如果人工智能碰上座子围棋规则？（待定稿）
章 浒
座子围棋规则非常简单，开局摆放四个座子以及局后计算胜负时“还棋头”而已。
当今职业棋手抑或业余棋手都很少有人研究座子围棋，因为规则变了，座子围棋技术已用不上。
所以延绵数千年的座子围棋——中国古棋传承，已中断一百余年了。
当代职业棋手李喆六段在《从兼山堂到桃花泉——试述中国古代围棋棋艺的发展演变》
（《围棋天地》2016年第一期）一文中谈到： “今棋布局讲究连片，而古棋常为打散纷乱之态势。……
中国古棋布局强调分边，今棋布局强调连片，二者实为一体两面，是同一种理念的两种表现形式。
造成表现形式之差异的原因主要有两点：一、今棋连片更为便易；二、古棋不惧攻角。
这两点又都与规则相关。今棋取消座子，起手可不占对角星，连片较为容易。
而对于攻角的价值，则与还棋头规则有关。”
有人说：“废除座子”解放了布局，是一大“进步”。其实，中国古棋的布局变化也非常多，
属动态平衡的布局。《弈理指归图》言：“使敌无大块及拆三之地，布局最醇”。
以清代棋圣施襄夏为代表的中国古棋人，对座子围棋的布局研究颇深。
古棋开局摆放的四个座子客观上造成了棋块在棋盘上的自然分割。因为棋块不能连片，
只能相互分片，所以需要处理各个棋块的强弱、虚实、攻防、取舍，极大的复杂化了中盘战斗，
更易将棋局导入未知领域，也会极大地开拓、挑战棋手的思维。 四个座子又在一定程度上限制了先行优势；“取消座子”又导致先行优势过大，引发“到底应该贴几目”这样无解的问题。
取消座子，貌似增加了一些布局变化，其实增加的是简单变化。
因为取消座子后，黑白双方更容易将棋块"连片"，下成各自围空的“连片”围棋，所谓"连片者胜"。
一旦“连片”，棋的块数就少了，其变化与计算量必然会比互相分割、九龙共舞的古棋局面简单许多。
在“连片”围棋的局面里，A和B两个点差一路，A和B的差别就是相对简单的计算或官子目数差别，
这在数学上称为“解空间平滑”。
四个座子会造成棋块的自然分割，黑白双方更容易的不是连片，而是互相分片。
“还棋头”又鼓励双方互相切断，争夺中腹制空权，形成九龙共舞的全局关联复杂局面。
所以，一旦局面换成中国古棋那种四处牵制，错综复杂的战斗场面（以及复杂的全局打劫转换过程），
断和刺差一路，结果就是生与死的区别。这在数学上称为“解空间多峰且嶙峋陡峭”。
解空间平滑有利于电脑求解，这类的计算对人工智能(AI)来说没有难度，这并不会造成算法上的困难。
解空间多峰且嶙峋陡峭不利于求解，这在数学上是非常明白的。
那么，“取消座子、还棋头”是简单化还是复杂化围棋也就不言而喻了。
图1
图1：古棋“《眉山墅隐》第十局汪汉年（白先）——周东侯之局的前22着，双方各5块棋交叉分割（合计10块棋）。这样的棋谱给下现代围棋的人会产生很大的视觉冲击。”（摘自余位坤文《从〈眉山墅隐〉看中国古代围棋理论的形成》，2015年度杭州棋文化峰会之论文集《钱塘棋会》）
图2
图2：中国古代座子围棋技术的最高峰——当湖十局第6局前25着，范西屏（白先）——施襄夏。
不算棋盘下方各自挂角的棋块数，单算棋盘上方交错攻杀的黑白双方，就有7至8块棋，
此后的棋局进程，攻杀之激烈也令人叹为观止。
图3
图3：2016年末开始的AlphaGo（Master） Vs人类的网络对局之一，
柯洁（白）对Master（黑先）一局的前25手，黑方大致有2至3块棋，白方大致有3至4块棋，
黑方先行后“连片”趋势非常明显，黑白双方合计，至多只能算有7块棋。
图4
图4是此后的棋局进程，“柯洁选择了46,48扭断作战。但其实，并未算清变化。”（时越九段评）
经此战役的折冲，在AlphaGo或人类高手的眼中，胜负已然确定，见图5。
图5
图5：“黑49-63简明定型。白棋中间的四个子，无法动弹，几乎死掉。白棋在右边虽然获得了巨大的实空，
但黑棋的作战获得的利益过大。”（时越九段评）
图6
图6：当湖十局第6局前100着，虽然现在白方处于不利地位，但在这样双方棋子犬牙交错的局面下，
如果让人工智能AlphaGo来下，也不一定能算得够深、算得足够清吧？起码，CPU的能耗会增加许多。
座子起到“分片”的作用。“还棋头”是在“明清数子规则”下，多一块棋的一方要多付出一子的解读。
而在“唐宋填空、数路”规则就是“基本眼位非目”（一块棋中赖以生存的2口气或称2个眼是基本眼位，不能算作“路”或“目”）。“还棋头”不是规则，是自然形成的围棋定律。因为“还棋头”（多出一块棋就必须多付出2目来存活），导致必须更注重中腹的控制权、向中腹出头与其它棋块联络，鼓励切断，鼓励战斗。
现代围棋取消了“还棋头”，所以棋块可以搞独立据点，不十分强调向中腹出头与联络。
