最優化：在復雜環境與多體交互中做出最優決策。幾乎所有的人工智慧問題最後都會歸結為一個優化問題的求解，因而最優化理論同樣是人工智慧必備的基礎知識。最優化理論研究的問題是判定給定目標函數的最大值（最小值）是否存在，並找到令目標函數取到最大值 (最小值) 的數值。 如果把給定的目標函數看成一座山脈，最優化的過程就是判斷頂峰的位置並找到到達頂峰路徑的過程。
通常情況下，最優化問題是在無約束情況下求解給定目標函數的最小值；在線性搜索中，確定尋找最小值時的搜索方向需要使用目標函數的一階導數和二階導數；置信域演算法的思想是先確定搜索步長，再確定搜索方向；以人工神經網路為代表的啟發式演算法是另外一類重要的優化方法。

資訊理論：如何定量度量不確定性？
近年來的科學研究不斷證實，不確定性就是客觀世界的本質屬性。換句話說，上帝還真就擲骰子。不確定性的世界只能使用概率模型來描述，這促成了資訊理論的誕生。
資訊理論使用「信息熵」的概念，對單個信源的信息量和通信中傳遞信息的數量與效率等問題做出了解釋，並在世界的不確定性和信息的可測量性之間搭建起一座橋梁。
總之，資訊理論處理的是客觀世界中的不確定性；條件熵和信息增益是分類問題中的重要參數；KL 散度用於描述兩個不同概率分布之間的差異；最大熵原理是分類問題匯總的常用准則。

形式邏輯：如何實現抽象推理？
1956 年召開的達特茅斯會議宣告了人工智慧的誕生。在人工智慧的襁褓期，各位奠基者們，包括約翰·麥卡錫、赫伯特·西蒙、馬文·閔斯基等未來的圖靈獎得主，他們的願景是讓「具備抽象思考能力的程序解釋合成的物質如何能夠擁有人類的心智。」通俗地說，理想的人工智慧應該具有抽象意義上的學習、推理與歸納能力，其通用性將遠遠強於解決國際象棋或是圍棋等具體問題的演算法。
如果將認知過程定義為對符號的邏輯運算，人工智慧的基礎就是形式邏輯；謂詞邏輯是知識表示的主要方法；基於謂詞邏輯系統可以實現具有自動推理能力的人工智慧；不完備性定理向「認知的本質是計算」這一人工智慧的基本理念提出挑戰。
《人工智慧基礎課》全年目錄
本專欄將圍繞機器學習與神經網路等核心概念展開，並結合當下火熱的深度學習技術，勾勒出人工智慧發展的基本輪廓與主要路徑。點擊我獲取學習資源




充分了解數據及其特性，有助於我們更有效地選擇機器學習演算法。採用以上步驟在一定程度上可以縮小演算法的選擇范圍，使我們少走些彎路，但在具體選擇哪種演算法方面，一般並不存在最好的演算法或者可以給出最好結果的演算法，在實際做項目的過程中，這個過程往往需要多次嘗試，有時還要嘗試不同演算法。不過先用一種簡單熟悉的方法，然後，在這個基礎上不斷優化，時常能收獲意想不到的效果。

⑵ 為什麼ai圍棋天下無敵，但象棋就不行

象棋變化相對較少，計算機通過窮舉的方式就可以贏人類了，所以很早之前還沒出現AI時人類就下不過計算機了，能夠窮舉變化，那象棋在計算機眼裡就一覽無遺，沒有東西可以深挖了，也就沒有再做深入研究了。攻克了這個堡壘，目標就變成下一個了，那就是圍棋，圍棋變化繁多，用窮舉的方式行不通了，於是就要尋求演算法上的突破，好比玄幻小說中的等級，等級一旦突破，高一階就可以碾壓低一階，由於還不知道圍棋的極限在哪，所以AI還能持續進化，人類只會被越甩越遠。

