DeepMind 打造多智慧體象棋系統 AZdb：擊敗 AlphaZero，解題量翻倍

哪怕強如 AlphaZero，也經常被一些專門刁難 AI 的奇葩國際象棋殘局難住。單打獨鬥的 AI 算力再猛，也容易鑽進思維死角。

為了打破這種侷限，Google DeepMind 換了個思路：不搞單個超級棋手了，改搞「智囊團」。他們把多個 AlphaZero 智慧體組裝成一個聯盟系統，代號 AZdb，直接打敗了原版 AlphaZero。

讓 AI 互相換換腦子

AZdb 的核心邏輯不是拼單一模型的算力，而是引入多樣性。DeepMind 給它用了兩項關鍵技術，分別是行為多樣性和響應多樣性。

行為多樣性負責拉開不同智慧體下棋的習慣，儘量讓它們在棋盤上的平均棋子站位各不相同；響應多樣性則讓它們去面對各種不同風格的對手。

這麼一折騰，每個智慧體都發展出了獨特的棋風。有的偏愛特定開局，有的對兵的結構有偏好，有的甚至表現出完全不同的棄子與保子傾向。

按照 DeepMind 的說法，這個靈感其實來自人類棋壇。比如當年轟動一時的「卡斯帕羅夫對戰全世界」，卡斯帕羅夫曾說自己一生從沒在哪場比賽裡耗費過這麼多心血；國際象棋特級大師在準備重大比賽時，也總會找一群風格迥異的高手當陪練和幕僚。

專人專辦，戰力直接漲 50 分

風格分化之後，遇上難題就體現出協同的威力了。研究人員找來一批高難度棋題，其中不少是專門為了誘騙棋類引擎而設計的陷阱題。

測試結果顯示，在思考時間充足的情況下，AZdb 解出的難題數量是單個 AlphaZero 的兩倍。因為每個智慧體各有所長，面對詭異走法時，總有一個能跳出常規思維找到正解。

到了實戰對弈，DeepMind 用了一套叫「次加性規劃」的方法。說白了就是兵來將擋，系統會看對手走了什麼開局，然後挑一個最擅長這種局面的智慧體出戰。

靠著這種田忌賽馬加專家會診的打法，AZdb 在面對原版單體 AlphaZero 時，ELO 積分直接淨漲了 50 分。

為什麼重要

長期以來，強化學習的一大瓶頸就是容易在自己的舒適圈裡過擬合，算力再堆上去，遇到盲區還是會撞牆。DeepMind 這次做得很聰明的一點，是承認了單一模型在探索廣度上的天然缺陷，轉而用多智慧體系統在資料分佈之外硬拓出一條路。

我們認為，這對整個 AI 領域——尤其是複雜推理和程式碼生成的研發方向——很有啟發。未來的主力系統很可能不再追求把一個模型撐得無限大，而是由幾個專注不同思路的小模型組合決策，用「團隊開會」來解決幻覺和死衚衕。

不過這種多智慧體方案的隱患也很明顯。維持一個多樣化團隊，訓練和推理成本都會成倍增加；而且開局派遣機制在象棋裡好界定，到了開放世界的非結構化任務中，怎樣準確評估哪個智慧體更靠譜，目前看起來還沒有現成的標準答案。