圈圈之地是否可以增加一個「六子棋」？

[ejsoon]

@BobMaster 是否可以像之前做中國跳棋一樣，做一個六子棋？

跟下面的網站一樣：

https://playabstractgames.com/tw/connect-six/

來自playabstractgames.com對六子棋的介紹：

六子棋簡介

六子棋是吳毅成教授於 2003 年發明的一款現代抽象策略遊戲。類似於五子棋但有一個關鍵轉折：在黑方的開局移動後，玩家每回合放置兩枚棋子。這個優雅的規則變化創建了一個顯著平衡的遊戲，其中雙方玩家有平等的獲勝機會，使其成為有史以來最公平的連接遊戲之一。

【遊戲規則】

目標

成為第一個形成水準、垂直或對角線的六枚或更多您的棋子不間斷線的玩家。與五子棋的恰好五要求不同，任何六枚或更多的線獲勝。

設定

遊戲在 19x19 網格（像圍棋棋盤）上游玩。棋盤開始為空。黑方用一枚棋子先走，然後玩家輪流每回合放置兩枚棋子。

遊戲玩法

黑方只在第一步放置一枚棋子。之後，每個玩家在任何空交叉點上每回合恰好放置兩枚棋子。棋子一旦放置就不能移動或移除。兩枚棋子規則是使六子棋獨特平衡的原因。

獲勝

第一個實現六枚或更多棋子連成一線（水準、垂直或對角線）的玩家立即獲勝。如果棋盤完全填滿而雙方玩家都沒有實現這一點，則遊戲為平局。

【遊戲策略】

建立多個威脅

由於您每回合放置兩枚棋子，嘗試創建兩枚棋子都貢獻於威脅的位置。一枚棋子延伸一條線而另一枚開始新威脅對對手施加最大壓力。

保持連接

保持您的棋子相對靠近。分散的棋子更難連接成獲勝線。專注於可以朝多個方向延伸的密集陣型。

同時阻擋和攻擊

每回合兩枚棋子，您通常可以用一枚棋子阻擋對手的威脅，同時用另一枚推進您自己的位置。純防守通常導致失敗。

控制中心

中心位置為建立線條提供更多方向。早期控制中心給您靈活性並迫使對手對您的威脅做出回應。

注意五子威脅

有空間延伸的五枚棋子線極其危險。對手只需要再一個回合就能獲勝。始終注意出現的五枚棋子陣型並早期阻擋它們。

[ejsoon]

來自https://zh.wikipedia.org/zh-hant/%E9%80 ... D%E6%A3%8B的介紹：

2003年暑假的某一天，吳毅成教授與女兒下五子棋中，發展出這個玩法。
2004年初，吳教授的碩士班學生黃德彥參與這項研究，並作為個人的碩士論文。
2005年初，他們完成了第一個六子棋程式，與電腦對弈，這個程式大都可以擊敗他們。而他們也製造出各種開局的樣式（有1283種），讓電腦對電腦下。直到目前為止，還沒有發現，對某一方，特別有利。
2005年9月，他們整理這些研究結果成為論文並發表在第十一屆的國際電腦賽局發展研討會中。其中提出一些理論，證明白方不能脫離戰場，否則黑方勝。這個理論迫使雙方必須從中心點開始纏鬥。
2005年9月，群想網路科技完成第一個六子棋線上遊戲提供免費試玩。
2005年9月20-21日，六子棋發表到臺灣各大媒體。
2005年，有興趣的相關人士，開始討論籌組六子棋協會，並開闢六子棋論壇。
2006年5月，在義大利杜林舉辦的第11屆奧林匹亞電腦遊戲程式競賽，第一次加入六子棋項目。吳教授之六子棋程式NCTU6獲得金牌，可參考詳細結果 （頁面存檔備份，存於網際網路檔案館）。
2006年7月16日，在台灣新竹舉辦第一屆交通大學盃公開賽，可參考詳細結果。
2007年8月24日，曾獲得世界圍棋棋王的周俊勳，公開嘗試與NCTU6對弈，三戰皆敗北。
2007年8月26日，在台灣新竹舉辦第二屆交通大學盃公開賽。
2007年10月，第二屆中國機器博弈錦標賽中首次加入六子棋項目，東北大學棋天大聖程序奪冠。

[ejsoon]

下是我的介紹。

我在大學時，有次在網上搜尋五子棋，然後搜出了六子棋，我當時覺得就是個五子棋的山寨版。

後來大學畢業後，過了多年，我在國際奧林匹克競賽的比賽項目見到「六子棋」赫然名列其中，才重新認識到，這是個偉大的發明！

中國傳統的五子棋是沒有禁手的，是宮廷裡的女人不會玩圍棋，就用圍棋棋子來玩五子棋。後來傳到日本，專家們對五子棋進行了嚴謹而深入的研究，有兩種開局是先手必勝。然後他們就制定了黑方有「長連、三三禁手」，開局有「三手兩打、五手交換」。即便如此，五子棋仍無法改良為一個先後手公平的弈棋，反倒是先後手差異更大了，白方常常可以用禁手取勝。

而六子棋通過每方下兩手棋的簡單規則，就把五子棋改編成了對先後手而言絕對公平的弈棋，這是非常了不起的。現在我只要路過見到有人在玩五子棋，我都恨不得跟他們介紹六子棋。