1997年以前，人類勉強可以自欺欺人的說，人工智慧不足以挑戰頂尖象棋大師。但是1997年以後，電腦足以無差別碾壓任何一位人類象棋天才。

1996年，電腦cpu還是從486向奔騰邁進的年代，國際巨頭ibm打造了一台超級計算機，深藍。向當時國際象棋界無可爭議的第一人卡斯帕羅夫發起挑戰。那是如同喬丹在籃球場一樣的具有絕對統治力的存在。深藍落敗。

1997年，經過改良的更深的藍卷土重來，與卡斯帕羅夫手談數局，攻克了這位國際象棋的最巔峰棋手。

猶記得那時有國內媒體驕傲的宣稱，代表中國智慧的圍棋復雜程度在量級上遠超象棋，是電腦極難攻克的智力競技項目。

國際晶元巨頭英特爾的創始人摩爾經過觀察和總結，提出了著名的摩爾定律，即每隔十八個月，電腦的運算速度快一倍。

時間來到21世紀10年代，人工智慧先後擊敗了代表圍棋界最強實力的李世石和柯潔。從此，人類的任何棋類運動在電腦面前毫無勝算。這其中，當然也包括中國象棋。

當今中國象棋第一人王天一，類似於c羅之於足球的存在，在電腦軟體面前毫無招架之力。

現在，無論圍棋還是象棋，用軟體拆招練習的人，勝負感更敏銳，招法更新穎，成績也更好。這也是棋類競技項目中，電腦勝過人類的有力佐證。

從 游戲 角度分析，象棋的核心目標是將軍，將死王之後 游戲 結束。而圍棋的核心目標則是圍到更大的空，這個在很多圍棋入門介紹視頻中也在反復提到，但這個定義過於抽象，導致很多人都摸不到頭腦，這個還和形式判斷有關。

象棋的入門相對圍棋要高一點，有七種不同的子，走法不同，而且還有河和宮的概念，其中將士不出宮，將士象不過河，兵過河可以橫著走。

而圍棋的入門其實更簡單，兩人交叉落子，落子不動，氣盡而亡，兩眼活棋（禁著點）。同時還有防止loop的打劫規則（象棋中其實也有對應的長將和不能行子判負的規則）

當然真正學圍棋的不會把這些當作入門，他們會學習大量死活，行棋方向，手筋，收官，定式等。學完這些他們才算入門。而象棋玩家學完上面那些真的可以開始玩了。

象棋其實更像是rpg 游戲 ，你帶領你的16位小夥伴去打怪，他們各有各自的能力，目標是殺死對面玩家（將/帥）這個會不會都可以開，無非是玩的好還是不好的區別。

而圍棋更像是回合制的rts（即時戰略）需要前期發展（定式）中期對戰和廝殺（中盤）以及簽訂戰後協議，劃分最後地盤（收官）。雖然 游戲 早期rts本身的競技性讓它曾經風靡一時，但這幾年還火的rts其實也沒幾個了。而且圍棋的中盤廝殺更像是一道大型解迷，這種需要動腦子的活動還是很難普及的。

因為象棋和圍棋的難度不同，象棋本身就得到了極大的普及，而且象棋畫幾個格子，拿幾個瓶蓋就能玩，在中國建國時物資還不充足時，一種好玩而且成本低的運動必然會受到許多人的追捧。而圍棋就算成本再低，幾百個有區分度的兩種不同顏色的棋子總得有吧。所以你會在大街上，看到那些老大爺下象棋的多，這可能還與圍棋不好攜帶有關，當然我們還說麻將也不好攜帶呢，為啥麻將普及度那麼高呢？我們還要提到另一個原因。

一種 游戲 的普及，尤其是一種需要操作和意識的競技 游戲 。往往一些比賽會帶動觀眾的情緒和熱情，不論是足球還是籃球，即使你不懂他們的規則，你也會在觀看中知道這邊把球丟進了框里得一分。像是電競最近仍比較火熱得lol，即使你沒玩過，也會知道這個塔倒了，這個人被殺死了。象棋就具備這種最直觀得體驗，少個車，丟個馬還是能看出來勝負的。

