王天一算力

⑴ 人工智能需要什么基础

当下，人工智能成了新时代的必修课，其重要性已无需赘述，但作为一个跨学科产物，它包含的内容浩如烟海，各种复杂的模型和算法更是让人望而生畏。对于大多数的新手来说，如何入手人工智能其实都是一头雾水，比如到底需要哪些数学基础、是否要有工程经验、对于深度学习框架应该关注什么等等。

那么，学习人工智能该从哪里开始呢？人工智能的学习路径又是怎样的？
本文节选自王天一教授在极客时间 App 开设的“人工智能基础课”，已获授权。更多相关文章，请下载极客时间 App，订阅专栏获取。
数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括：

• 线性代数：如何将研究对象形式化？

• 概率论：如何描述统计规律？

• 数理统计：如何以小见大？

• 最优化理论： 如何找到最优解？

• 信息论：如何定量度量不确定性？

• 形式逻辑：如何实现抽象推理？


线性代数：如何将研究对象形式化？
事实上，线性代数不仅仅是人工智能的基础，更是现代数学和以现代数学作为主要分析方法的众多学科的基础。从量子力学到图像处理都离不开向量和矩阵的使用。而在向量和矩阵背后，线性代数的核心意义在于提供了⼀种看待世界的抽象视角：万事万物都可以被抽象成某些特征的组合，并在由预置规则定义的框架之下以静态和动态的方式加以观察。
着重于抽象概念的解释而非具体的数学公式来看，线性代数要点如下：线性代数的本质在于将具体事物抽象为数学对象，并描述其静态和动态的特性；向量的实质是 n 维线性空间中的静止点；线性变换描述了向量或者作为参考系的坐标系的变化，可以用矩阵表示；矩阵的特征值和特征向量描述了变化的速度与方向。
总之，线性代数之于人工智能如同加法之于高等数学，是一个基础的工具集。

概率论：如何描述统计规律？
除了线性代数之外，概率论也是人工智能研究中必备的数学基础。随着连接主义学派的兴起，概率统计已经取代了数理逻辑，成为人工智能研究的主流工具。在数据爆炸式增长和计算力指数化增强的今天，概率论已经在机器学习中扮演了核心角色。
同线性代数一样，概率论也代表了一种看待世界的方式，其关注的焦点是无处不在的可能性。频率学派认为先验分布是固定的，模型参数要靠最大似然估计计算；贝叶斯学派认为先验分布是随机的，模型参数要靠后验概率最大化计算；正态分布是最重要的一种随机变量的分布。

数理统计：如何以小见大？
在人工智能的研究中，数理统计同样不可或缺。基础的统计理论有助于对机器学习的算法和数据挖掘的结果做出解释，只有做出合理的解读，数据的价值才能够体现。数理统计根据观察或实验得到的数据来研究随机现象，并对研究对象的客观规律做出合理的估计和判断。
虽然数理统计以概率论为理论基础，但两者之间存在方法上的本质区别。概率论作用的前提是随机变量的分布已知，根据已知的分布来分析随机变量的特征与规律；数理统计的研究对象则是未知分布的随机变量，研究方法是对随机变量进行独立重复的观察，根据得到的观察结果对原始分布做出推断。
用一句不严谨但直观的话讲：数理统计可以看成是逆向的概率论。 数理统计的任务是根据可观察的样本反过来推断总体的性质；推断的工具是统计量，统计量是样本的函数，是个随机变量；参数估计通过随机抽取的样本来估计总体分布的未知参数，包括点估计和区间估计；假设检验通过随机抽取的样本来接受或拒绝关于总体的某个判断，常用于估计机器学习模型的泛化错误率。

最优化理论： 如何找到最优解？
本质上讲，人工智能的目标就是最优化：在复杂环境与多体交互中做出最优决策。几乎所有的人工智能问题最后都会归结为一个优化问题的求解，因而最优化理论同样是人工智能必备的基础知识。最优化理论研究的问题是判定给定目标函数的最大值（最小值）是否存在，并找到令目标函数取到最大值 (最小值) 的数值。 如果把给定的目标函数看成一座山脉，最优化的过程就是判断顶峰的位置并找到到达顶峰路径的过程。
通常情况下，最优化问题是在无约束情况下求解给定目标函数的最小值；在线性搜索中，确定寻找最小值时的搜索方向需要使用目标函数的一阶导数和二阶导数；置信域算法的思想是先确定搜索步长，再确定搜索方向；以人工神经网络为代表的启发式算法是另外一类重要的优化方法。

