從圍棋人機大戰看人工智能對現代競技體育影響研究

摘要：人工智能技術（AI）作為一項現代信息技術，在各行各業中的應用日益廣泛。在體育領域，人工智能技術在群眾體育參與、運動隊訓練和競技體育對抗等方面滲透日益深入，人工智能驅動體育已成為現代體育發展的一項全新課題。2017年，伴隨著AlphaGo戰勝韓國著名棋手李世石在世界范圍內引發轟動，人工智能對現代圍棋運動的影響進入到一個新的階段。圍棋作為一項復雜的智力運動，AlphaGo借助人工智能技術對職業棋手和業余高段棋手的棋譜進行學習，并通過直覺獲取、搜索驗證和優化選擇戰勝世界頂尖棋手，展示出人工智能技術強大的學習能力和計算能力。本研究運用案例研究法、文獻法等研究方法，基于人工智能技術，以促進現代圍棋運動發展為目標，通過對AlphaGo核心方法及對弈策略進行分析，探討人工智能技術在現代圍棋運動教學與訓練實踐中的運用。研究結果表明：人工智能技術在現代競技體育數據分析和比賽預測、視頻分析和輔助裁判、運動員運動表現分析和改善、競技體育訓練和運動康復、比賽直播和娛樂體驗等方面均具有涉獵，AlphaGo基于人工智能“深度學習”原理，運用深度神經網絡的棋感直覺訓練和蒙特卡洛樹搜索的搜索驗證計算方法對棋局的預判已遠超職業圍棋選手的思考深度，在人機對弈中具有極大的優勢。

關鍵詞：圍棋 "人機大戰 "人工智能 "競技體育

中圖分類號：G80 文獻標識碼：A 文章編號：1006-8902-（2024）-07-184-3-ZL

1、人工智能技術概述

人工智能技術（AI），又稱為機器智能，它的目標是使計算機能夠執行類似于人類的智能任務，是現代信息技術與經濟社會各領域深度融合的產物。人工智能技術通過模擬人類智能行為和思維過程的計算機系統和算法，通過訓練模型使用大量數據來讓計算機自動學習和改進性能。現代信息技術的發展，極大地促進了人工智能技術與經濟社會發展的融合，并為海量數據處理、復雜決策制定提供了可行性方案，并在社會經濟各個領域得以廣泛應用，極大地促進了現代社會的發展和生產生活效率的提升。人工智能技術作為現代信息技術的產物，其與體育領域結合日益緊密，在運動訓練、競技體育、休閑體育等方面不斷拓展其功能與應用范圍，在提高運動訓練的科學性、競技體育的對抗性和休閑體育的娛樂性等方面產生了巨大影響，對于促進現代體育運動發展，引領健康生活方式具有重要意義。

2、人工智能技術與現代競技體育的耦合

2021年8月，國家委員會發布《全民健身計劃（2021-2025）年》，指出“促進數據賦能智能體育等”，明確提出：“鼓勵互聯網、區塊鏈、物聯網、虛擬現實、人工智能等技術在體育運動方面的創新應用。”人工智能在體育中的研發應用已經上升為國家意志，對于我國體育強國目標的實現具有至關重要的戰略意義。

體育作為人類文化的重要組成部分，自人類的產生便應運而生。體育作為一種人類有意識、有目的的文化活動，其產生具有深刻的文化基礎和社會物質基礎。原始社會人類最基本的走、跑、跳躍、投擲、攀登、爬越等行為便是現代體育運動的萌芽，而其作為原始人類一種最基本的生產勞動和日常生活的技能，也具有深刻的社會物質基礎。由此可見，體育作為上層建筑的一種，其依賴于社會物質基礎。現代信息技術的發展，在促進競技社會飛速發展的同時，也對體育的發展具有深刻影響。2014年，美國谷歌公司首先將現代計算機技術與體育相結合，開發AlphaGo計算機程序，旨在將人工智能技術運用于圍棋運動。由此開始，人工智能技術開始與體育深度結合，并向諸多領域滲透，“人工智能+體育”便應運而生。競技體育作為現代體育運動的排頭兵，人工智能技術在競技體育方面的應用主要包括運動員訓練輔助、訓練及比賽數據采集、人工智能輔助裁判等方面，主要運用方向如下：