而圍棋，天然缺失這種優勢。如果你不懂圍棋，你看比賽就是一臉懵。就拿你不能要求一個聽音樂會的，至少鋼琴入級。一個看電影的，至少得學過影視賞析，這不現實。而且早期圍棋還存在一個很致命的問題，參考柯潔和阿爾法下過的第二盤棋的解說，解說要麼看不懂雙方的好點，要麼是不擺變化（可能覺得無足輕重，但擺變化才是呈現棋手雙方復雜博弈的手段之一）講棋的已經是職業棋手了，但還是看不懂一些棋是好是壞，這個我們普通人就更難看懂了。

固然象棋在後續還有流派，學殺招，學行棋效率，但一切都是很明了的，哪步好哪步不好都是能判斷的，ai的出現只不過窮舉完象棋的變化，但象棋的路數其實也差不多到頭了，畢竟棋子數量就那麼多，實在不行用ai去走著試試。現在象棋比賽依舊存在，雙方的比拼點就是在比雙方對棋的理解誰更深了。而圍棋在阿爾法狗出現之前，對一些下法還存在很多爭議，其實比較多是定式的爭議，早期開局點三三是絕對的敗招，像《圍棋少年》中江流兒就下出過這樣一招，劇中說這是長輩對晚輩謙恭才下這個敗招，但ai時代也讓很多定式的有了不一樣的好壞定義。而現在看棋的人也不一定需要看講解的說辭了，自己用ai擺擺也能看出一步棋的好壞，解說的作用可能是告訴你這步為什麼好，畢竟觀眾不一樣。

除了ai時代才把棋的好壞逐漸講清楚這點外，圍棋的宣傳和教育方式也有問題。

宣傳上，圍棋是國粹，是一種高雅藝術，因為之前誰也講不清，所以還是門玄學 游戲 ，一直都和高智商和高境界掛在一起。但這個能讓圍棋活下去但不能讓圍棋活得很好。早期京劇是千人千面，是真正意義的市井藝術，為了賣座，還有很多的比較俗的藝術。這里的俗分通俗和低俗，通俗讓你聽懂，而低俗則是直接上來撓你癢，不管怎麼樣，觀眾進到劇場里了，才會知道京劇原來是這樣的，才會逐漸欣賞更雅一點的曲目。而現在京劇作為國粹，使得很多劇種都沒法演，觀眾想看要麼忍受一些不入流的京劇演員，要麼只能看老片子，這對京劇的發展不利。倒不如出一些像《三審伽利略》這樣的偏喜劇的京劇讓一些人入一下坑，不然京劇就是下一個崑曲。

而圍棋和京劇一樣，無論是文學作品裡的神乎奇技，還是和高雅人士掛鉤。其實都是其入門難，所有人都對其抱有神秘感，而且以前有心思琢磨圍棋的人都是有錢有閑的人，所以只在小眾圈子裡流傳，現在也差不多，只不過可以利用碎片化時間了而已。

中國圍棋的普及其實有幾個特殊時間點，一是聶衛平在日本的十幾連勝，當時只要中國在世界舞台上取得相當的成就，都會帶動國內的項目的普及和發展。比如籃球，乒乓球，足球（2002），排球等。而且當時圍棋入段能加分，很多人都送自己孩子去學棋，畢竟有提高智力之名。

之後可能就是棋魂和《圍棋少年》的火爆。雖然棋魂是我後續補的，不知道當時有多大的影響程度，但很多圍棋up都說自己是因為棋魂開始下圍棋的。而圍棋少年，雖然現在開始重新分析其作畫有問題，過於傲慢拒絕了棋手的影視指導，導致這部劇存在了很大的瑕疵，而且天地大同和天魔大化太過故弄玄虛，本身就像是兩個武林高手雙方比試重要的雙方的名字而不是真正的動作。其實更好的處理是在作畫上體現，但是原因看前一條。但不可否認的是，圍棋少年依舊是一部優秀的講棋心，講人情世故得動畫，如果你把它當作武俠片的話。