信息论：如何定量度量不确定性？
近年来的科学研究不断证实，不确定性就是客观世界的本质属性。换句话说，上帝还真就掷骰子。不确定性的世界只能使用概率模型来描述，这促成了信息论的诞生。
信息论使用“信息熵”的概念，对单个信源的信息量和通信中传递信息的数量与效率等问题做出了解释，并在世界的不确定性和信息的可测量性之间搭建起一座桥梁。
总之，信息论处理的是客观世界中的不确定性；条件熵和信息增益是分类问题中的重要参数；KL 散度用于描述两个不同概率分布之间的差异；最大熵原理是分类问题汇总的常用准则。

形式逻辑：如何实现抽象推理？
1956 年召开的达特茅斯会议宣告了人工智能的诞生。在人工智能的襁褓期，各位奠基者们，包括约翰·麦卡锡、赫伯特·西蒙、马文·闵斯基等未来的图灵奖得主，他们的愿景是让“具备抽象思考能力的程序解释合成的物质如何能够拥有人类的心智。”通俗地说，理想的人工智能应该具有抽象意义上的学习、推理与归纳能力，其通用性将远远强于解决国际象棋或是围棋等具体问题的算法。
如果将认知过程定义为对符号的逻辑运算，人工智能的基础就是形式逻辑；谓词逻辑是知识表示的主要方法；基于谓词逻辑系统可以实现具有自动推理能力的人工智能；不完备性定理向“认知的本质是计算”这一人工智能的基本理念提出挑战。
《人工智能基础课》全年目录
本专栏将围绕机器学习与神经网络等核心概念展开，并结合当下火热的深度学习技术，勾勒出人工智能发展的基本轮廓与主要路径。点击我获取学习资源




充分了解数据及其特性，有助于我们更有效地选择机器学习算法。采用以上步骤在一定程度上可以缩小算法的选择范围，使我们少走些弯路，但在具体选择哪种算法方面，一般并不存在最好的算法或者可以给出最好结果的算法，在实际做项目的过程中，这个过程往往需要多次尝试，有时还要尝试不同算法。不过先用一种简单熟悉的方法，然后，在这个基础上不断优化，时常能收获意想不到的效果。

⑵ 为什么ai围棋天下无敌，但象棋就不行

象棋变化相对较少，计算机通过穷举的方式就可以赢人类了，所以很早之前还没出现AI时人类就下不过计算机了，能够穷举变化，那象棋在计算机眼里就一览无遗，没有东西可以深挖了，也就没有再做深入研究了。攻克了这个堡垒，目标就变成下一个了，那就是围棋，围棋变化繁多，用穷举的方式行不通了，于是就要寻求算法上的突破，好比玄幻小说中的等级，等级一旦突破，高一阶就可以碾压低一阶，由于还不知道围棋的极限在哪，所以AI还能持续进化，人类只会被越甩越远。

1997年以前，人类勉强可以自欺欺人的说，人工智能不足以挑战顶尖象棋大师。但是1997年以后，电脑足以无差别碾压任何一位人类象棋天才。

1996年，电脑cpu还是从486向奔腾迈进的年代，国际巨头ibm打造了一台超级计算机，深蓝。向当时国际象棋界无可争议的第一人卡斯帕罗夫发起挑战。那是如同乔丹在篮球场一样的具有绝对统治力的存在。深蓝落败。

1997年，经过改良的更深的蓝卷土重来，与卡斯帕罗夫手谈数局，攻克了这位国际象棋的最巅峰棋手。

犹记得那时有国内媒体骄傲的宣称，代表中国智慧的围棋复杂程度在量级上远超象棋，是电脑极难攻克的智力竞技项目。

国际芯片巨头英特尔的创始人摩尔经过观察和总结，提出了著名的摩尔定律，即每隔十八个月，电脑的运算速度快一倍。

时间来到21世纪10年代，人工智能先后击败了代表围棋界最强实力的李世石和柯洁。从此，人类的任何棋类运动在电脑面前毫无胜算。这其中，当然也包括中国象棋。

当今中国象棋第一人王天一，类似于c罗之于足球的存在，在电脑软件面前毫无招架之力。

现在，无论围棋还是象棋，用软件拆招练习的人，胜负感更敏锐，招法更新颖，成绩也更好。这也是棋类竞技项目中，电脑胜过人类的有力佐证。

从 游戏 角度分析，象棋的核心目标是将军，将死王之后 游戏 结束。而围棋的核心目标则是围到更大的空，这个在很多围棋入门介绍视频中也在反复提到，但这个定义过于抽象，导致很多人都摸不到头脑，这个还和形式判断有关。

