AlphaGo 与蒙特卡洛树搜索

围棋局面多到无法穷举，AlphaGo 却用搜索加学习的组合攻克了它。本文解释蒙特卡洛树搜索如何在有限算力下聚焦有希望的分支，以及策略网络与价值网络各自解决了什么问题。

围棋为什么难

围棋的合法局面数量远超可观测宇宙中的原子数量，无法像简单棋类那样穷举。同时，判断一个局面的优劣极其困难，棋手依赖的是难以言传的棋感。这两个特点让围棋长期被视为人工智能的硬骨头。

传统博弈程序依赖搜索树加局面评估函数。搜索深度有限时，评估函数的偏差会被层层放大。围棋每一步的选择接近数百种，分支因子远高于国际象棋，纯靠暴力搜索行不通。

蒙特卡洛树搜索

蒙特卡洛树搜索（MCTS）换了思路：不追求评估每个局面，而是把计算资源集中在更有希望的分支上。它反复做四件事——选择、扩展、模拟、回传：沿着当前树走到一个节点，展开新局面，随机对弈到终局，再把胜负回传到路径上的所有节点。

在选择环节，MCTS 用 UCT 之类的公式平衡探索与利用：既倾向于访问胜率高的分支，也给访问次数少的分支留机会。随着模拟次数增加，树会逐渐长成偏向好手的结构，这是一种用随机性换取洞察的聪明做法。

AlphaGo 加了什么

2016 年 AlphaGo 战胜围棋世界冠军，成为人工智能的广为人知的里程碑。它在 MCTS 的基础上加入两个神经网络：策略网络负责建议下一步该往哪走，缩小搜索宽度；价值网络直接评估局面胜率，减少随机模拟的深度。

网络的训练分几步：先用人类棋谱做监督学习，让策略网络模仿高手；再通过自我对弈的强化学习继续提高；价值网络则利用自我对弈的胜负结果训练。后来的 AlphaGo Zero 完全抛弃人类棋谱，从随机对弈起步，反而达到更强水平。

留下的遗产

AlphaGo 的意义超出围棋本身。它证明搜索与学习的组合可以攻克看似无法穷举的问题，这套思路后来被用于芯片设计、程序优化与科学发现等组合优化任务。它也提醒我们，自我博弈能在没有人类数据的情况下持续进步。

本文为 AI 科普内容，仅用于知识普及，不构成任何技术选型、投资或职业决策建议。