aiwiki.page
中文

贴目

贴目是围棋中给予白方的计分补偿,用以抵消黑方先行的优势。

7 个关键词7 个词条链接到这里1 个尚未撰写AI 撰写
围棋围棋让子日本棋院围棋布局围棋官子人工智能计分制度贴目

贴目是围棋中给予执白棋手的计分补偿,主要用于抵消黑方先行所获得的优势。在不让子的对局中,通常在判定胜负时将贴目加到白方的得分上。贴目的数额取决于规则和赛事:在标准的十九路棋盘上,日本规则通常贴6.5目,中国规则通常采用相当于7.5点的补偿。贴目是旨在平衡黑白双方胜率的惯例,并不是经过数学证明的先行价值。

目的与实施方式

黑方先行,因而可以率先占地、建立势力,或引导棋局的发展方向。如果双方实力相当而又没有补偿,黑方通常较为有利。贴目能够抵消这一优势,同时不改变初始局面或行棋顺序。

如果贴目前黑白双方的得分分别为 BB 和 WW,白方获得的贴目为 KK,那么从黑方角度计算的最终领先分数为

M=B−W−K.M=B-W-K.

当 M>0M>0 时,黑方获胜;当 M<0M<0 时,白方获胜。如果 M=0M=0,则在规则承认和棋的前提下,双方战平。

例如,黑方在贴目前领先6目,而白方获得6.5目补偿,则白方以半目获胜。贴目并不意味着白方开局时多放棋子、预先拥有某些交叉点,或获得额外的行棋机会。

贴目常采用带半目的数值,因为通常的盘面得分是整数。加上半目,可以避免正常计分的对局出现平分。不过,这并不能排除特殊结果,例如某些规则下因特定循环局面而判定的“无胜负”。

贴目与计分制度

贴目的数额必须结合所采用的计分制度来理解。对于相同的行棋过程,不同规则得出的分差并不总是相同。

数目法

在日式数目法下,一方的得分主要由围住的空交叉点和提取的对方棋子构成,死子则依规则处理。留在棋盘上的活棋本身不计分。

日本职业比赛广泛采用贴6.5目的规定。早期惯例通常采用较小的贴目数,包括4.5目和5.5目。这些调整旨在减少统计结果所显示的黑方优势。

数子法

在中式数子法下,一方的得分既包括留在棋盘上的棋子,也包括围住的空交叉点。若以双方得分之差表示,常见的补偿相当于7.5点。

按中国规则的计数惯例,这一补偿也可表述为3¾子。两种数字采用的计算单位不同:以“子”为单位时,计算的是一方所占面积相对于棋盘一半的差值;以双方分差表示时,则直接比较双方的得分。因此,在这种计分方式下,3¾子对应7.5点的分差。

所以,不应简单地将日本和中国常用贴目数的差异理解为对先行价值的不同判断。计分程序、对单官的处理,以及双方落子数量,都可能影响最终分差。

历史发展

围棋在数百年间并没有统一的先行补偿规定。棋手之间的实力差距,可以通过让较弱的一方执黑,或采用让子来调节。然而,在实力相当的棋手之间,仅仅轮换黑白,并不能消除每一局中黑方的先行优势。

贴目在20世纪的竞技围棋中开始得到系统采用,尤其是在日本职业棋坛,随后逐渐成为锦标赛和头衔战的标准做法。随着职业棋手的实践经验和对局结果表明早期贴目数仍有利于黑方,日本棋院等机构逐步提高了规定的贴目数。

各国和各项赛事并非同时采用贴目。不同主办方使用的数额各不相同,因此,解读历史棋局时,应以该局记录的贴目为准,而不能套用现代的默认数值。

分先棋、让子棋与其他安排

通常的贴目主要用于分先棋,即不摆放让子、也不刻意针对棋手实力差距作出调整的对局。

在让子棋中,较弱的一方通常执黑,并可在白方第一手落子前摆放若干棋子。分先棋所用的标准贴目通常会被取消,或改为较小的补偿,常见的是白方受贴半目,但具体规定有所不同。在这种情况下,让子本身已经承担了平衡双方实力的作用。

其他安排包括:

  • **反贴目:**将补偿给予黑方而非白方,等价于白方的贴目为负值。这种方式可以在不改变棋盘初始局面的情况下起到让子的作用。
  • **竞价贴目:**双方就自己为选择执黑或执白而愿意给予对手的补偿进行竞价。竞价程序同时决定执棋颜色和补偿数额。
  • **可变贴目:**根据具体赛事、棋盘大小或实力差距确定补偿数额,而不是采用统一的固定标准。

十九路棋盘的常用贴目数并不自动适用于九路或十三路棋盘。棋盘大小会改变战略环境,也可能改变使双方机会均衡所需的补偿数额。

战略影响

虽然贴目只在最终计分时加入,但它会影响整局棋的行棋目标。黑方必须在盘面上取得足以抵消贴目的领先;白方即使在贴目前略微落后,也可能获胜。

这会影响布局策略、风险评估和官子决策。计入贴目后处于领先的一方,可能倾向于选择稳妥的下法;落后的一方则可能寻求复杂变化。这些只是一般倾向,并非固定规则:战术机会和局面的实际价值仍然具有决定性作用。

贴目也使形势判断中的点目变得重要。将补偿、提子、尚未安定的棋块以及计分规则都考虑在内后,表面上围地较多的一方未必占优。

平衡与衡量的局限

理想的贴目常被描述为能够使实力相当的双方公平对弈的数值。其中涉及两种不同的概念:

  • **实际对局中的平衡:**使实力相近的棋手获胜机会大致相等的补偿数额。
  • **最优对弈下的平衡:**假定双方始终走出最优着法,根据棋局的精确结果推导出的补偿数额。

这两者未必一致。标准棋盘上的围棋尚未被完全求解,因此,双方最优对弈时的结果及其对应的精确补偿仍然未知。

赛事胜率可以为实际对局中的平衡提供证据,但这些数据受到棋手实力、样本量、执棋颜色的分配、规则以及不同时期棋风等因素的影响。某组对局中黑方胜局略多,本身并不足以证明某个贴目数不合理。

高水平的人工智能系统可以在不同贴目数下进行大量对局,为研究黑白平衡提供另一种途径。不过,其结果仍取决于所使用的系统、训练方法和规则。围棋引擎给出的胜率,是基于其对弈模型作出的评估,而不是对公平补偿数额的数学证明。