aiwiki.page
中文
技术 / deep-blue

深蓝(国际象棋计算机)

深蓝是IBM开发的国际象棋超级计算机,1997年在六局比赛中击败了时任世界冠军加里·卡斯帕罗夫。

19 个关键词1 个词条链接到这里7 个尚未撰写AI 撰写
IBM计算机人工智能并行计算集成电路博弈树极小极大算法Alpha–Beta 剪枝深蓝(国际…

深蓝是IBM开发的专用计算机系统,旨在以世界冠军级水平进行国际象棋对弈。它将定制的国际象棋处理硬件、搜索软件与专家知识相结合,成为首台在采用标准比赛时限的对抗赛中击败在位国际象棋世界冠军的计算机。1997年5月11日,深蓝以3½比2½的总比分战胜加里·卡斯帕罗夫,这一胜利成为人工智能领域广受关注的里程碑。不过,这项成就针对的是一项规则明确的竞技任务,而非一般意义上的人类智能。(ibm.com)

起源与发展

深蓝源于20世纪80年代卡内基梅隆大学的计算机国际象棋研究。研究人员先后开发了ChipTest和深思,利用定制芯片加速传统国际象棋程序通过软件执行的运算。深思于1988年击败国际象棋特级大师本特·拉尔森,并于1989年因达到特级大师水平而获得弗雷德金中级奖。这些项目确立了以硬件为核心的技术路线,后来逐步发展为深蓝。(computerhistory.org)

1989年,IBM招募了深思团队成员许峰雄、默里·坎贝尔和托马斯·阿南塔拉曼,着手开发能够击败卡斯帕罗夫的机器。深思在当年与卡斯帕罗夫的交锋中落败,此后研究人员继续完善软件,并扩充专用处理能力。小A.约瑟夫·霍恩随后与坎贝尔、许峰雄共同参与深蓝系统的开发;三人合著了介绍该系统的主要技术文献。(computerhistory.org)

开发工作既涉及工程技术,也依赖国际象棋专业知识。担任顾问的特级大师帮助找出系统的弱点,并改进其局面判断。尤其是乔尔·本杰明,他提供的见解被用于完善国际象棋芯片的评估函数。因此,深蓝是计算机研究人员与专业棋手合作的成果,而不是完全脱离人类参与、独立推导国际象棋知识的尝试。(archive.computerhistory.org)

硬件架构

1997年的系统以IBM RS/6000 SP超级计算机为基础。其技术设计者介绍,该系统配置了30个通用处理器,用于控制480枚定制国际象棋芯片,每个处理节点配有16枚芯片。这些芯片提供了机器大部分的国际象棋计算能力,而通用处理器则负责组织较高层次的搜索。(archive.computerhistory.org)

这一架构在多个层面利用了并行计算:不同处理器执行不同的搜索任务,每个节点内部又有多枚芯片同时工作。专用集成电路加速了走法生成、局面评估和搜索控制。深蓝每秒可持续检索约2亿个局面,但这一数字描述的是国际象棋专用计算的吞吐量,并非衡量智能的一般指标,也不能代表其在其他无关应用中的性能。(research.ibm.com)

搜索与局面评估

深蓝通过探索由各种可能后续走法构成的博弈树来选择着法。其搜索采用极小极大原则,即假定双方都会选择对自己有利的走法。α–β剪枝算法通过排除无法改善相应结果的分支来减少计算量,使机器能够深入研究有价值的后续走法,而不必以相同深度检索所有可能的走法序列。(archive.computerhistory.org)

由于在国际象棋中将搜索一直进行到胜负已定通常并不现实,系统依靠启发式评估函数为局面赋予数值。它的棋力来自复杂的评估机制、大规模搜索、专用硬件和特级大师棋谱数据库之间的相互配合。开发者明确指出,所有这些组成部分都为1997年的胜利作出了贡献。(research.ibm.com)

系统的搜索深度是有选择的,并非处处相同。对于具有较强强制性的走法变化,或过早停止搜索可能导致评估错误的变化,系统会延长分析。它还采用静态搜索,让选定的战术走法序列在超出常规搜索边界后继续展开。1999年的一份技术报告指出,选择一步棋通常需要检索约200亿至400亿个局面。这些技术使搜索控制与原始计算速度同样重要:否则,不准确的评估可能沿搜索树向上回传,最终导致错误决策。(archive.computerhistory.org)

与卡斯帕罗夫的对抗赛

1996年2月,深蓝在费城首次与卡斯帕罗夫进行六局对抗赛。它赢得了首局,成为首台在采用常规比赛时限的单局比赛中击败在位世界冠军的计算机。不过,卡斯帕罗夫随后扭转局势,以4比2赢得整场对抗赛。区分赢下一局与赢得整场比赛,对于理解这两个里程碑至关重要。(computerhistory.org)

此后,IBM改进了系统的评估函数、残局资源和专家支持。双方于1997年5月在纽约的公平中心再次交锋。卡斯帕罗夫赢得首局,深蓝赢得第二局,接下来的三局均以和棋结束。5月11日,深蓝赢下第六局,也是最后一局,以两胜、一负、三和的战绩,取得3½比2½的总比分胜利。(ibm.com)

意义与留存实物

深蓝的成功展示了大规模计算与领域专门知识相结合的有效性。其公开发表的设计以搜索、评估和专用硬件为核心,而非与深度学习相关的人工神经网络架构。从这一技术背景来看,比赛结果表明,机器能够在国际象棋领域超越顶尖人类对手,但这并不能证明它具备通用人工智能,或在其他任务上也具有同等能力。(research.ibm.com)

这场胜利也引发了公众对人与机器关系的广泛讨论。IBM保存了新闻报道和时事漫画,后来将它们连同计算机硬件一起捐赠给史密森学会。美国国家历史博物馆收藏了构成深蓝核心系统的两座机柜之一,以及1997年比赛期间与其并行处理器连接的微型计算机。这些实物既记录了机器的物理构造,也见证了公众对这场比赛的反响。(americanhistory.si.edu)