第三階段可能就是2016年的ai時代的來臨，曾經在科幻小說里出現的，人類堅守圍棋這片智力的最後高地，沒想到居然來的這么快。2015年時央視還出了個圍棋的記錄片，講ai要和人類一戰或許還要20年，沒想到才一年就殺得人類丟盔棄甲，彷彿世界末日就要到來。當時阿爾法狗還是學習人類棋譜訓練的，還會輸給李世石。才一年，自我學習的阿爾法狗zero就已誕生，甚至比之前還要強大數倍。之後，柯潔也在對局中敗給了再次進化的阿爾法狗master。其實在這之前master已經和60位棋手下過了，基本是全勝。當時的討論都是ai會不會統治人類，圍棋現在還有要學的必要，至此，圍棋可以說是脫去了神秘的面紗，關注度真正來到了頂峰。

之後是柯潔被狗打哭後連贏人類棋手十幾盤，棋手這時才判然醒悟，原來和ai學棋是對的，至此，圍棋不但沒有衰落，反而在路人中間獲得了極大的關注度，還提高了職業棋手和業余棋手的水平等級。加上柯潔本身是個很有爭議的人物，所有人都來關注他，雖然我相信很多人都不是來看圍棋的，但學圍棋的肯定是多了起來。人們對圍棋總算有了個更清晰的判斷。圍棋畢竟還是一個智力 游戲 。雖然有人提倡超脫於室外的道，但想下好圍棋，還是得磨好殺棋制勝的術。

至此，象棋的普及基於其本身戰爭 游戲 的抽象，同時又簡單上手，走街都能看到老大爺在下棋，普及度自然原超圍棋。而圍棋本身入門門檻較高，導致很多人都不願進門檻，但現在ai和網棋的發展，人們大可以和ai去學習圍棋，而不用報一些身份不明的圍棋班，對於一些小夥伴來說這也是加入圍棋的好機會（雖然肯定也不會很多就是了）

象棋AI早就吊打人類頂尖棋手了，只不過現在人類棋手也開始學習AI布局。加上象棋變化少，還有逼和下法；但是整體上還是不如AI。象棋現在已經發展出AI比賽，雙方比拼電腦硬體，軟體演算法還有最關鍵的是AI棋庫；最新的棋庫都是要收費的！網上有很多AI象棋比賽視頻，水平高人類選手一大截。各種精妙進攻搏殺，飛刀又見飛刀，刀刀致命！

笑死我了。

你知道象棋把世界冠軍贏了的那個年代，隨便一個圍棋小白都能把最強的圍棋AI打贏嗎？

現在隨便一個合格的人工智慧領域的計算機博士，都有能力開發出一個世界冠軍水平的象棋AI。

沒人做是因為已經過時了，搞象棋AI，就好比在21世紀干BB機維修。

到目前為止。我認為Al.邏輯思維。以及追趕變化的能力仍然是遠遠不夠的。象棋好像有個固定的路子。Al容易掌控。但對圍棋我沒有見過。更別說懂。但據分析，圍棋的路子不是固定的。靈活的變化性較大。所以Al.掌控不了。比如像磁動機的組合。Al是組合不出來的。不知我這樣評論Al.是否有一些道理？

象棋早就把人虐了，畢竟變化少，開局庫加上搜索幾乎能夠涵蓋所有的變化，而圍棋變化太多，靠開局庫和窮舉搜索是解決不了的！所以在alphago之前，最牛的圍棋軟體也就有個業餘五段水平！

從把深度學習（神經網路）引入圍棋以來，圍棋ai現在針對人而言，幾乎就是神一般的存在！

現在圍棋ai這么轟動，跟 社會 環境也有關系，現在整個 社會 都在熱炒ai，所以象棋就相形見絀了！其實leela zero的作者也把ai應用到國際象棋上了，只是國內沒大用！