古代《棋经十三篇》载：“高者在腹，下者在边，中者占角，此棋家之常然也”就失去了意义，
日本棋谚“金角银边草肚皮”大行于世。导致人类棋手与AlphaGo对局的时候突然发现，原来中腹是这么重要。
可以“笼罩局上，以为阵势，成则攻也”（敦煌《碁经》附梁武帝《碁評要略》文，见图7），
也可以下在5路尖冲（AlphaGo VS李世石第2局，见图8）。
图7
图8
我们来看清代棋圣施、范的棋，全局关联，攻击、反扑一波接一波。
仍以当湖十局第6局为例，陈祖德九段《当湖十局细解》评：“黑160位靠，粗看使人莫名其妙，
细算才发现奥妙无穷。”黑160居然与上面的2块死棋复活有着某些联系，像黑160的“靠”，细细品味，
会发现有些类似于李世石战胜AlphaGo的那手“挖”（见图11）。
图9
陈祖德九段在书中摆出以下2个变化图，演示了黑160的精妙所在。（见图10）
图10
而另有一些棋手出于可控局面的思想，担心控制不了局面，并不想进入未知领域，
而下出小富即安的“大局控制流”。当然，与水平相差不大的棋手这么下，胜率还颇高，
于是大家慢慢来，出了错也有挽回余地；真正要下到复杂局面下的大局控制层次，
因为控制不了，所以并不敢下。
再看阿法狗(AlphaGo) Vs 李世石人机大战的前四局，李世石每次都在大局上被阿法狗所左右，
到处疲于奔命、不能发挥“僵尸流”的特点，完全发不出力。一方面是狗的形势判断、大局控制能力确实强，
另一方面，难道没有其它的原因，让李世石无从发挥他的长处？
一旦李世石绝地求生，偶然发现了阿法狗的短板，第4局78手凌空一挖（见图11），
似做劫而未做劫，似开吃而又未开吃，阿法狗的神经就开始错乱了。
图11
那么，如果按座子围棋规则下，人工智能(AI)会困难些吧？
按现代规则下，对方棋一旦连片，打入一方就困难了。比起设置了座子的座子围棋因无法连片
而只能互相分片，导致棋块九龙共舞的局面；现代“连片”围棋的复杂度大大降低。
座子围棋的“还棋头（基本眼位非目）”迫使双方竞相向中央出头联络，
鼓励切断、鼓励战斗，而现代“连片”围棋将基本眼位算作目，又降低了棋局的激烈程度。
从原理来讲，AlphaGo下棋不懂其他，只看胜率。
用谷歌工程师的话说就是把围棋转化为数学问题。每一步AlphaGo都作全盘思考，这已经是棋界共识。
那么现在我们人类下棋是怎么样的？不幸的是，还是拘泥局部。
这样的话，当今人类的围棋比AlphaGo的整体围棋相差一个维度，难道不是吗？
你思考的，人工智能(AI)都思考过了，而AI考虑的，你却没考虑过，这样你还能赢？
在判断形势的能力上，人类不可能胜过电脑，所以我们看到了AlphaGo连续击败人类。
但是，难道人类从来没下过整体围棋吗？非也，吴清源提出的“六合围棋”就是整体围棋，提出已经超过20年了，在棋界应者寥寥。出于残酷的胜负而追求胜率的原因，棋界还是使用原来的下法而拒绝改进。
座子围棋——中国古棋是更高层次上的整体围棋。座子围棋规则下的整体围棋是AI更难掌握的围棋。
那么，为什么座子围棋——中国古棋的全局关联围棋是整体围棋？
AI在这个规则下会更困难？为什么AI可以在“连片”围棋领域里胜过人类？
前面提到的数学分析上可以解释这一点，再重复一下：这是因为AI是把围棋问题转化为数学问题。
在“连片”围棋的局面里，A和B两个点差一路，A和B的差别仅仅是相对简单的计算或官子目数差别，这叫“解空间平滑”；
“解空间”平滑有利于电脑求解，这类计算对AI来说没有难度，并不会造成计算机算法上的困难。
而一旦局面换成座子围棋那种四处牵制，错综复杂的战斗场面，断和刺差一路，结果就是生与死的区别，
这叫“解空间多峰且嶙峋陡峭”；“解空间多峰且嶙峋陡峭”不利于AI求解。这在数学上是非常明白的。
Alphago用神经网络来进行判断，用蒙特卡洛算法进行选点。神经网络据说已用几千万以上盘棋训练，那么判断能力人类无法胜过。因为人类显然一生也不能研判比AI更多的局面。AI判断力胜过人类是有可能的。所以战胜AI的唯一机会只能在破解蒙特卡洛算法。“连片”围棋很不巧，没有很好体现围棋的混沌性质，只有座子围棋——全局关联围棋最充分地体现了围棋的混沌，也就是体现了围棋的真谛。在数学上，混沌是不可解的！所以混沌的围棋，也是不可解的！这不是电脑改进算法就可以改变的事实。
因此，在座子围棋规则下战胜AI的策略如下： 首先，人类也要下整体围棋，这样才能撑住局面不落后。其次，要制造复杂局面，让计算的手数尽量长，分支尽量多，而且最好包括打劫。这是有原理上的依据的，计算机每一步搜索都要消耗资源，打劫会极大增加计算机搜索难度，这是毫无疑问的。计算手数长，计算机搜索出错的概率就大，这就好比蝴蝶翅膀的煽动要依靠从南美巴西到北美德克萨斯州那么远的距离去放大，才能成为风暴！距离是关键。
