跳至主要内容

其他圍棋 AI 介紹

除了 AlphaGo 和 KataGo，圍棋 AI 領域還有許多重要的專案。本文將介紹主要的商業 AI 和開源 AI，幫助你了解整個生態系統。

商業圍棋 AI​

天頂（Zen）​

開發者：尾島陽兒（Yoji Ojima）/ 日本 首次發表：2009 年 授權方式：商業授權

天頂是 AlphaGo 之前最強的圍棋程式之一，在傳統 MCTS 時代就已達到職業水準。

發展歷程​

時間版本里程碑
2009Zen 1.0首次發布
2011Zen 4達到業餘六段水準
2012Zen 5讓四子擊敗武宮正樹九段
2016Zen 7採用深度學習技術
2017+Deep Zen Go結合 AlphaGo 架構

技術特點​

  • 混合架構：結合傳統啟發式與深度學習
  • 商業優化：針對消費級硬體優化
  • 穩定性高：經過多年商業使用驗證
  • 支援多平台：Windows、macOS 皆可運行

產品形式​

  • Tengen（天頂之碁）：桌面軟體，售價約 10,000 日圓
  • 網路對弈：曾在 KGS 以 Zen19 帳號活動

絕藝（Fine Art）​

開發者：騰訊 AI Lab / 中國 首次發表：2016 年 授權方式：非公開

絕藝是騰訊開發的圍棋 AI，在中國圍棋界有重要影響力。

發展歷程​

時間事件
2016 年 11 月首次亮相，在野狐圍棋網對弈
2017 年 3 月UEC 杯電腦圍棋大賽冠軍
2017 年被中國國家圍棋隊採用為訓練工具
2018 年世界人工智慧圍棋大賽冠軍
持續至今持續作為國家隊訓練輔助

技術特點​

  • 大規模訓練：使用騰訊雲端運算資源
  • 與人類頂尖棋手合作：獲得大量專業指導
  • 實戰經驗豐富：在野狐圍棋累積大量對局
  • 教學功能整合：提供復盤分析功能

影響力​

絕藝對中國職業圍棋的影響深遠：

  • 成為國家隊標準訓練工具
  • 改變了職業棋手的備戰方式
  • 推動了 AI 輔助訓練的普及

星陣（Golaxy）​

開發者：中國深客科技 / 清華大學團隊 首次發表：2018 年 授權方式：商業授權

星陣以「最像人類的 AI」為設計目標，在棋風上更接近人類棋手。

技術特點​

  • 人類化棋風：刻意訓練成更像人類的下法
  • 可調整難度：能模擬不同段位的對手
  • 教學導向：設計時考慮教學應用
  • 讓子棋專精：在讓子棋方面有特別優化

產品應用​

  • 弈客圍棋：整合於弈客 App
  • 教學平台：用於線上圍棋教學
  • 段位測試：提供標準化段位評估

其他商業 AI​

名稱開發者特點
石子旋風林在範（台灣）曾獲 UEC 杯冠軍
CGI交通大學（台灣）學術研究導向
Dolbaram韓國 NHN整合於韓國圍棋平台
AQ日本 AQ 團隊開源後轉商業

開源圍棋 AI​

Leela Zero​

開發者：Gian-Carlo Pascutto / 比利時 首次發表：2017 年 授權方式：GPL-3.0 GitHub：https://github.com/leela-zero/leela-zero

Leela Zero 是首個成功複製 AlphaGo Zero 的開源專案，由社群分散式訓練。

發展歷程​

技術特點​

  • 忠實復現：嚴格按照 AlphaGo Zero 論文實作
  • 分散式訓練：全球志願者貢獻 GPU 運算
  • 完全透明：所有訓練資料和模型公開
  • 標準 GTP：相容所有 GTP 圍棋軟體

訓練統計​

項目數值
總自我對弈局數約 1800 萬局
訓練迭代次數約 270 次
參與貢獻者數千人
訓練時長約 1.5 年

使用方式​

# 安裝
brew install leela-zero  # macOS

# 運行
leelaz --gtp --weights best-network.gz

# GTP 指令
genmove black
play white D4

現狀​

雖然 Leela Zero 已不再活躍訓練，但：

  • 程式碼仍是學習 AlphaGo Zero 的絕佳資源
  • 訓練好的模型仍可使用
  • 社群仍在維護基本功能

ELF OpenGo​

開發者：Facebook AI Research (FAIR) 首次發表：2018 年 授權方式：BSD GitHub：https://github.com/pytorch/ELF