說AI象棋不行的，說明你根本就沒了解過，都不用ai大牛阿爾法狗上陣，低端ai就能橫掃所有象棋高手了！！

相對圍棋來說，象棋的變化要少的多，對於ai而言更是簡單的多，需要的算力更是不可同日而語，人工智慧也就是最近這兩年才打敗頂級人類高手，而象棋早早就被攻克了！！！

現在象棋第一人是誰你知道不？這種問題也提。。。。

我認為這個問題是由於圍棋與象棋的區別造成的：

象棋對棋子的規則很多，而圍棋對棋子的規則很少。

從一開局，象棋的每一個棋子都必須按照規定，放置在固定的位置上。而且，對奕雙方的棋子數量和各亇棋子的作用是相同的。這就使象棋從一開始搏奕時，就有了思維基礎。對奕雙方就可以在這亇基礎上，進行通盤謀劃。

而圍棋沒有預設棋子的規定。開局後，對奕雙方你來我往，可以在棋盤上的任意一個點落子。而後，己經落下的棋子才成為固定位置上的棋子。而那些仍然掌握在雙方棋手中，還沒落到棋盤上的棋子，究竟會落在那亇點上成為固定棋子，對搏奕的雙方都是未知數。這就使圍棋相比象棋，從開局時就對通盤謀劃產生了極大的難度。

象棋對每一亇棋子的走棋方法有著嚴格的規定：「馬走日子象走田，車走直路一炮翻山，小卒攻的一杠煙，老將蹲在後花園」。因此，造成了各個棋子的作用和殺傷力大不相同。這亇規定，可以使棋手比較容易地通過對單個棋子的所在位置，走棋規定和作用，結合全盤考慮，計祘出自己和對方的下一步棋如何走。

而圍棋的棋子落在棋盤上任何一個點上後，就只能成為固定棋子，不得再挪動。因此，圍棋的棋子不存在棋子走棋方法的規定問題。這就使圍棋相比於象棋，減少了一個思維，判斷和計祘的依據。從而也就大大地增加了圍棋搏奕的難度。

象棋取勝的目標是吃掉對方的老將，簡單而又明確，貫穿於整亇搏奕過程中。為此，從開局始雙方就殺氣騰騰，對准取勝目標，通過進攻和防守，牽制和消滅對方的棋子，直至吃掉對方的老將。當雙方都無法吃掉對方老將時，只能握手言和。

圍棋取勝的目標是佔領比對方更多的「地盤」。而這個致勝的「地盤」究竟在那裡，從一開局就是不確定的，模糊的。只有在搏奕的過程中才能逐漸顯露出來。而在搏奕過程中雙方產生的各個「地盤」，都有可能成為取勝的致命目標。搏奕雙方在落下每一個棋子時，都要結合這些目標，全面考慮和計祘將要落下的這一亇棋子的得失。隨著棋盤上雙方棋子的增加，局面將會變得愈加復雜，取勝將會更難，顧此失彼的可能性很大。

象棋棋盤上的落子點只有90個，而圍棋棋盤上的落子點竟多達361亇。這種落子點的增多，大大增加了圍棋的變化程度和難度。

通過以上對比，顯而易見，圍棋需要的計祘難度遠遠高出於象棋。而象棋的計祘難度雖不及圍棋，卻規則繁多，需要較多的邏輯思維。而計祘機的優勢就在於計祘。隨著計祘機的發展，人類的計祘能力己遠不如計祘機。因此ai圍棋可以天下無敵，而象棋卻不行。

圍棋AI是使用的最近幾年很火的深度學習演算法來取勝的。象棋其實也早有軟體了，但是使用的不是深度學習，而是其他技術。

深度學習目前正在發展中，還有很多需要突破的難題，但是也有很多成熟的演算法。最典型的成熟演算法就是圖像處理。

而圍棋的規則，決定了它天生就是一幅「簡單」的圖像。圖像中，有19 19個像素。像素總共只有3種顏色：黑、白、黃(假設棋盤是黃的)。圍棋是比較偏「靜止」的，棋子落地生根，不允許再運動，最多就是提子。這些特點，使得看待圍棋局勢，就像看一幅圖一樣。這與象棋不同， 象棋很難當成圖像進行處理 。