同理，要放大AI的错误，一个足够长的计算链条是必须的。复杂局面往往范围大，选点多，
这样极大考验计算机剪枝算法。然而，根据混沌理论，计算链条足够长则计算机出错几乎必然。
所以我们看到，当李世石在第4局第78手把局面搞复杂到一定程度后，AI就露馅了。
据报道，谷歌工程师坦言：已修复在这个棋局局面下，这个特定的BUG（错误），但无法全面修正类似这样的其它BUG。
反过来我们明白了“连片”围棋为什么不行，因为计算量太小。每个分支十多步，一共十几个分支，
百步级别的计算量能指望AI犯错？所以，AI更容易掌握哪种规则下的局面，也就不言而喻了。
在座子围棋规则下，人类应不易被AI轻松击溃。因为头绪多，AI限于算法无法深层计算变化，古棋谱样本又少。无论棋谱学习还是自主学习，一旦导入未知领域，AI都有可能比不过人类用千百年总结出的抽象原则去指导作战，这个人类代表必须是天才的人类代表。
当然，AI再进化到一定地步后，也许是人脑永远也无法超越的。
看来，围棋规则对于围棋棋理、棋风以及棋局复杂度的影响，是本质的。
开局布置的座子使棋块相互分割，起着张力的作用，“还棋头（基本眼位非目）”又有一股自然的合力，一张一合之间，犹如拉开强弓后利箭射出。座子围棋——中国古棋之高妙，正在于此。
两次人机大战给围棋界提供了一个很好的反思契机。
特别是在传承中华优秀传统文化——座子围棋，以及对古棋规则的再思考这些方面。
注1：此文数学分析来自中国座子围棋群友“先天武道低手”文
注2：此文还在听取专家意见，将进一步修改。
附：
中国现代座子围棋规则
(Version 0.9 于2017-1-27)
1、先于棋盘四角四四位分定座子（黑白各2个座子，呈中心对称状）。白方先行。
注：座子是古棋的开局方式，表示“四象”，体现了中国古代宇宙观及哲学思想。
开局四个座子可防止先行方棋子连片成势，也在一定程度上降低了先着优势。
2、气的概念非常重要，“有气则生，无气则亡，气尽子提。同时无气，落子一方提对方无气棋子”。如果棋子或棋块没有气，应立即从棋盘上被提走，由对方俘获。双方同时无气，下子一方俘获另一方的棋子。
3、一方一手、交替下子，不得放弃（允许虚手，交一俘虏）、等手终局。
3.1允许虚手,虚手(pass)时将己方棋子一枚直接交给对方俘获，以平衡手数。
3.2为体现等手终局的原则，终局时应平衡手数。即：先下一方收后的情况下，后下一方应虚手一次。
4、无禁着点的规定,允许个子或块子自尽。
注：按奥卡姆剃刀原理“如无必要，勿增实体”的原则，不人为规定禁着点。
5、贴子或贴目：按古棋规则，严格上说，没有贴子或贴目。
5.1 建议双方轮流先行，两局后计算总胜负；如胜负仍未定，按用时多少决定胜负。
5.2 如只能以一局定胜负，考虑到先下方的先行优势，可规定贴子或贴目。
比如：先下方（白）盘面多1子或2目以上胜。
6、普通劫的规则按约定俗成，三劫、四劫循环等情况,参照古棋约定俗成，按和棋处理。
（另：因计算机技术的提高，可实现由计算机来判断并禁止全局同形再现，因此也可在对局前规定禁止超级劫即禁止全局同形再现）
7、没有其它的附加规则了（由实战解决争议）。
8、终局方式
8.1 协议终局：中盘认输（可按差距30目以上计算）；
8.2 判断终局：双方两虚手或三虚手后，进入计算胜负阶段。
胜负判定的标准是：“子多为胜”。
（注1：古棋规则重要的内容是：棋子或棋块赖以生存的气不属于任何一方以下是古棋规则的验证推论过程。在走完最后一个单官后,双方仍可一人一手(可虚手)继续下子,填满棋盘上的虚空。填子过程是已省略掉的自然（两溢）终局过程，棋子或棋块赖以生存的眼或公气会保留不填。因此,填满虚空不包括填掉棋块赖以生存的气眼。但规则理论上不禁止填满，比如：有人发疯想输掉对局。最新古棋研究表明，古棋规则的源头是“两溢后俘子多为胜”，即：吃子棋规则。
注2：在某些极特殊的情况下，吃掉对方的棋子，己方损失反而更大，那么１口气的棋块也能存活。（见赵之云《围棋实战指南》一书相关文章中的例图）
9、胜负判定方式 （以下2种胜负判断方法是等价的）：
9.1明清数子法：根据以上推论的简便计算方法,采用还棋头的方式，以归本数180.5+贴子的方式计算。实质是：生存于棋盘上的棋子多的一方胜。
9.2唐宋数路法:根据以上推论的简便计算方法，回填俘子后，再计算双方的空（不包括赖以生存的气眼），空点多的一方胜。
9.3 某些情况下可考虑因先行方收后的优势的原因，“先行方局终三虚手胜”逊于“先行方局终二虚手胜”。
全文完。

