麻省理工学院——人工智能公开课06

 

这一讲讲解了人工智能如何进行博弈，包括下棋，深蓝曾经因为击败国际象棋世界冠军卡斯帕罗夫而轰动一时。这一讲首先介绍了进行博弈可以使用的各种方法。

第一种是分析，策略，战略的组合，但是没人知道如何将这几种通过怎样的方式组合起来，所以这种方法不可行，

第二种是利用if...then...规则，但这也不是一种好的方法。

第三种是向前看并进行评估。看所有的移动结果中，哪一种对棋局最有利。

第四种就是大英博物馆算法，但是对一局棋局来说，其可能存在的结果实在是太多了，

第五种就是极大极小算法，

这是上面四种方法的综合。首先，它会尽量往前看，这样就会产生一个博弈树，然后，会决定每一层是取极大还是极小，规则是，第一层是取极大，然后下一层极小，下下一层又是极大，从树的最底层开始，然后，将每个分支的子树中的极小（假设最底层是偶数层）着赋给其根节点，然后到上一层的时候，会将节点中的最大值给根节点，一层一层往上推，这样就得到了下一步的走法，

再后，教授介绍了极小化极大算法的优化——α-β剪枝法，这样做能够有效提高算法效率。

这个时候，博弈树任然没变，当从底层筛选出第一极小值的时候，假设第二个根节点的值比第一个小，那么这个根节点以下的分支就可以减掉，假设第三个根节点的值比第一个大，那么第三个就作为接下来筛选节点的标准，同样，到上一层的时候，就会筛选较大值，这个时候，就会把较大的值所在的分支减掉。这就是ɑ-β剪枝法。

最后，教授讲解了逐步深入和随时算法的概念，并介绍了深蓝的实际工作机制