象棋棋子太多，走子規則復雜，每個棋子與周邊棋子的聯系不像圍棋那樣簡單粗暴。看待圍棋「圖像」時，腦海中可以把某一大片黑子(或白子)連成片，當成一個整體。然後就變成了，看誰容易圍住誰，誰「實」多，誰「虛」多。這就是「圖像」。象棋則不行。比方說車馬炮就是不相乾的，很難連起來當一幅圖看。

深度學習，是人工智慧的一種，模擬的是人類的智能。按目前的技術，它 最接近人類不需要思考就能得立刻出結果的問題 。比方說人類識別一張人臉，是不需要思考的，靠「感覺」，而且用不了1秒鍾。但是又很難描述這種「感覺」。患有臉盲症的人很難感覺出人臉，他們需要通過思考來確定特徵(黑痣、發型、胡須等)。

人工智慧下圍棋，那就是有「棋感」。人類下圍棋時，運用「棋感」，就是說下一步棋時，不需要計算和過多思考，直接通過「圖像」的感覺直接走子。這在圍棋開局前幾十著特別常見。而計算是指，一步一步推演，比方說看看某條大龍能不能最終走活。

國際象棋的深藍軟體則不一樣，那個不叫棋感，而是絕大部分是精密復雜的數學運算。

以上只是為了簡單起見，提到了圍棋AI的「棋感」，而且強調人工智慧 目前 特別擅長處理類似圖像一類的問題。實際上，阿爾法狗使用了多個網路，其中一部分負責「棋感」，另外一部分還是需要計算的。其實，這和人類下棋就很像了，人類下棋也是棋感加計算相結合的。不過阿爾法狗的精華肯定是棋感那部分。人類又何嘗不是。稍微學過圍棋的，誰都會推演死活，但是依賴棋感的那些「神之一手」，以及判斷局勢，那才是大師與菜鳥的最大區別。