2.1、數據分析和比賽預測

因數據挖掘的廣度性和深度性，人工智能已被廣泛運用于現代競技比賽數據搜集、分析與預測等方面。通過對大量的比賽數據進行深度挖掘與分析，提取關鍵信息，可幫助教練和運動員制定訓練計劃和比賽戰術。此外，通過機器學習算法，人工智能還可以預測比賽結果和個人表現。

2.2、視頻分析和輔助裁判

人工智能技術具有強大的視頻采集和視頻傳輸功能，可通過慢鏡頭回放和多角度攝像頭對比賽進行實時監控，幫助裁判做出正確判罰。同時，人工智能可以通過對比賽視頻進行分析，識別和追蹤運動員的動作和位置，幫助裁判員判斷爭議性決定，例如判定足球比賽中的越位和進球是否有效。

2.3、運動員運動表現分析和改善

借助人工智能的數據挖掘功能，可為運動員運動表現提供更精確和全面的分析結果。現階段，人工智能技術已廣泛運用于運動員運動技術分析和運動比賽模擬等方面，通過運動員在訓練及比賽中的生物力學數據進行系統監測和分析，如運動姿勢、步態和肌肉活動，可幫助運動員提高運動技術和優化運動表現。

2.4、競技體育訓練和運動康復

運用人工智能技術對運動員生理數據和訓練負荷進行監控和分析，為運動員提供實時的訓練負荷評估，避免過度訓練和受傷風險。同時，通過分析運動員的訓練歷史和生理數據，人工智能可為運動員推薦適當的訓練強度和休息周期，設計個性化的訓練計劃和康復方案。

2.5、比賽直播和娛樂體驗

在現代競技體育比賽中，將人工智能技術運用到競技體育轉播中，可實時提供比賽數據和技術分析，幫助觀眾更好地理解比賽進程和結果。此外，人工智能還可以根據觀眾體育興趣和收視偏好，個性化推薦體育比賽視頻和相關定制內容，為觀眾提供個性化體育賽事服務和豐富體育娛樂體驗。

由以上可知，伴隨著現代計算機技術的發展，科技與體育結合越來越緊密，人工智能技術已經滲透到運動員選材、訓練、比賽等競技體育這一縱向序列每個環節。人工智能技術依托于現代計算機技術，通過對運動員的能量消耗、速度、跳躍高度等各項數據的抓取、存儲、處理、應用，得出運動員/球隊技戰術選擇、戰略戰術制定等相關信息，并指導教練員有針對性地調整訓練策略，改變戰略戰術，避免教練員或運動員由于主觀經驗所帶來的盲目性；通過計算機的智能算法對運動員的動作進行關鍵點識別和分析，分析運動員人體運動力學數據和動作優缺點，對運動員技術動作進行評估和改進；通過對運動員能量消耗、速度和心率等數據進行評估和預測，并根據實際情況對模型進行修正，深入挖掘數據背后的規律，用于輔助運動員訓練和競賽，提高運動員/運動隊訓練質量和訓練效果，提高教練員和運動員的決策水平。

3、AlphaGo的產生背景及工作原理

阿爾法圍棋（AlphaGo）是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智能機器人，由Alphabet Inc.（谷歌的母公司）的子公司DeepMind Technologies開發的計算機程序，旨在將人工智能技術運用于現代圍棋競賽。AlphaGo其主要工作原理是“深度學習”，具體計算方法包括基于深度神經網絡的棋感直覺訓練和基于蒙特卡洛樹搜索的搜索驗證。

2016年，AlphaGo與圍棋世界冠軍李世石進行了5局比賽，并在5局中贏了4局，展現出人工智能技術對于人類智能的挑戰，在世界范圍內造成轟動。圍棋作為一項具有高度狀態復雜度與博弈復雜度的智力游戲，其計算方法復雜、棋形變化多樣，具有超過10170種狀態復雜空間，并涉及邏輯推理、形象思維、優化選擇等多種人類智能思維，AlphaGo的此次勝利促使人類對人工智能的作用進行重新審視。

