去年，机器终于在我们自己的游戏中击败了我们。IBM 的超级计算机沃森（Watson）在古怪、喜欢双关语、特立独行的《危险边缘》（Jeopardy!）节目中碾压了人类竞争对手。这个游戏考验的技能，如语言、语法和文字游戏，是所有游戏中都非常人性化的——远比 1990 年代 IBM 的深蓝（Deep Blue）征服的数学游戏国际象棋更人性化。这是否意味着《危险边缘》是机器最大的游戏挑战？俄勒冈州波特兰州立大学的人工智能（AI）研究员兼计算机科学教授巴特·马西（Bart Massey）表示，并非如此。跳棋、国际象棋、拼字游戏、桥牌、双陆棋、扑克、战略棋等——软件设计师们正争先恐后地创造系统来攻克每一个游戏。计算机竞技的历史，就是一部高估机器崛起和低估人脑力量的历史。沃森可能取得了胜利，但在许多我们最喜欢的游戏中，计算机仍然落后于顶尖的人类玩家。
网格：计算机占主导的领域
井字棋和四子棋的棋盘很小，是二维的，规则也很简单：玩家轮流尝试在一条直线上连成三个或四个标记，同时阻止对手这样做。这种简单性使得这些儿童游戏，随着人们长大而逐渐失去兴趣。但它们却非常适合计算机。
马西在他的 AI 和游戏笔记中写道，井字棋没有任何隐藏信息或运气成分。最重要的是，计算机可以做到孩子做不到的事情：模拟所有可能的结局并选择最佳的走法。因此，井字棋和四子棋属于已解决的游戏类别。计算机玩它们是完美的。你只会输。
但当棋盘变大，规则变得更复杂时，会发生什么？
我们曾是王者
跳棋，玩家用棋子在一个 8x8 英寸的更大棋盘上移动和互动，这给计算带来了更大的挑战。阿尔伯塔大学教授乔纳森·谢弗（Jonathan Schaeffer），曾协助创建了一个扑克 AI，他自 1989 年以来一直致力于设计一个跳棋冠军。在深蓝与国际象棋大师加里·卡斯帕罗夫对弈之前很多年，谢弗的 Chinook 程序就已经与跳棋大师马里昂·廷斯利（Marion Tinsley）一较高下。廷斯利被一些人认为是史上最伟大的棋手，他在 1950 年至 1992 年间进行的数千场比赛中只输了三场，谢弗说。廷斯利在 1992 年赢得了他与机器的第一次高调比赛，但在第二次世界锦标赛的对决中，比赛变得像一场真正的较量：他们进行了六局比赛，每次都战成平局。廷斯利退出了比赛。他身体不适，并在次年去世。
如果你需要一个衡量跳棋复杂性的标准，可以考虑一下：从第二次廷斯利冠军赛——当时 Chinook 对阵谢弗描述为“近乎完美的人类”并与之不分伯仲——到谢弗在游戏中取得的辉煌胜利，即 Chinook 能够计算出所有可能位置的所有可能的走法序列，这中间过去了 13 年。跳棋大约有 5 x 10^20 种可能的局面，谢弗知道，在他的有生之年，机器无法仅凭蛮力完成计算。
所以他的团队寻求了一个捷径，转向了更好的算法来筛选局面，而不是等待下一代超级计算机出现。这些算法将 Chinook 需要检查的局面数量从 10^20 减少到 10^14，从而让谢弗最终在 2007 年完成了这项工作。等待完美并不算太久。
将死？
沃森常被拿来与 IBM 的国际象棋程序深蓝相提并论，但在很多方面，它们却截然不同。沃森必须理解人类语言，而国际象棋则以计算机的母语——数学和概率——书写。
但国际象棋是一款复杂的游戏，即使是机器也很难精通。每种国际象棋棋子都有特定的移动方向和距离，而跳棋则只区分普通棋子和王棋。国际象棋使用棋盘上的所有 64 个方格，而跳棋只使用一半。国际象棋是一场适合计算机的海量数字运算，1997 年，深蓝在一场六局比赛中击败了俄罗斯特级大师加里·卡斯帕罗夫。如果机器在英特尔奔腾 II 问世的时候就已经击败了人类，那么 AI 现在一定快要解决这款游戏了吧？