⑶ 下中國象棋怎樣提高計算能力

提高象棋水平的的關鍵點就是提高象棋計算能力。象棋計算的精準度提高了，水平自然也就提高了。那麼如何提高象棋計算能力呢？下面分享幾個方法。
一、了解、熟悉棋理
所謂棋理，就是象棋布局的道理，也是前人對象棋布局一般規律的總結，在多數情況下適用的擇優方法。棋理的內容很多，最大的特點就是抽象，理解起來比較困難。例如，有人說「三步不出車，就是臭棋」，但偏偏有些布局是緩開車；棋諺常說，忌馬不活，但偏偏有些布局開局就棄馬；胡司令曾說：多子好走，但曹岩磊最擅長的卻是棄子攻殺.....像這樣的例子還有很多，是不是證明棋理就沒用了呢？答案是否定的。棋理來源於計算，是象棋計算中總結出的一種規律，沒有計算的支持，棋理往往並不是絕對的正確。例如在象棋軟體面前，很多棋理都站不住腳，不按棋理走也不見得會失敗，但違反棋理的前提是計算精準，精準可以彌補不足。總結一下，象棋棋理和生活中的一些哲理一樣，不能死記硬套，需要區別處理，特殊情況特殊對待，一味的鑽牛角尖只是得不償失。作為人類，在對弈過程中走的招法不可能每一步都是最優解，因此，棋理還是非常重要的，熟悉棋理很大程度上可以幫助我們減少計算、完善布局、減少失誤。
二、背記、理解棋譜
除了掌握一些必要的棋理，提高象棋計算還需要背記、理解棋譜。如果把象棋的對弈過程比作數學計算。那麼開局的棋譜、殘局的基礎殺法可以看作是解題過程中運用到的數學公式。這些公式雖然不能改變計算的結果，但是可以幫助我們提高計算的效率和計算的准確度，盡快地得出計算結果。比如我們最熟悉的殘局定式：單車和士象全。這個公式如何運用？作為劣勢方，只要將殘局引導到這個局面，就達到了目的。而優勢方，就要盡量避免這一局面的出現，這就是殘局定式最基礎的一個運用。
有人說象棋棋譜千千萬，光靠背能記住多少？背記棋譜只是一種最基本的手段，最終的目的是理解棋譜，著名的求道派閻文清大師曾提出過一個學棋的方法：背好棋譜，理解棋譜，忘記棋譜，忘記的過程就是消化理解的過程。聽起來有些抽象，實際上卻是非常朴實。舉一個簡單的例子，就像小時候我們背記的乘法口訣，當你沒有背熟時，通常會出現用錯公式的時候，有時還不如手算的准確，但是當你把這些公式熟記、分化、理解之後，就可以熟練運用到各種解題過程之中。
背譜過程中，經常會遇到一些問題。例如：有些棋友常說，我不背譜的時候還能贏棋，一背棋譜感覺輸得更多了；還有的棋友說，我在網上看到別人用套路開局，怎麼下怎麼贏，好不容易把棋譜背下來，到自己用的時候就不靈了，對手偏偏不按棋譜走，出現這種情況的原因並不是棋譜不對，而是棋手們對棋譜的理解程度不夠深，一味的死記硬套，對手稍一變招，就不知道怎麼應對了，歸根結底是沒有理解棋譜的緣故。如何理解棋譜呢？以開局為例，一般來說，每個象棋開局都有幾種最基礎的變化，理解棋譜就是要理解每種變化的進攻點在哪？布局的弱點在哪？對手的反擊點在哪？常見的陷阱在哪？等等。理解了這些才能開好局，平穩或占優的情況下進入到中局。
三、勤復盤，會拆棋，打造棋感
復盤、拆棋都是提高象棋水平有效的途徑。復盤就是把自己的對局再走遍，分析自己在對局中想走未走的招法，找出行棋過程中的優缺點，總結經驗教訓；拆棋就是將對局中可能出現的變化再演練一下，尋找最佳的招法。拆棋的方法多樣，可以拆解自己的對局，也可以拆解大師的對局；可以自己思考，也可以藉助象棋軟體；可以拆解全局，也可以拆解對局中的一個環節。通過復盤、拆解，得升棋感，就是對局中的感覺。在對局過程中，計算不可能面面俱到，棋感好的棋手，可以很快發現復雜局面中最優的招法，棋感差的，可能想了半天也會出漏招。棋感一方面在於天賦，但同樣也需要積累總結，見得多了自然就識得廣了。
四、養成良好的習慣
沒想好不動子，動子不悔棋。有些象棋愛好者，對局過程中摸摸這個棋子，再摸摸那個棋子，走一步棋要動好幾個子，恨不得把對方的棋子也摸一遍，這種習慣對計算的幫助不大，同時會擾亂思路，不可取。還有的棋友，到了陌生局面，對方剛落子，就提子運招，靠感覺下棋。象棋不是賽跑，並不是以速度評定勝負，沒有計算的支持，全憑感覺的行棋非常容易出漏招，而一步漏招往往會決定一盤棋的勝負。最後再說悔棋，可以說，喜歡悔棋的人多數是初學者，真正的高手是不屑於悔棋的，因為沒必要，輸了可以再來，悔棋輸的可就是棋品了。看王天一、洪智的直播，只有讓別人悔棋，基本沒見過他們悔棋，職業棋手的素養可見一斑。

⑷ 經常下象棋是否可以提高自己的象棋水平

1、提升邏輯思維能力：這種能力提升後對其它方面的做事都有很大的幫助。

2、對學習上有幫助：孩子下棋好，學習方法上自然而然就會改進，由學習不好變為學習好，步入三好學生的行列。

3、為人處事方面： 在日常生活中，說話做事都相對細心一些，很少會范低級錯誤，因為象棋的思維會遷移到工作或生活及學習中。

4、盲棋思維：正所謂未補先知，象棋可以不用看棋盤，就可以跟與對弈。這樣思維在事前可以預測及規劃，對於結果的成功率幫助非常大。

5、是一門愛好或事業：對於絕大多數學棋的人來說，只是娛樂而已，是一門愛好； 對於頂尖高手來說可以當成事業來說，比如：王天一、蔣川、唐丹、胡榮華等，還會帶來豐厚的收入和名譽。

6、結交朋友：對於業余高手來說，經常打比賽，可以結交很多好朋友。