象棋的入门相对围棋要高一点，有七种不同的子，走法不同，而且还有河和宫的概念，其中将士不出宫，将士象不过河，兵过河可以横着走。

而围棋的入门其实更简单，两人交叉落子，落子不动，气尽而亡，两眼活棋（禁着点）。同时还有防止loop的打劫规则（象棋中其实也有对应的长将和不能行子判负的规则）

当然真正学围棋的不会把这些当作入门，他们会学习大量死活，行棋方向，手筋，收官，定式等。学完这些他们才算入门。而象棋玩家学完上面那些真的可以开始玩了。

象棋其实更像是rpg 游戏 ，你带领你的16位小伙伴去打怪，他们各有各自的能力，目标是杀死对面玩家（将/帅）这个会不会都可以开，无非是玩的好还是不好的区别。

而围棋更像是回合制的rts（即时战略）需要前期发展（定式）中期对战和厮杀（中盘）以及签订战后协议，划分最后地盘（收官）。虽然 游戏 早期rts本身的竞技性让它曾经风靡一时，但这几年还火的rts其实也没几个了。而且围棋的中盘厮杀更像是一道大型解迷，这种需要动脑子的活动还是很难普及的。

因为象棋和围棋的难度不同，象棋本身就得到了极大的普及，而且象棋画几个格子，拿几个瓶盖就能玩，在中国建国时物资还不充足时，一种好玩而且成本低的运动必然会受到许多人的追捧。而围棋就算成本再低，几百个有区分度的两种不同颜色的棋子总得有吧。所以你会在大街上，看到那些老大爷下象棋的多，这可能还与围棋不好携带有关，当然我们还说麻将也不好携带呢，为啥麻将普及度那么高呢？我们还要提到另一个原因。

一种 游戏 的普及，尤其是一种需要操作和意识的竞技 游戏 。往往一些比赛会带动观众的情绪和热情，不论是足球还是篮球，即使你不懂他们的规则，你也会在观看中知道这边把球丢进了框里得一分。像是电竞最近仍比较火热得lol，即使你没玩过，也会知道这个塔倒了，这个人被杀死了。象棋就具备这种最直观得体验，少个车，丢个马还是能看出来胜负的。

而围棋，天然缺失这种优势。如果你不懂围棋，你看比赛就是一脸懵。就拿你不能要求一个听音乐会的，至少钢琴入级。一个看电影的，至少得学过影视赏析，这不现实。而且早期围棋还存在一个很致命的问题，参考柯洁和阿尔法下过的第二盘棋的解说，解说要么看不懂双方的好点，要么是不摆变化（可能觉得无足轻重，但摆变化才是呈现棋手双方复杂博弈的手段之一）讲棋的已经是职业棋手了，但还是看不懂一些棋是好是坏，这个我们普通人就更难看懂了。

固然象棋在后续还有流派，学杀招，学行棋效率，但一切都是很明了的，哪步好哪步不好都是能判断的，ai的出现只不过穷举完象棋的变化，但象棋的路数其实也差不多到头了，毕竟棋子数量就那么多，实在不行用ai去走着试试。现在象棋比赛依旧存在，双方的比拼点就是在比双方对棋的理解谁更深了。而围棋在阿尔法狗出现之前，对一些下法还存在很多争议，其实比较多是定式的争议，早期开局点三三是绝对的败招，像《围棋少年》中江流儿就下出过这样一招，剧中说这是长辈对晚辈谦恭才下这个败招，但ai时代也让很多定式的有了不一样的好坏定义。而现在看棋的人也不一定需要看讲解的说辞了，自己用ai摆摆也能看出一步棋的好坏，解说的作用可能是告诉你这步为什么好，毕竟观众不一样。

