文字識別由chatgpt提供
---
今天想來聊一種對我來說又愛又恨的一種桌遊形式 - 兩人無秘密、無隨機性的抽象棋。
其實很小的時候，爺爺、爸爸就帶我下象棋，一直到國中開始接觸圍棋，這一種局後隨機性，無秘密資訊，全場訊息公開的兩人抽象棋著實改變了我的桌遊生活。後來研究所接觸了類神經網路，專業工作上走到AI發展的道路後，我雖然還是喜歡這類遊戲，但你可能也會常常聽到我勸說新設計師，站在商業立場的話，不要去設計這種遊戲。(當然，你如果是為了自己爽的話，你想做什麼都可以)
為什麼我會這麼說呢？ - 一直想找個機會好好論述，擇日不如撞日，就現在吧！
在現今科技下，在象棋、圍棋、西洋棋等規則完全公開、無運氣成分的兩人抽象策略遊戲中，是不是存在在一套完美的「勝利套路」？面對頂尖的人工智慧(AI)，人類是否已「絕對無法」取勝？答案是：有的，完美的勝利套路在數學上必然存在；然而，僅管人類的勝利並非遙遙無期的絕對不可能，但在現實層面，其中可能性已趨近於零。
---
根據 1913 年的策梅洛定理（Zermelo's theorem），任何滿足「兩人對弈、有限步數、完全資訊、無隨機性」條件的遊戲，其結局都是預先決定的。這條定理從數學上證明了，以下三種情況必有一種成立：要麼先手方有必勝策略，要麼後手方有必勝策略，要麼雙方都有辦法強制達成和局。這意味著，「勝利套路」是客觀存在的數學事實，它內涵於遊戲的規則之中，而非在對弈中動態產生。
然而，策梅洛定理只證明了完美策略的存在，並未提供找到它的方法。對於複雜度較低的遊戲，現今科技已藉助電腦的計算能力找到了這個答案。例如四子棋（Connect Four）已被證明是先手必勝的遊戲，只要第一步下在中央，並遵循特定策略即可。而更複雜的西洋跳棋（Checkers），經過長達 18 年的計算，也被證明在雙方完美發揮下必然是和局。這些「已解賽局」將理論變為現實，但也宣告了其他傳統競技意義的終結。對於西洋棋和圍棋這樣複雜度極指數級暴增的遊戲，其中可能面數量甚至超過宇宙中地球的原子數，彷彿計算出完美策略在現實中是不可能的。但 AI 的崛起，正是彷彿「理論存在」與「現實計算」鴻溝的關鍵。
---
1997年，IBM 的超級電腦「深藍」擊敗西洋棋世界冠軍卡斯帕羅夫，標誌著第一個時代的頂峰。深藍的策略是「編碼知識 + 暴力計算」。它並不懂棋，而是將數百年來人類特級大師的智慧編碼成一個複雜的「評估函數」，再利用其每秒評估 2 億個局面的強大計算力，通過「Alpha-Beta 剪枝」等演算法，在廢大的賽局樹中搜尋出最佳走法。深藍的勝利，是人類智慧的加速與放大，但這種模式面對圍棋天文數字般的搜尋空間時，便無能為力。
2016年，Google DeepMind 的 AlphaGo 以 4:1 擊敗圍棋傳奇李世石，開創了全新模式：「湧現知識 + 引導式搜尋」。AlphaGo 的核心是學習，而非被動接受指令。其革架構結合了深度神經網路與蒙特卡羅樹搜尋 (MCTS) 能模仿人類棋手的「棋感」，快速從數百個落子點中篩選出幾個有可能的選項，解決了搜尋的「寬度」問題。價值網路：評估整個局面的勝率，如同人類的「大局觀」，解決了搜尋的「深度」問題。這兩個網路為 MCTS 提供了前所未有的「直覺」，使其能有效地在圍棋巨大的可能性中進行智慧搜尋。更重要的是，AlphaGo 能通過數千萬盤自己棄進行強化學習，從而發現超越人類幾千年知識積累的新策略。
---
那麼，人類是否「絕對」無法戰勝 AI？
