【面试现场】如何设计可自学习的五子棋AI？

小史是一个应届生，虽然学的是电子专业，但是自己业余时间看了很多互联网与编程方面的书，一心想进BAT互联网公司。

今天他去了一家国内人工智能巨头公司面试了。

简单的自我介绍后，面试官开始发问了。

【面试现场】

题目：如何设计可自学习的五子棋AI？

【请教大神】

小史回到学校，把面试的情况和计算机学院的吕老师说了一下。

【AlphaGO】

吕老师：一开始的AlphaGO是什么都不知道的，它是随机落子。但是它并不是random一个点，而是根据现场的情况和自身的算法，来落子，只是算法中的参数是随机的，所以落下的子也是随机的。

吕老师：这就要靠人去设计了，当然我们现在有一些比较成熟的神经网络模型，选好之后，所谓的训练啊，学习啊，其实都是在调节里面的参数。

【五子棋AI设计】

吕老师：首先我们来看你的算法，你会发现它的规则都是定死的，如果出现一种没有考虑到的情况，那么算法就不能进行堵截。

吕老师：哈哈，如果这样做的话，这种情况是无穷无尽的。而且五子棋的玩法比较简单，你还能设计出这样的规则，像围棋这种复杂的棋类，你可能没办法去设计这些规则了。

小编注：关于这种算法的具体实现，由于篇幅较大就不在文章中具体展开了。想了解具体实现的朋友可以观看我在慕课网录制的免费视频教程：JS实现人机大战之五子棋（AI篇），文末点击阅读原文可进入。

【AI】

吕老师：小史，你看4个子的权重，你给10000，或者给50000，甚至给1个亿，对于其他值来说都是绝对高的值，所以最后效果应该是一样的。

吕老师：我们刚刚设计的这个五子棋算法，其实还是很简单，所以搜索空间并不大，如果是围棋这种复杂棋类，搜索空间将巨大无比，那就要采用非常先进的AI算法了，里面可能有成千上万个参数，训练起来计算量也是非常大，会有很多降维算法在里面，这些等你真正遇到，我再给你讲吧。

---

面试现场是互联网侦察推出的一个新的板块，旨在回放真实的面试过程，并对面试题进行全面解析，提供多种思路，比较优劣，希望对大家的面试有所帮助。

往期回顾