除了ai时代才把棋的好坏逐渐讲清楚这点外，围棋的宣传和教育方式也有问题。

宣传上，围棋是国粹，是一种高雅艺术，因为之前谁也讲不清，所以还是门玄学 游戏 ，一直都和高智商和高境界挂在一起。但这个能让围棋活下去但不能让围棋活得很好。早期京剧是千人千面，是真正意义的市井艺术，为了卖座，还有很多的比较俗的艺术。这里的俗分通俗和低俗，通俗让你听懂，而低俗则是直接上来挠你痒，不管怎么样，观众进到剧场里了，才会知道京剧原来是这样的，才会逐渐欣赏更雅一点的曲目。而现在京剧作为国粹，使得很多剧种都没法演，观众想看要么忍受一些不入流的京剧演员，要么只能看老片子，这对京剧的发展不利。倒不如出一些像《三审伽利略》这样的偏喜剧的京剧让一些人入一下坑，不然京剧就是下一个昆曲。

而围棋和京剧一样，无论是文学作品里的神乎奇技，还是和高雅人士挂钩。其实都是其入门难，所有人都对其抱有神秘感，而且以前有心思琢磨围棋的人都是有钱有闲的人，所以只在小众圈子里流传，现在也差不多，只不过可以利用碎片化时间了而已。

中国围棋的普及其实有几个特殊时间点，一是聂卫平在日本的十几连胜，当时只要中国在世界舞台上取得相当的成就，都会带动国内的项目的普及和发展。比如篮球，乒乓球，足球（2002），排球等。而且当时围棋入段能加分，很多人都送自己孩子去学棋，毕竟有提高智力之名。

之后可能就是棋魂和《围棋少年》的火爆。虽然棋魂是我后续补的，不知道当时有多大的影响程度，但很多围棋up都说自己是因为棋魂开始下围棋的。而围棋少年，虽然现在开始重新分析其作画有问题，过于傲慢拒绝了棋手的影视指导，导致这部剧存在了很大的瑕疵，而且天地大同和天魔大化太过故弄玄虚，本身就像是两个武林高手双方比试重要的双方的名字而不是真正的动作。其实更好的处理是在作画上体现，但是原因看前一条。但不可否认的是，围棋少年依旧是一部优秀的讲棋心，讲人情世故得动画，如果你把它当作武侠片的话。

第三阶段可能就是2016年的ai时代的来临，曾经在科幻小说里出现的，人类坚守围棋这片智力的最后高地，没想到居然来的这么快。2015年时央视还出了个围棋的记录片，讲ai要和人类一战或许还要20年，没想到才一年就杀得人类丢盔弃甲，仿佛世界末日就要到来。当时阿尔法狗还是学习人类棋谱训练的，还会输给李世石。才一年，自我学习的阿尔法狗zero就已诞生，甚至比之前还要强大数倍。之后，柯洁也在对局中败给了再次进化的阿尔法狗master。其实在这之前master已经和60位棋手下过了，基本是全胜。当时的讨论都是ai会不会统治人类，围棋现在还有要学的必要，至此，围棋可以说是脱去了神秘的面纱，关注度真正来到了顶峰。

之后是柯洁被狗打哭后连赢人类棋手十几盘，棋手这时才判然醒悟，原来和ai学棋是对的，至此，围棋不但没有衰落，反而在路人中间获得了极大的关注度，还提高了职业棋手和业余棋手的水平等级。加上柯洁本身是个很有争议的人物，所有人都来关注他，虽然我相信很多人都不是来看围棋的，但学围棋的肯定是多了起来。人们对围棋总算有了个更清晰的判断。围棋毕竟还是一个智力 游戏 。虽然有人提倡超脱于室外的道，但想下好围棋，还是得磨好杀棋制胜的术。

至此，象棋的普及基于其本身战争 游戏 的抽象，同时又简单上手，走街都能看到老大爷在下棋，普及度自然原超围棋。而围棋本身入门门槛较高，导致很多人都不愿进门槛，但现在ai和网棋的发展，人们大可以和ai去学习围棋，而不用报一些身份不明的围棋班，对于一些小伙伴来说这也是加入围棋的好机会（虽然肯定也不会很多就是了）

象棋AI早就吊打人类顶尖棋手了，只不过现在人类棋手也开始学习AI布局。加上象棋变化少，还有逼和下法；但是整体上还是不如AI。象棋现在已经发展出AI比赛，双方比拼电脑硬件，软件算法还有最关键的是AI棋库；最新的棋库都是要收费的！网上有很多AI象棋比赛视频，水平高人类选手一大截。各种精妙进攻搏杀，飞刀又见飞刀，刀刀致命！