對AlphaGo計算與學習方法進行分析可知，AlphaGo使用先進的機器學習技術，通過對人類數千年圍棋棋譜進行分析，以及與自己對弈以進一步提高其技能。并運用包括深度神經網絡和蒙特卡洛樹搜索，用于評估和制定對弈的戰略行動。通過對AlphaGo棋形進行分析可知，AlphaGo展現了獨特的圍棋風格，并具有優秀的大局觀和強大的總體把握能力，其簡明直接的局部定型，在最大限度地降低棋形復雜性的同時，也將計算機強大的計算能力得到最大化。

AlphaGo的成功對人工智能和機器學習領域產生了重大影響。它展示出深度學習技術在解決復雜問題方面的巨大潛力，并為人工智能系統在競技體育等多個領域超越人類開辟了新的可能性。

4、AlphaGo計算方法分析

4.1、基于深度神經網絡的棋感直覺訓練

棋感直覺，是高水平圍棋棋手對弈的首要要素，其反映出職業棋手長期學習、訓練、對弈的經驗積累。通過對圍棋對弈軟件進行分析可知，雖然目前軟件市場圍棋對弈軟件眾多，但是否具有棋感直覺是區分圍棋軟件棋力是否具有競爭力的核心所在。部分圍棋軟件通過計算機算法將每一步走法通過適配圍棋規則進行模式化設置，導致圍棋棋形模式化嚴重，競爭力較低，不具備圍棋的棋感直覺。AlphaGo通過深度神經網絡機器學習，獲得圍棋棋感直覺，并且通過高強度訓練以獲得遠超專業棋手的個人能力。

（1）策略網絡：落子棋感。

策略網絡是一種基于神經網絡的人工智能模型，通過學習歷史數據和棋局特征，能夠預測并選擇最佳的落子位置。AlphaGo借助深度神經網絡的監督學習功能，在數據采集階段獲取大量的棋局數據，通過學習職業棋手和業余高段棋手的棋譜的數十萬份棋譜和上億數量級的落子方式，通過大規模數據的迭代訓練，不斷優化使策略網絡。通過策略網絡的訓練，可使模型對不同棋局的落子情況進行準確預測，并根據當前的棋局狀態和歷史數據，通過模型的并行計算，評估每個落子位置的勝率和潛在價值，為棋手提供最優的決策建議，快速地進行棋盤評估并使棋手能夠即刻做出決策。這種訓練方式類似于專業棋手在日常圍棋訓練中的打譜和復盤練習，通過高強度和高重復性的打譜與棋形練習，獲得在圍棋棋盤上落子的棋感。

（2）價值網絡：勝負棋感。

勝負棋感是指在棋類對弈中，玩家通過推演、策略和決策，獲得勝利或者遭受失敗時所產生的一種獨特感受。勝負感作為運動員對于參與競技體育運動所產生的的一種獲得成功與失敗主觀體驗，對于運動員激發自我潛能，修正比賽策略，積累比賽信心具有重要作用。AlphaGo通過價值網絡模擬人類決策過程，實現在棋類對弈中達到對人工智能勝負棋感培養的目標，其作為一種深度神經網絡的增強型學習工具，是人工智能領域的重要研究方向。基于勝負棋感的價值網絡運行邏輯是通過計算機的自我博弈，對計算機的每一次落子在不同盤面下的勝負情況進行估算，并通過計算機深度學習的方法對勝負棋感模擬，從而獲取在圍棋盤面的勝負棋感，并通過對每一次落子的勝負棋感進行積累，使計算機在每一次落子時都可模擬人類決策過程，對每一次落子的勝負棋感進行評估，從而形成類似于人類的勝負棋感，使計算機具有人類的思維感知和對于棋局的判斷能力，從而提高計算機的決策質量和效率。

4.2、基于蒙特卡洛樹搜索的搜索驗證

在圍棋對弈中，沒有棋感直覺不行，完全依賴棋感直覺也不行。而棋感直覺的形成需要通過嚴格的數學模型和計算方法，對棋感直覺進行驗證。隨著互聯網的快速發展，采用蒙特卡洛樹搜索對落子棋感和勝負感進行計算驗證，在搜索驗證中展現出巨大潛力和優勢。蒙特卡洛樹搜索作為一種用于找到最優解的算法，它在許多棋類游戲中表現出色，包括圍棋、五子棋等。它基于模擬游戲的方式來評估每個落子位置的價值，并通過多次模擬游戲來確定最佳的落子策略。在使用蒙特卡洛樹搜索進行計算驗證時，通常采用以下步驟：

