Alpha Zero 对阵 Stockfish 的“不朽逼和局”
Alpha Zero's "Immortal Zugzwang Game" against Stockfish
频道:agadmator's Chess Channel · 时长:15:36 · 发布:2017-12-07 · 播放:1715235
简介
agadmator 讲解了一盘 DeepMind 的 AlphaZero 击败 Stockfish 的对局,最终以著名的逼和(zugzwang)让引擎束手无策。他对每一步进行了评论。
HN 为什么推荐
HN 推荐它,认为这是 AlphaZero 棋风和逼和(zugzwang)的引人注目且解释清楚的例子。
我喜欢向人们展示的一个很好的例子是 Alpha Zero 臭名昭著的“不朽逼和局”对阵 Stockfish — HN, 2019
中文字幕节选
大家好,我好像得了流感,头很痛,还有点发抖, 但这并不妨碍我给大家再看一盘Alpha Zero对阵Stockfish的比赛, 因为我真的对Alpha Zero百看不厌,从评论来看, 你们也会喜欢再看一盘,所以这就来了。这盘棋绝对精彩, 我再次要说,我喜欢Alpha Zero的一点是,它下得不像引擎, 这确实引发了很多疑问。你知道,如果像安德森和保罗·莫菲这样的老大师们 其实一直是对的,也许那才是下棋的方式, 但自从1997年卡斯帕罗夫输给深蓝之后, 人们开始认为机器下棋更好,而现在2017年, 你甚至有顶级特级大师试图模仿Stockfish的下法, 然后Alpha Zero出现了,说:不,那不是下棋的方式。你知道, 很多人分析安德森、莫菲、塔尔、英国人格林、迪诺的比赛,说 那是个坏主意。好吧,他赢了那盘棋,但Stockfish驳斥了这一点,但 我们必须问自己,Stockfish真的驳斥了吗?如果Alpha Zero下了那步棋, Stockfish能驳斥吗?这就是问题所在。所以, 我不知道如果Alpha Zero继续这样下棋,我们可能会在2018、19、20年等 看到完全不同的国际象棋。所以我选择了这盘棋,因为它是 一件杰作。我相信你们都听说过阿龙·尼姆佐维奇,阿龙· 尼姆佐维奇在1919-23年对阵弗里德里希·萨米施下了一盘非常漂亮的棋,他们称 这盘棋为不朽的楚格zwang棋局,这是一生中只会出现一两次的棋局, 尤其是当你对阵顶级特级大师时。但在这里,Alpha Zero创造了自己的不朽楚格zwang棋局,对阵Stockfish,我知道 再次强调,这不是Stockfish的顶级版本,我相信很快 人们会要求重赛,你知道, 他们可以就这样继续,但在那之前,让我们看看这盘 精彩的棋局。Alpha Zero执白,走了马f3,马 f6,c4,b6,d4,e6,我们再次进入了后翼印度防御, 非常有趣,DeepMind的Alpha Zero多次执白, Stockfish用后翼印度防御应对,g3,象a6,后 c2保护c4兵,c5,现在d5吃e,c吃d5,象 到b7,我只想说,嗯,大家都说 我们的那个安德森招法或莫菲招法在好的Stockfish中,但Stockfish拒绝了这一步 在这盘棋中,实际上会有一招Stockfish不喜欢的,这 几乎不可能分析这盘棋,因为你要用什么来分析 它呢?你怎么用Stockfish来分析AlphaZero的招法,那不太可行 但这盘棋中有一招,我相信你会喜欢,象到G到,现在 马吃d5,这里AlphaZero王车易位,马到c6,车 到d1攻击d5的马,这里Stockfish走象到e7,看起来 Stockfish放弃了马,但并非如此,如果你吃掉它,那么马到b 叉王后和车,王后移动后马吃车,但 在王后吃g7和象到f6,王后G4,AlphaZero实际上不会有
HN 上的讨论
我喜欢向人们展示的一个很好的例子是Alpha Zero对阵Stockfish的臭名昭著的“不朽的楚格zwang游戏”[0]。Stockfish在一个看似突然出现的陷阱中被彻底歼灭,当然现实是Alpha Zero实际上一直控制着局面。[0] [VIDEO] — lawrenceyan, 2019-12
任何有兴趣看AlphaZero如何精彩地对战当时最好的国际象棋计算机的人,这里有可靠的解释:[VIDEO] — mrleiter, 2019-10
这里有一个国际象棋stackexchange的帖子,列出了一些让引擎困惑的局面[LINK] 基本上归结为“那些足够罕见以至于从未被编程到国际象棋引擎中的想法”。封锁或无法取得进展的局面是一个常见的主题。引擎通常会继续树搜索,而人类看到明显的重复模式。这里还有一个例子,两个引擎在对弈,深度思维发现了一步我认为对大多数特级大师来说都是显而易见的棋,但Stockfish却错过了[VIDEO] 话虽如此,我不确定这必然与精彩程度相关。其中有一些我在经典时间控制下可能也会想到,而我并不是一个特别出色的棋手。 — yunwal, 2025-11
相关视频
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- Transformer,LLM 背后的技术 | 深度学习第 5 章 · 3Blue1Brown · 27:14
- USENIX Security '18-Q:为什么主题演讲者不断建议改进安全性是可能的? · USENIX · 51:22
- 第一讲 | 机器学习(斯坦福) · Stanford · 1:08:40
- MarI/O - 视频游戏机器学习 · SethBling · 5:57
- 深入探讨 ChatGPT 等 LLM · Andrej Karpathy · 3:31:23
- 学会玩经典 NES 游戏的计算机程序 · suckerpinch · 16:17
- David Silver 强化学习课程 - 第一讲:强化学习导论 · Google DeepMind · 1:28:12
- 让我们从头构建 GPT:用代码,详细解释。 · Andrej Karpathy · 1:56:20
- 湾区视觉会议:无监督特征学习和深度学习 · Google TechTalks · 48:10
- A Hackers' Guide to Language Models · Jeremy Howard · 1:31:13
- 安德烈·卡帕西 - 特斯拉全自动驾驶的人工智能 · Matroid · 30:08
- [1小时演讲] 大型语言模型入门 · Andrej Karpathy · 59:48
- Joscha Bach:人工意识与现实本质 | Lex Fridman 播客 #101 · Lex Fridman · 3:00:18