笑死我了。

你知道象棋把世界冠军赢了的那个年代，随便一个围棋小白都能把最强的围棋AI打赢吗？

现在随便一个合格的人工智能领域的计算机博士，都有能力开发出一个世界冠军水平的象棋AI。

没人做是因为已经过时了，搞象棋AI，就好比在21世纪干BB机维修。

到目前为止。我认为Al.逻辑思维。以及追赶变化的能力仍然是远远不够的。象棋好像有个固定的路子。Al容易掌控。但对围棋我没有见过。更别说懂。但据分析，围棋的路子不是固定的。灵活的变化性较大。所以Al.掌控不了。比如像磁动机的组合。Al是组合不出来的。不知我这样评论Al.是否有一些道理？

象棋早就把人虐了，毕竟变化少，开局库加上搜索几乎能够涵盖所有的变化，而围棋变化太多，靠开局库和穷举搜索是解决不了的！所以在alphago之前，最牛的围棋软件也就有个业余五段水平！

从把深度学习（神经网络）引入围棋以来，围棋ai现在针对人而言，几乎就是神一般的存在！

现在围棋ai这么轰动，跟 社会 环境也有关系，现在整个 社会 都在热炒ai，所以象棋就相形见绌了！其实leela zero的作者也把ai应用到国际象棋上了，只是国内没大用！

说AI象棋不行的，说明你根本就没了解过，都不用ai大牛阿尔法狗上阵，低端ai就能横扫所有象棋高手了！！

相对围棋来说，象棋的变化要少的多，对于ai而言更是简单的多，需要的算力更是不可同日而语，人工智能也就是最近这两年才打败顶级人类高手，而象棋早早就被攻克了！！！

现在象棋第一人是谁你知道不？这种问题也提。。。。

我认为这个问题是由于围棋与象棋的区别造成的：

象棋对棋子的规则很多，而围棋对棋子的规则很少。

从一开局，象棋的每一个棋子都必须按照规定，放置在固定的位置上。而且，对奕双方的棋子数量和各亇棋子的作用是相同的。这就使象棋从一开始搏奕时，就有了思维基础。对奕双方就可以在这亇基础上，进行通盘谋划。

而围棋没有预设棋子的规定。开局后，对奕双方你来我往，可以在棋盘上的任意一个点落子。而后，己经落下的棋子才成为固定位置上的棋子。而那些仍然掌握在双方棋手中，还没落到棋盘上的棋子，究竟会落在那亇点上成为固定棋子，对搏奕的双方都是未知数。这就使围棋相比象棋，从开局时就对通盘谋划产生了极大的难度。

象棋对每一亇棋子的走棋方法有着严格的规定：“马走日子象走田，车走直路一炮翻山，小卒攻的一杠烟，老将蹲在后花园”。因此，造成了各个棋子的作用和杀伤力大不相同。这亇规定，可以使棋手比较容易地通过对单个棋子的所在位置，走棋规定和作用，结合全盘考虑，计祘出自己和对方的下一步棋如何走。

而围棋的棋子落在棋盘上任何一个点上后，就只能成为固定棋子，不得再挪动。因此，围棋的棋子不存在棋子走棋方法的规定问题。这就使围棋相比于象棋，减少了一个思维，判断和计祘的依据。从而也就大大地增加了围棋搏奕的难度。

象棋取胜的目标是吃掉对方的老将，简单而又明确，贯穿于整亇搏奕过程中。为此，从开局始双方就杀气腾腾，对准取胜目标，通过进攻和防守，牵制和消灭对方的棋子，直至吃掉对方的老将。当双方都无法吃掉对方老将时，只能握手言和。

围棋取胜的目标是占领比对方更多的“地盘”。而这个致胜的“地盘”究竟在那里，从一开局就是不确定的，模糊的。只有在搏奕的过程中才能逐渐显露出来。而在搏奕过程中双方产生的各个“地盘”，都有可能成为取胜的致命目标。搏奕双方在落下每一个棋子时，都要结合这些目标，全面考虑和计祘将要落下的这一亇棋子的得失。随着棋盘上双方棋子的增加，局面将会变得愈加复杂，取胜将会更难，顾此失彼的可能性很大。

象棋棋盘上的落子点只有90个，而围棋棋盘上的落子点竟多达361亇。这种落子点的增多，大大增加了围棋的变化程度和难度。

通过以上对比，显而易见，围棋需要的计祘难度远远高出于象棋。而象棋的计祘难度虽不及围棋，却规则繁多，需要较多的逻辑思维。而计祘机的优势就在于计祘。随着计祘机的发展，人类的计祘能力己远不如计祘机。因此ai围棋可以天下无敌，而象棋却不行。