（1）構建游戲樹。

根據當前的棋局狀態，構建一個游戲樹。游戲樹的根節點代表當前的棋局狀態，每個節點表示一個可能的落子位置，通過節點模擬棋手落子的位置，構建游戲樹。

（2）模擬游戲。

從根節點開始，使用隨機策略進行多次模擬游戲。在每次模擬中，通過選擇一個未被訪問過的節點，然后隨機選擇一個合法的落子位置進行擴展，直到模擬游戲結束，得到最終的勝負結果。

（3）更新節點價值。

根據模擬游戲的結果，對游戲樹每個節點的價值進行評估。例如，將勝利的模擬游戲分數加“1”，將失敗的模擬游戲分數減“1”，將平局的模擬游戲分數置為“0”。

（4）選擇最佳落子位置。

在對節點價值進行評估的基礎上，模擬棋局對弈，根據節點的價值選擇最佳的落子位置，選擇在合法位置上價值最高的節點作為最佳落子位置，從而確定最佳落子點。

通過多次模擬游戲和對節點價值的驗證，蒙特卡洛樹搜索可以通過對棋局勝負進行數學驗證和建立勝負評估模型，根據最佳落子位置的準確度、勝率等指標，逐漸找到最佳的落子策略。在實際運用中，相較于其他算法，蒙特卡洛樹搜索能夠運用平衡探索和信息利用在未知的狀態中進行主動探索，又能夠根據已知的信息進行利用與加工，可最大限度地平衡計算機在學習過程中探索與利用之間的矛盾，通過搜索最優的落子點，即搜索次數最多的、信心最大的、勝率最高的落子點，對落子棋感進行驗證。在一般情況下，基于蒙特卡洛樹搜索可對未來28步落子序列進行搜索，其對棋局的預判已遠遠超出圍棋職業選手的搜索深度，在人機對弈中具有極大的優勢。

5、圍棋人機大戰之后的人工智能展望

圍棋人機大戰的結果展示出人工智能在復雜智力運動中的巨大潛力，也引發人們對于人工智能在其他競技體育領域的展望。圍棋作為一種非常復雜的棋類游戲，要求玩家具備極高的智力和戰略思維能力。AlphaGo作為一個基于深度學習的人工智能系統，AlphaGo在圍棋人機大戰中的勝利表明，人工智能具備超越人類的決策能力。這將促使人工智能在其他智力運動中的使用，如國際象棋、五子棋、圍棋等，人工智能在體育領域的應用將進一步得到拓展。

雖然人工智能技術與體育聯系越來越緊密，但人工智能技術與現代競技體育的結合仍有待進一步提升。一方面，人工智能技術依賴于海量數據，但現代競技體育對抗瞬息萬變，難以對比賽對抗全部數據進行采集，且所采集數據的信度與效度仍有待進一步提升；另一方面，現代競技體育比賽分工越來越細化，不同球員在場上的定位與職責不同，其球場表現難以以統一標準進行衡量。上述問題也對人工智能在現代競技體育中的運用提出了更高的要求，迫切需要人工智能技術與現代競技體育進行深度融合。

參考文獻：

[1]謝標祎.客觀功效·現實問題·國內對策：人工智能在足球運動領域應用的研究[D].江西師范大學，2022.

[2]呂兆峰，宋思萱.融合與創新：“人工智能+”體育產業的發展策略研究[J].體育科技，2020，41（02）.

[3]孫立.體育應用人工智能的價值、困境與對策研究——李世石完敗于AlphaGo的啟示[J].南京體育學院學報（社會科學版），2017，31（05）.

[4]蘇宴鋒，趙生輝，李文浩，等.人工智能提升運動表現的前沿進展、困境反思與優化策略[J].上海體育學院學報，2023，47（02）.

[5]李帥帥，楊尚劍.數字體育、智能體育與智慧體育的概念特征、關系厘正及應用探析[J].西安體育學院學報，2023，40（03）.

[6]劉正統，馬進.基于人工智能的智慧體育訓練輔助系統設計[J].文體用品與科技，2024（03）.