“绝对不是，”谢弗说。“以现代技术根本不可能解决国际象棋。即使给我一百万台电脑，我每天 24 小时、每周 7 天地使用它们，我也无法解决国际象棋。”
现代的国际象棋 AI 可以把你打得体无完肤——也包括深蓝。但谢弗说，研究人员甚至无法计算出国际象棋中所有可能的局面数量。它可能在 10^40 到 10^50 之间——比跳棋复杂至少 100,000,000,000,000,000,000 倍。
而且国际象棋甚至不是最棘手的网格游戏。在中国围棋游戏中，两位玩家通过在 19x19 网格的交叉点上放置棋子来试图包围对方。AI 专家巴特·马西说，围棋计算机在模仿人类能力方面存在困难。即使机器获得了很大的让子优势，顶尖的人类棋手几乎总是能击败最强的计算机。
战略棋的计谋
从某种意义上说，国际象棋对计算机来说是容易的——每种情况都有对错之分，软件经理兼计算机爱好者伊默·萨兹（Imer Satz）指出。萨兹说，“人们可能对最佳走法有不同意见——但那只是意味着有人对有人错，或者他们都错了。”他致力于一个更具挑战性的项目：战略棋（Stratego），其中没有“正确”的走法。
表面上看，这款游戏与国际象棋相似：两位玩家在方形棋盘上布置成排的进攻棋子，试图夺取对方的旗帜——这是结束游戏的唯一走法。
但国际象棋是一本公开的书，棋子及其位置一览无余。战略棋则充满神秘。你看着对手移动一个棋子，但你不知道它是什么棋子。是一个元帅，最高级别的进攻棋子？还是一个用于拆除棋子在旗帜周围设置的炸弹的、毫无防御能力的工兵？不攻击它，唯一能分辨的方法就是推测对手的思维模式，并试图洞察他的策略。
计算机没有人类的经验，很难读懂人心。所以萨兹的战略棋 AI Probe 了解人类的倾向——那些人类最可能虚张声势的情况。它知道玩家经常用弱棋主动进攻来欺骗对手。它知道——通过观察人类下棋，并且因为萨兹告诉它——大多数玩家更喜欢在右侧而不是左侧拥有兵力（也许是我们物种倾向于右撇子的一种影响，计算机不具备这种怪癖）。而且，最危险的是，它会记住你喜欢做什么，以及你喜欢如何布置棋子。“有些人已经和它玩了几千场游戏了，”萨兹说。“Probe 能够记住所有这些对手曾经使用的布阵，这是极其强大的信息。”
尽管如此，在计算机对计算机的比赛中，Probe 能够主导其他战略棋 AI，但它只能达到普通人类玩家的水平。处理不完整信息的 AI 挑战太大了。
说谎者的扑克
与我们物种不同，计算机很难学会虚张声势。萨兹说，Probe 可能能理解你的算计，但“它自己虚张声势要困难得多，因为虚张声势就是撒谎。让计算机假装是一件非常非常困难的事情。”
欺骗对于建立在不完整信息上的游戏至关重要。扑克就是一个完美的例子，其中占主导地位的玩家往往难以预测。“如果你过于规避风险，从不冒险，你的对手就会发现这一点，那就完了，”萨兹说。“如果你是那种忽视所有风险的人，那你也死定了。”
为了训练一个计算机击败人类赌徒，谢弗和阿尔伯塔大学的扑克 AI 团队只是绕过了这个问题。该程序为每一步计算一个概率分布，而这个可能的行动分布包含了我们所说的虚张声势。机器不会将对 2 和 7 牌的大幅加注解释为虚张声势，旨在吓退其他玩家。它将加注视为其选项数组中的一个选择，它会偶尔选择这个选项——具体来说，就是保持不可预测性而不至于在糟糕的赌注上输光所有钱所需的最优次数。机器可以在无需了解人类心理的情况下“撒谎”。