围棋AI是使用的最近几年很火的深度学习算法来取胜的。象棋其实也早有软件了，但是使用的不是深度学习，而是其他技术。

深度学习目前正在发展中，还有很多需要突破的难题，但是也有很多成熟的算法。最典型的成熟算法就是图像处理。

而围棋的规则，决定了它天生就是一幅“简单”的图像。图像中，有19 19个像素。像素总共只有3种颜色：黑、白、黄(假设棋盘是黄的)。围棋是比较偏“静止”的，棋子落地生根，不允许再运动，最多就是提子。这些特点，使得看待围棋局势，就像看一幅图一样。这与象棋不同， 象棋很难当成图像进行处理 。

象棋棋子太多，走子规则复杂，每个棋子与周边棋子的联系不像围棋那样简单粗暴。看待围棋“图像”时，脑海中可以把某一大片黑子(或白子)连成片，当成一个整体。然后就变成了，看谁容易围住谁，谁“实”多，谁“虚”多。这就是“图像”。象棋则不行。比方说车马炮就是不相干的，很难连起来当一幅图看。

深度学习，是人工智能的一种，模拟的是人类的智能。按目前的技术，它 最接近人类不需要思考就能得立刻出结果的问题 。比方说人类识别一张人脸，是不需要思考的，靠“感觉”，而且用不了1秒钟。但是又很难描述这种“感觉”。患有脸盲症的人很难感觉出人脸，他们需要通过思考来确定特征(黑痣、发型、胡须等)。

人工智能下围棋，那就是有“棋感”。人类下围棋时，运用“棋感”，就是说下一步棋时，不需要计算和过多思考，直接通过“图像”的感觉直接走子。这在围棋开局前几十着特别常见。而计算是指，一步一步推演，比方说看看某条大龙能不能最终走活。

国际象棋的深蓝软件则不一样，那个不叫棋感，而是绝大部分是精密复杂的数学运算。

以上只是为了简单起见，提到了围棋AI的“棋感”，而且强调人工智能 目前 特别擅长处理类似图像一类的问题。实际上，阿尔法狗使用了多个网络，其中一部分负责“棋感”，另外一部分还是需要计算的。其实，这和人类下棋就很像了，人类下棋也是棋感加计算相结合的。不过阿尔法狗的精华肯定是棋感那部分。人类又何尝不是。稍微学过围棋的，谁都会推演死活，但是依赖棋感的那些“神之一手”，以及判断局势，那才是大师与菜鸟的最大区别。