放心吧，不可能实现的，就算棋手吃饱了撑的下座子，谷歌也不干这么无聊的事

楼主真是辛苦，可是，意义呢？

谷歌发展AI，其目标不是围棋。谷歌只是将围棋作为其通用AI的一个开发和测试环境，而目前的围棋已经可以满足这种开发和测试环境的要求。
所以，即使座子围棋复杂度更高（我不确定），我认为谷歌也不会去更换目前这个开发和测试环境了。
或许有一天通用AI成熟了，其他人会使用通用AI来破解楼主的座子围棋。但这毕竟是后话了。

我觉得下是完全可以下。不过，去年的顶尖围棋AI跟人类相比大局强而局部计算相对弱，恐怕主要也是因为在大局判断上更充分地掌握了人类的思维方式，而在局部计算上尚有明显不及人类思维方式的短板，这些都是可以改进的。过两年的顶尖AI是大局强还是局部计算强，或者说人类跟它下是用铺地板还是乱战的方式比较好（差距较小），就很难说了。

座子规则对于阿尔法狗是否有影响只要看阿尔法狗的运行原则就可以了，开局的四个角就相当于前四手已经确定，棋局从第五手下棋，这个对于阿尔法狗没有任何影响，还子的问题并不影响到阿尔法狗训练时的根本啊，因为阿尔法狗只看胜率，还不还子它又不在乎，所以座子规则下阿尔法狗稍作训练同样可以表现的很好

解空间平滑有利于电脑求解，这类的计算对人工智能(AI)来说没有难度，这并不会造成算法上的困难。
解空间多峰且嶙峋陡峭不利于求解，这在数学上是非常明白的。
笑，ALPHAGO出现之前都认为围棋对AI来说起码短期内无解，现在被ALPHAGO按地上摩擦之后又说没难度

怎么就基本上没有人，正面驳斥楼主观点呢？

四个子一摆,变化可能少到原来万分之一,用手机胜柯洁也快了.

不懂座子，不懂还棋头的高部道平四段，把全大清懂座子，懂还棋头的高手打到让二子以上。