人类破解了原子结构，把探测器送到了冥王星，却搞不清64格棋盘上的最优走法。
国际象棋的规则简单到一句话能说清：16个棋子，8×8的格子，将死对方国王算赢。但就是这个诞生于6世纪印度的游戏，让一代代数学家、程序员和世界冠军集体栽了跟头。2024年的今天，最强的人工智能已经能把人类顶尖棋手按在地上摩擦，可如果问它"双方完美发挥，这盘棋到底谁赢"，得到的回答依然是：不知道。
1. 完美解是什么？一个让数学家失眠的定义
所谓"完全破解"国际象棋，在学术上叫"强解"（strong solution）。意思是：从初始局面出发，对每一个可能的局面，都能确定最优结果——白胜、黑胜，或者和棋——并且知道怎么走才能达到这个结果。
这有点像导航软件。你输入起点终点，它不光告诉你能不能到，还给你规划出最快路线。国际象棋的强解，就是给所有10^44种可能局面都配上这样的"导航"。
10^44是什么概念？宇宙中的原子数量大约是10^80，听起来 chess 的局面数少几个数量级？但别忘了，这只是"可能局面"，实际的游戏树分支数（game-tree complexity）高达10^123。这个数字已经超过了可观测宇宙中的原子数。
法国数学家克劳德·香农在1950年算过一笔账。假设一台计算机每微秒能评估一个局面，要穷举所有可能性需要10^90年。宇宙的年龄是138亿年，也就是1.38×10^10年。换句话说，这台机器需要从宇宙诞生前就开始工作，到现在连零头都没算完。
香农的估算有个前提： brute-force（暴力穷举）。而人类真正走的路，是教机器"像人一样思考"。
2. 从深蓝到Stockfish：AI的胜利与局限
1997年，IBM的深蓝（Deep Blue）击败卡斯帕罗夫，被视为AI里程碑。但深蓝的算法相当" brute-force"——专用硬件并行评估2亿个局面每秒，本质上还是靠算力堆。
2017年，AlphaZero改变了游戏规则。它只学了4小时国际象棋，就碾压了当时最强的Stockfish引擎。秘诀是深度神经网络（deep neural network）加蒙特卡洛树搜索（Monte Carlo tree search）：不再穷举所有分支，而是像人类棋手一样"直觉"判断哪些局面值得深入。
但这里有个微妙的区别。AlphaZero能赢Stockfish，不代表它知道"完美解"。它只是找到了人类和现有引擎都防不住的走法，就像一位天才棋手发现了新套路。如果存在某种隐蔽的防御手段，AlphaZero也可能漏掉。
2024年的Stockfish 16，评估函数已经精细到能分辨0.01个兵的优势。但在开局阶段，它给出的评估通常是"0.00"——认为双方均势。这是真均势，还是算力不够看不透？没人敢打包票。
「我们现在的引擎，本质上是'很强'而不是'完美'。」计算机科学家肯·里根（Kenneth Regan）曾这样形容。他专门研究用算法验证棋局质量，连他也承认，现有技术无法证明某个开局是"理论上必胜"还是"理论上必和"。
3. 为什么证明比下棋难100万倍？
这里要区分两个概念："解出"（solving）和"证明"（proving）。让AI赢棋是工程问题，证明某个结果是最优解是数学问题。
国际象棋的复杂度属于EXPTIME-complete类——计算复杂度理论中的"地狱难度"。简单理解：验证一个解法是否正确，可能比找到这个解法还难。你让AI下一盘精彩的对局，人类可以鼓掌；但你让AI证明"这步棋是唯一能保和的选择"，需要的数学工具根本不存在。
目前已被"强解"的棋类游戏，要么棋盘极小（比如3×3的井字棋），要么规则限制了分支数（比如四子连珠Connect Four，1988年被破解）。国际象棋的复杂度比四子连珠高出约10^40倍，现有数学框架完全够不着。
量子计算能帮忙吗？理论上，量子计算机擅长处理特定类型的并行搜索。但量子比特的退相干问题（decoherence）让大规模稳定运算仍是远景。2024年，IBM的Condor处理器有1121个量子比特，而要模拟国际象棋的完整游戏树，需要的量子比特数可能在百万量级。
更现实的突破口可能是"证明助手"（proof assistant）——用形式化数学验证特定局面的最优性。2023年，数学家们用Lean语言验证了国际象棋中某些残局的完美解。但完整对局有10^44个局面，这种手工验证的速度，大概比香农1950年估算的暴力穷举还慢几个数量级。
4. 一个反直觉的事实：我们可能已经下过完美对局
这里有个细思极恐的可能性。
人类历史上下的几十亿盘正式对局中，某一盘可能恰好就是"完美对局"——双方每一步都是最优解，最终和棋。但我们永远无法确认这一点。
2012年，卡斯帕罗夫和卡尔波夫的纪念对局，第24步被引擎评估为"唯一保和"。这是完美解吗？可能只是引擎在当前算力下的最优选择。十年后更强的引擎来看，或许会发现那步棋其实漏算了某个隐蔽的输棋变化。
这种"不可证伪性"让国际象棋成了独特的存在。围棋在2016年被AlphaGo冲击后，人类很快接受了"AI看得更远"的事实。但国际象棋的特殊之处在于，人类和AI的差距虽然巨大，却没人知道终点在哪里。
「如果明天有人宣布证明了e4 e5开局是和棋，我不会惊讶；如果证明是白胜，我也不会惊讶。」里根说，「这就是现状。」
5. 为什么人类还在乎答案？
从实用角度，完美解对职业棋手毫无意义。他们需要的是"能赢对手"的走法，不是"理论上最优"的走法。但这个问题困扰了数学界1500年，显然不只是实用主义能解释的。
香农1950年的论文，本质上在问：智能的本质是什么？是穷举所有可能性，还是找到高效的近似解？这个问题从国际象棋延伸到蛋白质折叠、药物设计、金融建模——所有"搜索空间巨大但结构有规律"的领域。
AlphaZero的发现过程本身就有启发性。它重新"发明"了人类几个世纪积累的开局理论，有些走法和人类共识一致，有些则完全违背传统。比如它偏爱王翼兵挺进h3/h6，人类长期认为这削弱王翼安全，但AlphaZero发现它能释放象的活力。
这些发现说明，"最优解"可能和人类直觉大相径庭。如果某天我们真的证明了国际象棋是白胜、黑胜或和棋，伴随的可能是全新的数学工具——那种能处理10^123复杂度问题的工具。
届时，受益的远不止是棋迷。
Stockfish 16的开发者最近收到一个用户反馈：有人用家用电脑跑了整整一周，试图从初始局面穷举到第15步完整 depth。机器过热死机三次，最终存下了约5万亿个节点。这大概是人类向"完美解"进军的最远足迹，而距离终点，还有约10^110个节点要算。
如果算力每年翻倍，需要多少年？不是几百年，是指数级增长无法触及的数量级。所以问题变成：在数学上找到捷径之前，人类愿意为一道没有答案的谜题，燃烧多少台服务器？
热门跟贴