然而，扑克程序并非大师级赌徒。在限注德州扑克游戏中，阿尔伯塔大学的程序甚至能主导顶尖玩家，因为这种游戏的下注是有限制的。但当你去掉限制，玩无限注时，人类就会获胜。当筹码可以任意价值时，机器在计算上无法应对所有可能的下注场景。
文字谜题
《危险边缘》的问题，简单来说，就是：语言。尽管程序员可以为沃森的数据库填充比任何人可能阅读的更多的文本、百科全书和图表，但计算机在理解游戏提供的“答案”方面仍有困难，并且在文字游戏中遇到的麻烦更大，而文字游戏是许多《危险边缘》线索中都包含的。马西说，出于同样的原因，十到十五年前填字游戏是热门挑战。填满棋盘的字母组合方式有很多种，但只有一种符合线索。而且，与《危险边缘》的答案撰写者一样，填字游戏的线索撰写者也喜欢双关语和糟糕的笑话。
拼字游戏（Scrabble）为计算机提供了也许是最具吸引力的文字游戏挑战。它的棋盘似乎非常适合计算机统治；只要给 AI 一个字典，它就应该能够击败人类竞争对手。但拼字游戏不仅仅是一场词汇竞赛。拼字游戏的残局——最后几回合，最高水平的比赛经常在此决定胜负——是由战术家赢得的，而不是文字编辑。最优秀的竞争者不仅是为了得分，也是为了阻止可能有利于对手的字母。他们之所以能做到这一点，是因为他们对对手还剩下哪些字母有相当准确的了解，这取决于他们在比赛中的表现，以及他们对一名熟练玩家应该怎么做的了解：“如果她有 X 和 Q，她会在三倍词分格上打出‘quixotic’。”马西说，这是一种基于推理而非庞大词汇数据库的逻辑飞跃。
多人游戏崩溃
欺骗、直觉和语言掌握能力使我们拥有计算机无法企及的优势。但我们尚未被机器击败还有其他原因：随着玩家数量的增加，计算机就会 falter。程序员们研究的大多数游戏都是两人零和游戏，如国际象棋。多人游戏增加了太多的变量。例如，谢弗的扑克系统在面对一个以上的对手时表现不佳。
马西说，风险（Risk）是计算机同样不擅长的另一款游戏。“在《危险边缘》中，你并不太担心策略性问题，你只是想尽可能多地得分，”他说。“你不能像那样玩风险。你不仅要考虑如何击败你的对手，还要考虑你的对手之间将如何互动。”
像我们一样的心智？
纠结于计算机是否比大脑拥有更好的游戏技巧似乎有些琐碎。但其影响是真实的。一台连接着全世界知识，并且能够用日常英语理解请求的机器，将是难以想象的强大和有用。IBM 已经强调了其 AI 在彻底改变医学、研究和其他远远超出娱乐和游戏的领域的潜力。
没有人比谢弗、马西和萨兹等程序员和 AI 专家更了解人类心智的力量——他们投入了无数时间试图匹配和超越人类的能力，并且遇到了像欺骗这样的策略，而机器却难以应付，人类却能轻易做到。他们也认识到了人类心智的局限性。“你永远不应该假设计算机程序应该遵循与人类相同的原则，”萨兹说。“我认为，不能简单地认为人类玩游戏的方式就是最好的方式。”
计算机每秒能执行的计算次数比我们多得多，能记住更多的开局和残局，并能评估更多的选择。凭借这种超乎常人的数学能力，机器的玩法可能被人类玩家视为毫无价值，或者根本不会考虑。因此，游戏计算机不仅仅是在尝试击败我们。它们在教导我们。
“计算机不受人类先入之见的束缚，”谢弗说。“我们在国际象棋、跳棋、桥牌和双陆棋中都看到了这一点。计算机彻底改变了人类的玩法，因为计算机没有人类的包袱——那些我们被教导的偏见。它以全新的视角来看待这些游戏。”
Adam Hadhazy 的额外报道
[本文最初以“人类占优。”的标题印刷。]