⑶ 下中国象棋怎样提高计算能力

提高象棋水平的的关键点就是提高象棋计算能力。象棋计算的精准度提高了，水平自然也就提高了。那么如何提高象棋计算能力呢？下面分享几个方法。
一、了解、熟悉棋理
所谓棋理，就是象棋布局的道理，也是前人对象棋布局一般规律的总结，在多数情况下适用的择优方法。棋理的内容很多，最大的特点就是抽象，理解起来比较困难。例如，有人说“三步不出车，就是臭棋”，但偏偏有些布局是缓开车；棋谚常说，忌马不活，但偏偏有些布局开局就弃马；胡司令曾说：多子好走，但曹岩磊最擅长的却是弃子攻杀.....像这样的例子还有很多，是不是证明棋理就没用了呢？答案是否定的。棋理来源于计算，是象棋计算中总结出的一种规律，没有计算的支持，棋理往往并不是绝对的正确。例如在象棋软件面前，很多棋理都站不住脚，不按棋理走也不见得会失败，但违反棋理的前提是计算精准，精准可以弥补不足。总结一下，象棋棋理和生活中的一些哲理一样，不能死记硬套，需要区别处理，特殊情况特殊对待，一味的钻牛角尖只是得不偿失。作为人类，在对弈过程中走的招法不可能每一步都是最优解，因此，棋理还是非常重要的，熟悉棋理很大程度上可以帮助我们减少计算、完善布局、减少失误。
二、背记、理解棋谱
除了掌握一些必要的棋理，提高象棋计算还需要背记、理解棋谱。如果把象棋的对弈过程比作数学计算。那么开局的棋谱、残局的基础杀法可以看作是解题过程中运用到的数学公式。这些公式虽然不能改变计算的结果，但是可以帮助我们提高计算的效率和计算的准确度，尽快地得出计算结果。比如我们最熟悉的残局定式：单车和士象全。这个公式如何运用？作为劣势方，只要将残局引导到这个局面，就达到了目的。而优势方，就要尽量避免这一局面的出现，这就是残局定式最基础的一个运用。
有人说象棋棋谱千千万，光靠背能记住多少？背记棋谱只是一种最基本的手段，最终的目的是理解棋谱，著名的求道派阎文清大师曾提出过一个学棋的方法：背好棋谱，理解棋谱，忘记棋谱，忘记的过程就是消化理解的过程。听起来有些抽象，实际上却是非常朴实。举一个简单的例子，就像小时候我们背记的乘法口诀，当你没有背熟时，通常会出现用错公式的时候，有时还不如手算的准确，但是当你把这些公式熟记、分化、理解之后，就可以熟练运用到各种解题过程之中。
背谱过程中，经常会遇到一些问题。例如：有些棋友常说，我不背谱的时候还能赢棋，一背棋谱感觉输得更多了；还有的棋友说，我在网上看到别人用套路开局，怎么下怎么赢，好不容易把棋谱背下来，到自己用的时候就不灵了，对手偏偏不按棋谱走，出现这种情况的原因并不是棋谱不对，而是棋手们对棋谱的理解程度不够深，一味的死记硬套，对手稍一变招，就不知道怎么应对了，归根结底是没有理解棋谱的缘故。如何理解棋谱呢？以开局为例，一般来说，每个象棋开局都有几种最基础的变化，理解棋谱就是要理解每种变化的进攻点在哪？布局的弱点在哪？对手的反击点在哪？常见的陷阱在哪？等等。理解了这些才能开好局，平稳或占优的情况下进入到中局。
三、勤复盘，会拆棋，打造棋感
复盘、拆棋都是提高象棋水平有效的途径。复盘就是把自己的对局再走遍，分析自己在对局中想走未走的招法，找出行棋过程中的优缺点，总结经验教训；拆棋就是将对局中可能出现的变化再演练一下，寻找最佳的招法。拆棋的方法多样，可以拆解自己的对局，也可以拆解大师的对局；可以自己思考，也可以借助象棋软件；可以拆解全局，也可以拆解对局中的一个环节。通过复盘、拆解，得升棋感，就是对局中的感觉。在对局过程中，计算不可能面面俱到，棋感好的棋手，可以很快发现复杂局面中最优的招法，棋感差的，可能想了半天也会出漏招。棋感一方面在于天赋，但同样也需要积累总结，见得多了自然就识得广了。
四、养成良好的习惯
没想好不动子，动子不悔棋。有些象棋爱好者，对局过程中摸摸这个棋子，再摸摸那个棋子，走一步棋要动好几个子，恨不得把对方的棋子也摸一遍，这种习惯对计算的帮助不大，同时会扰乱思路，不可取。还有的棋友，到了陌生局面，对方刚落子，就提子运招，靠感觉下棋。象棋不是赛跑，并不是以速度评定胜负，没有计算的支持，全凭感觉的行棋非常容易出漏招，而一步漏招往往会决定一盘棋的胜负。最后再说悔棋，可以说，喜欢悔棋的人多数是初学者，真正的高手是不屑于悔棋的，因为没必要，输了可以再来，悔棋输的可就是棋品了。看王天一、洪智的直播，只有让别人悔棋，基本没见过他们悔棋，职业棋手的素养可见一斑。

⑷ 经常下象棋是否可以提高自己的象棋水平

1、提升逻辑思维能力：这种能力提升后对其它方面的做事都有很大的帮助。

2、对学习上有帮助：孩子下棋好，学习方法上自然而然就会改进，由学习不好变为学习好，步入三好学生的行列。

3、为人处事方面： 在日常生活中，说话做事都相对细心一些，很少会范低级错误，因为象棋的思维会迁移到工作或生活及学习中。

4、盲棋思维：正所谓未补先知，象棋可以不用看棋盘，就可以跟与对弈。这样思维在事前可以预测及规划，对于结果的成功率帮助非常大。

5、是一门爱好或事业：对于绝大多数学棋的人来说，只是娱乐而已，是一门爱好； 对于顶尖高手来说可以当成事业来说，比如：王天一、蒋川、唐丹、胡荣华等，还会带来丰厚的收入和名誉。

6、结交朋友：对于业余高手来说，经常打比赛，可以结交很多好朋友。