DeepMind 打造多智能体象棋系统 AZdb：击败 AlphaZero，解题量翻倍

哪怕强如 AlphaZero，也经常被一些专门刁难 AI 的奇葩国际象棋残局难住。单打独斗的 AI 算力再猛，也容易钻进思维死角。

为了打破这种局限，Google DeepMind 换了个思路：不搞单个超级棋手了，改搞「智囊团」。他们把多个 AlphaZero 智能体组装成一个联盟系统，代号 AZdb，直接打败了原版 AlphaZero。

让 AI 互相换换脑子

AZdb 的核心逻辑不是拼单一模型的算力，而是引入多样性。DeepMind 给它用了两项关键技术，分别是行为多样性和响应多样性。

行为多样性负责拉开不同智能体下棋的习惯，尽量让它们在棋盘上的平均棋子站位各不相同；响应多样性则让它们去面对各种不同风格的对手。

这么一折腾，每个智能体都发展出了独特的棋风。有的偏爱特定开局，有的对兵的结构有偏好，有的甚至表现出完全不同的弃子与保子倾向。

按照 DeepMind 的说法，这个灵感其实来自人类棋坛。比如当年轰动一时的「卡斯帕罗夫对战全世界」，卡斯帕罗夫曾说自己一生从没在哪场比赛里耗费过这么多心血；国际象棋特级大师在准备重大比赛时，也总会找一群风格迥异的高手当陪练和幕僚。

专人专办，战力直接涨 50 分

风格分化之后，遇上难题就体现出协同的威力了。研究人员找来一批高难度棋题，其中不少是专门为了诱骗棋类引擎而设计的陷阱题。

测试结果显示，在思考时间充足的情况下，AZdb 解出的难题数量是单个 AlphaZero 的两倍。因为每个智能体各有所长，面对诡异走法时，总有一个能跳出常规思维找到正解。

到了实战对弈，DeepMind 用了一套叫「次加性规划」的方法。说白了就是兵来将挡，系统会看对手走了什么开局，然后挑一个最擅长这种局面的智能体出战。

靠着这种田忌赛马加专家会诊的打法，AZdb 在面对原版单体 AlphaZero 时，ELO 积分直接净涨了 50 分。

为什么重要

长期以来，强化学习的一大瓶颈就是容易在自己的舒适圈里过拟合，算力再堆上去，遇到盲区还是会撞墙。DeepMind 这次做得很聪明的一点，是承认了单一模型在探索广度上的天然缺陷，转而用多智能体系统在数据分布之外硬拓出一条路。

我们认为，这对整个 AI 领域——尤其是复杂推理和代码生成的研发方向——很有启发。未来的主力系统很可能不再追求把一个模型撑得无限大，而是由几个专注不同思路的小模型组合决策，用「团队开会」来解决幻觉和死胡同。

不过这种多智能体方案的隐患也很明显。维持一个多样化团队，训练和推理成本都会成倍增加；而且开局派遣机制在象棋里好界定，到了开放世界的非结构化任务中，怎样准确评估哪个智能体更靠谱，目前看起来还没有现成的标准答案。