从本节开始，咱们将从零开始，一行一行代码的编写，直到完整设计出当年击垮13次世界围棋冠军李世石的AlphaGo，幸运的是，在人工智能思惟下，咱们不须要成为围棋高手就能设计出AlphaGo，例如我对围棋就一窍不通。咱们只须要掌握围棋的若干条基本规则，而后你熟悉Python代码的编写，固然也须要你具有深度学习的基本知识，好在这方面也有完善的教学视频，假若你对深度学习的基本原理还没有掌握，你能够经过下面视频链接进行学习：算法
学习掌握深度学习知识原理，请点击连接编程
本节咱们先了解围棋走法的基本规则，同时大概描述一下程序设计思路，下一节开始咱们将开门见山，迅速动手写代码。围棋在全部棋类中难度最大，但有趣的是，它的规则几乎最简单，围棋充分体现了大道至简的原则。微信
围棋的棋盘有三种规格，分别为99，1313和19*19，它是由若干条横线和竖线交织而成的“田”字形网格：学习
棋子必须下在线的交叉点上而不能下在方块中间。围棋下子基本上没有任何约束，你下子的目的是尽量的把对手的棋子给围住吃掉。比赛开始后，黑子先走。当你下的棋子把对方棋子全面包围时，对方被包围的棋子就能够你吃掉。人工智能
围棋的棋子间有个概念叫相连，在一个棋子上下左右四个位置有同一颜色的棋子时，连个棋子就相连，而相连具备传递性，若是A与B相连，B与C相连，那么A与C就相连。上图中加在两个白子中间的黑子与它上方的黑子相连，而上方黑子与它右边的黑子相连，因而三个黑子相连成一个集合。相连要看上下左右四个位置而不能看对角线，若是上图去掉第二行最左边的黑棋，剩下的两个棋子就不相连。spa
一个棋子上下左右四个位置中没有被对方棋占据的位置叫“自由点”，这些概念是我本身构造的，不对应专业术语，能说清楚问题便可，例如上图中小方块标注的位置就是3个黑旗的“自由点”，当上图中小方块的位置被白棋占据，那么黑棋就被堵死，因而就能从棋盘上拿掉。围棋有两个目的，就是尽量的占地盘和吃掉对方棋子。.net
在围堵对方时，可能会出现一些特殊状况：设计
在上图左边白棋造成两个”眼“A和B，这种状况下黑棋就没法吃掉白棋。由于不管你下在A仍是B，白棋都存在一个自由点，所以黑棋不管如何都形不成对白旗的围堵，除非白棋足够蠢能让黑棋连续堵住这两个点。3d
而右边则不一样，黑棋只要堵住C点，白棋就没有任何自由点，因而全部白棋就全被黑棋吃掉。所以下棋时你不能下在没有自由点的位置，除非你能造成围堵把对方棋子吃掉。orm
当结束时，须要计算双方的分数以便决定胜负。首先要计算死棋，也就是没法造成两眼的棋子集合，或者是那些不可能再有自由点的棋子集合，死棋被认为是给对方吃掉了。
围棋有两种计分法，一种是领土计分。棋盘上任何上下左右都被你的棋围住的点叫领土点，计一分，对方每一个被你吃掉的棋子也计一分。第二种叫区间计分，棋盘上任何一个上下左右被你的棋子占据的空余点计一分，你在棋盘上还剩下的棋子各计一分，一般状况下两种计分法会得出相同的结果。在程序设计时，咱们采用第二种计分法。
根据上图，咱们计算一下黑白两棋得分，其中大×的棋就是死棋，三角形对应的是黑棋的领土点，正方形占据的是白棋的领土点。对于第二个落子的人，在使用领土计分时它会得到6.5分作补偿，在使用区间计分时会得到7.5分作补偿。多余的0.5分是为了防止出现平局。
根据上面棋盘咱们算一下双方得分。白棋有两个✘，对应死棋，同时还有一个棋被黑棋吃掉（在上面没有显示出来），所以黑棋至关于吃掉白棋三个子，而黑棋有两个带✘是死棋，至关于被白子吃掉。
三角形有10个，同时被两个带✘白棋占据的位置，总共有12个领土点属于黑棋。上图有15个小方块，再加上两个带✘黑棋占据的位置，所以白棋的领土点有17个。
除去两个带✘死棋，黑棋还剩27个子。除去两个带✘白棋，白棋还剩25个子。按照领土计分法，若是白棋是后走，白棋得分是17个领土点+2个死棋+6.5分补偿=25.5分。黑棋得分是12个领土点+2个死棋+1个吃掉的白棋（没有在上图显示）=15分
按照区域计分法，白棋有17个领土点+剩余25子+7.5补偿分=49.5分。黑棋有12个领土点+剩余27子=39分，不管何种算法，白棋都被黑棋多出10.5分。在最终结果出来前，若是一方以为本身没但愿了，随时能够投子认负。
其中还有一种状况叫ko须要注意，那就是规则要防止局面进入死循环，以下图：
如上图右边，当黑子下了后会把A点处的白子吃掉。此时规则禁止白棋下在A点，由于那会把上方的黑棋吃掉，因而棋盘回滚到上一个状态，如此就会让棋局陷入死循环。白子必须下在除了A点以外的另外一处，而后后续步骤中，白子才容许从新下在A点。所以黑棋基本上有机会把A点堵上，除非白棋下得很巧妙，让黑棋不得不放弃堵住A点。
有关棋类的编程设计大多基于“树搜索”:
首先代码先评估当前有几种走法，而后分别模拟给定走法，也就是上图第二层。而后代码继续评估对方有多少种走法，也就是上图第三层，而后根据对方给定走法后在一次评估本方有多少种走法，咱们看上图最下方的箭头已经有不少个了，随着层数的增长，箭头数将呈现指数级扩张。
不少棋类，例如象棋，国际象棋，五子棋等均可以依靠树搜索进行，惟独围棋不行，那是由于围棋根据树搜索，围棋将会呈现出爆炸式增加，使得计算机根本没法在给定时间内进行计算，围棋搜索数以下：
根据运算国际象棋在树搜索通过4步后，树的分叉有八十一万，而对围棋而言是四十亿，通过5步后，国际象棋有两千四百万分叉，而对围棋而言是一万亿，所以用树搜索编写围棋程序，通过七八步以后树的分叉会超过全宇宙全部原子数量的总和！
所以常规作法没法完成围棋程序。在深度学习技术成熟后，电脑才可以经过学习和运算，在这么多的分差中根据当前棋盘局面找出合理路径。在后续的课程中，咱们将利用树搜索，蒙特卡洛搜索，深度学习，加强性学习等多种技术组合在一块儿，从而打造出一个与当初AlphaGo同样强大的围棋智能程序。
更多配套课程请点击’阅读原文‘
本文分享自微信公众号 - Coding迪斯尼（gh_c9f933e7765d）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。