下面是幾樁佚事：

佚事一：我作為一個長期研究中國象棋的棋手，在我的大學鮮有對手。但是大學時象棋沒有拿過獎杯，倒是拿了個五子棋第二名。有一次有個象棋團體比賽，因為我怕人不夠，多邀請了兩個人，結果這兩人都願意去，然後我只能作為「領隊」而不能參加，給其它學校的參賽者以一種「這個最厲害的都不上場」的傲慢感。我們隊其中有一個還挺弱的，想不到最終我們還是拿了團體冠軍。

佚事二：當年alphago跟李世石大戰的世界名場面中，替alphago落子的是台灣業餘六段黄士傑博士。業餘六段是圍棋業餘的最高段位了，在中國也沒有多少人能達到業餘六段。黄士傑早年就開始研究弈棋AI，然後他就寫過幾個六子棋程式參加國際奧林匹克電腦競賽，不記得他是否拿過第一名。

[ejsoon]

@BobMaster

之所以在網上已經有六子棋可玩的情況下，仍想請你做一個，是因為在六子棋的官方規則中，棋盤應是無限大，而不局限於十九路棋盤。

這裡是wiki的規則介紹：

規則與五子棋非常相似，除了第一次黑方下一顆子外，之後黑白雙方輪流每次各下兩子，先連成六子者獲勝。

因為公平性不是問題，棋盤是可以任意地大，甚至是無限大亦可。對一般玩家而言，採用圍棋的十九路棋盤即可。

對專業棋士而言，採用五十九路棋盤。專業棋士可用電腦玩五十九路棋盤；若不用電腦玩的話，也可以拿3×3個圍棋棋盤合併起來玩。由於棋盤接合的線也算一路，這9個棋盤共形成五十九路的大棋盤。當然，在實際對局時，應先用一個圍棋的十九路棋盤開始；當下超過棋盤時，才拿新的棋盤合併上去。

所以想請你做一個棋盤可以是無限大，可以平移和縮放棋盤的六子棋。

也可增加選項「十九路、五十九路、無限大」棋盤，默認是無限大。

點擊按住拖動可平移svg棋盤，用電腦鼠標滾輪或手機觸控兩指可縮放svg棋盤。

棋盤的平移和縮放可參見我做的「三菱棋」：https://ejsoon.vip/trirhombus-game/

不過應給平移一個限制，沒有必要移到那麼遠。比如棋盤中心及棋子應始終在視圖上。縮放也沒有必要太大或太小。

其它的如棋譜保存、網路對戰、AI強度等設置，就跟中國跳棋一樣就可以了，不過人類對戰AI時可以自由選擇先後手，棋盤和棋子用svg來做（就不用threejs了）。

[ejsoon]

另可導出「數字」和「動畫」兩種svg棋譜格式，數字就是把數字直接寫到棋子上，動畫是每個棋子隔一秒出現兩個（先手第一手棋除外），到局終全部隱藏後又重新開始。

由於是無限棋盤，動畫可能需要隨鏡頭移動，參見我做的頂鑫棋svg動畫：

[ejsoon]

然後我發現六子棋的官方網站http://www.connect6.org/已經沒了，好像一年前我還上過一次。

[BobMaster]

最近暂时没空~

[ejsoon]

兩種訓練方式的比較

gemini

類似 TensorFlow 且常用於 AI 弈棋（如圍棋、西洋棋、將棋等）模型訓練與深度學習開發的另一個主流框架是 **PyTorch**（由 Meta / Facebook 開發）。

在棋類 AI（如仿照 AlphaZero 機制開發的 KataGo、Leela Chess Zero 等專案）以及強化學習（Reinforcement Learning）領域中，**TensorFlow** 與 **PyTorch** 是兩大最核心的工具。

---

### TensorFlow vs. PyTorch 比較

比較維度	TensorFlow (Google)	PyTorch (Meta)
**設計哲學**	導向**工業級部署與生產環境**，架構規範嚴謹。	標向**研究創新與快速開發**（Python-First），寫法貼近原生 Python。
**計算圖機制**	早期採用靜態圖（Static Graph），現支援動態圖，但底層優化仍依賴圖編譯（如 XLA）。	**動態計算圖**（Dynamic Computation Graph），隨程式執行動態生成，除錯與修改極為方便。
**開發體驗與除錯**	語法結構較為繁複，除錯相對迂迴（需透過 TensorBoard 等工具追蹤內部機制）。	語法簡潔直觀，可以直接使用 Python 標準除錯工具（如 `pdb` 或 `print`）單步執行。
**弈棋/強化學習生態**	Google DeepMind 早期的 AlphaGo / AlphaZero 深度依賴 TensorFlow ecosystem；成熟的 TFLite/TensorFlow Serving 適合將棋類 AI 部署至手機或嵌入式終端。	目前絕大多數最新的 AI 棋類論文、演算法與開源專案（如結合 PyTorch + 蒙地卡羅樹搜尋 MCTS 的實作）普遍以 PyTorch 為首選。
**主流應用場景**	企業級系統、大型雲端服務、行動端/IoT 裝置部署（如 TensorFlow Lite）。	學術界研究、最新生成式 AI / 大語言模型（LLM）、快速原型驗證。

---

### 總結建議

* **選擇 PyTorch 的時機：** 如果你是初學者、研究人員，或是想快速實驗新的棋類評估網路與強化學習策略，PyTorch 靈活且易除錯的特性會讓你事半功倍。
* **選擇 TensorFlow 的時機：** 如果你的目標是將訓練好的弈棋 AI 整理成商業化產品、嵌入手機 App 或需要跨平台高效能推論部署，TensorFlow 的完整工具鏈（TFLite, TF Serving）能提供更穩定的支援。