ELF OpenGo 是 Facebook 開發的圍棋 AI，展示了大規模分散式訓練的能力。

技術特點​

  • ELF 框架：基於 Facebook 的 ELF（Extensive, Lightweight, and Flexible）遊戲研究平台
  • 大規模訓練：使用 2000 GPU 進行訓練
  • PyTorch 實作：使用 Facebook 自家的深度學習框架
  • 研究導向：主要目的是研究而非實用

表現​

  • 在 KGS 達到頂級水準
  • 與職業九段對弈有穩定勝率
  • 論文發表於頂級會議

現狀​

  • 專案已不再活躍維護
  • 程式碼和模型仍可下載
  • 主要價值在於學術參考

SAI（Sensible Artificial Intelligence）​

開發者：SAI 團隊 / 歐洲 首次發表：2019 年 授權方式：MIT GitHub：https://github.com/sai-dev/sai

SAI 是基於 Leela Zero 的改進版本，專注於實驗性功能。

技術特點​

  • 改進的訓練方法：實驗各種訓練優化
  • 支援更多規則：比 Leela Zero 支援更多圍棋規則
  • 實驗性功能：測試新的網路架構和訓練技巧

現狀​

  • 仍有小規模社群維護
  • 主要用於實驗和學習

PhoenixGo​

開發者：騰訊微信團隊 首次發表：2018 年 授權方式：BSD-3 GitHub：https://github.com/Tencent/PhoenixGo

PhoenixGo 是騰訊開源的圍棋 AI，曾獲得 2018 年世界人工智慧圍棋大賽冠軍。

技術特點​

  • 商業級品質：源自騰訊內部專案
  • TensorFlow 實作：使用主流框架
  • 多平台支援：Linux、Windows、macOS
  • 分散式支援：可在多機多卡環境運行

使用方式​

# 編譯
bazel build //src:mcts_main

# 運行
./mcts_main --gtp --config_path=config.conf

MiniGo​

開發者：Google Brain 首次發表：2018 年 授權方式：Apache-2.0 GitHub：https://github.com/tensorflow/minigo

MiniGo 是 Google 開源的教育性質圍棋 AI，旨在讓更多人理解 AlphaGo 的原理。

技術特點​

  • 教育導向：程式碼清晰易讀
  • TensorFlow 實作：Google 官方範例
  • 完整文件：有詳細的技術說明
  • Colab 支援：可在 Google Colab 直接運行

適用場景​

  • 學習 AlphaGo Zero 架構
  • 理解強化學習在遊戲中的應用
  • 作為自己專案的起點

各 AI 特點比較​

棋力比較（約略估計）​

AI棋力水準備註
KataGo頂級超人持續訓練中
絕藝頂級超人非公開
Leela Zero超人已停止訓練
ELF OpenGo超人已停止訓練
PhoenixGo準超人已停止訓練
天頂職業水準商業產品
星陣職業水準可調整難度

功能比較​

功能KataGoLeela ZeroPhoenixGo天頂
開源✓✓✓✗
目數預測✓✗✗△
多規則支援✓✗✗✗
Analysis API✓✗✗✗
CPU 模式✓✓✓✓
持續更新✓✗✗△

適用場景建議​

需求推薦選擇原因
一般對弈/分析KataGo最強且功能最全
學習 AlphaGoLeela Zero / MiniGo程式碼清晰
商業應用天頂 / 自訓練 KataGo授權明確
教學輔助KataGo / 星陣有豐富分析功能
研究實驗KataGo / SAI可修改訓練

未來發展趨勢​

技術趨勢​

  1. 更高效的訓練方法

    • 如 KataGo 展示的效率提升
    • 更少資源達到更高棋力

  2. 更好的可解釋性

    • 解釋 AI 為什麼下這手棋
    • 幫助人類理解 AI 的思考

  3. 與人類風格結合

    • 訓練出更像特定棋手風格的 AI
    • 用於教學和研究

  4. 跨遊戲通用性

    • 如 AlphaZero 所展示
    • 單一框架適用多種遊戲

應用趨勢​

  1. 普及化

    • 更多圍棋愛好者使用 AI 分析
    • 手機等設備也能運行

  2. 專業化

    • 職業棋手深度依賴 AI 訓練
    • AI 輔助形成標準化

  3. 商業化

    • 更多 AI 輔助圍棋產品
    • 教學、分析、陪練等服務

總結​

圍棋 AI 生態系統豐富多元：

  • 想要最強棋力和最全功能：選擇 KataGo
  • 想要學習 AI 原理：研究 Leela Zero 或 MiniGo 程式碼
  • 商業應用需求：評估天頂或自行訓練模型
  • 特殊需求：根據具體情況選擇或組合使用

接下來，讓我們進入實戰環節，學習如何安裝和使用 KataGo！