當前人類與頂尖 AI 的實力鴻溝是壓倒性的。在西洋棋領域，頂級引擎的 ELO 等級已領先人類頂尖棋手超過 800 分，有意義的競賽早在 2006 年就已結束。在圍棋領域，差距更為懸殊，頂尖職業棋手需要被讓 2 至 3 子才能與 AI 形成均勢對抗，這代表著絕對的實力硬壓。綜上所述，完美的「勝利套路」在數學上確實存在，但對於複雜的遊戲，它仍是一個理論概念。而人類對決 AI 的前景，雖然並非遙遙無期的「絕對不可能」，但勝利的質量自然改變。它不再是競技實力的較量，而更像是一場科學探索－試圖在 AI 基於海量數據構建的龐大模型中，找到那個轉瞬即逝的、概念性的「bug」。對於所有實際目的而言，在公共的競技場上，人類與頂尖 AI 在抽象策略遊戲中的競爭時代已經結束。我們已從機器的對手，轉變為向機器學習的學生。更不要提到今年下半年，已經有各式各樣嶄新的 AI 技術開始擁有設計能力，甚至是你要它用 Vibe Coding 加上多樣態能力來設計各式各樣這種棋類， 都不是問題了。
---
一份基於權威資料庫 BoardGameGeek (BGG) 的分析也證實，在 2011 至 2021 年間，雖然策略遊戲和家庭遊戲的出版量急劇上升，成為市場主流，但這類型的「抽象棋」在總出版量中所佔的比例，與整個歷史相比已要小得多。這意味著，儘管抽象遊戲的絕對出版數量可能保持穩定，但其增長速度逐漸放緩後市場整體，導致其相對份額和市場能見度被迅速稀釋。因此，使用者觀察到的現象並非幻覺，其根源在於抽象遊戲從一個主流類型，轉變為了一個相對小眾但穩固的專業領域。而各位桌遊設計大師擺脫此番泥沼的手法是什麼呢？正是引入可控變量以創造「系統性重玩性」，優先考慮玩家性，提升美學價值，並集中精力改革人類的戰術鋼鐵而非機器的窮舉計算等手法上的根本改變，避免自己的遊戲不滑落為計算機算力比輕工具。
所以，我並非不喜歡兩人無秘密、無隨機性的抽象棋，我也欣賞有人設計出新形式這類遊戲時，在新機制上的巧妙用心，我也喜歡看兩個正常人類對弈時，他們因為秉性或棋力差距，比誰先犯錯的那種驚心動魄。但對我來說，這種遊戲形式很難引起我和朋友大一認識就願意反覆遊玩它的興趣。同時，在商業出版上，我認為它也是一種風險很大的投資，因為你最終都會面臨競技玩家一個核心問題投資，因為你終究會面臨競技玩家一個核心問題投資，你再怎麼計算，拿來競技的話，我為什麼不可以去玩最簡潔的圍棋就好？
---
我還是會跟朋友、孩子下棋，也會看看其他設計師設計的這一類抽象棋，但在時代的洪流中，人類的生活方式在改變，思考形式和創作手段也都在改變，對於娛樂或腦力競技的偏好，我也是深信不疑認為一定會改變的。這世界沒有什麼是不變的，先認清這一點，人才有機會看到新的世界。
所以我說那個誰誰誰，不要再做這種遊戲了，下次來找我的時候，我希望看到點更有趣的東西，比如你用小刀把木頭刻成我眼前的這副象棋（咳~~~）。
---
- Facebook.png (403.92 KiB) 查看 65 次
- Facebook(1).png (453.23 KiB) 查看 65 次
- Facebook(2).png (485.28 KiB) 查看 65 次
- Facebook(3).png (438.92 KiB) 查看 65 次
- Facebook(4).png (561.53 KiB) 查看 65 次
- Facebook(5).png (211.44 KiB) 查看 65 次