《AI 进化》开发者日志 01：把三代棋类 AI 装进一款游戏

4 小时前6 浏览综合

2026.10.16 | 规则是简单的，智能是长出来的

大家好，我是《AI 进化》的开发者。这是这个项目的第一篇开发者日志，也是最后一篇。

看到本届聚光灯 GameJam 的主题「涌现」时，我脑子里冒出来的第一个画面不是康威生命游戏，而是棋类 AI 这几十年走过的路。先说五子棋本身：一张 15×15 的棋盘、一条"五连即胜"的简单规则，却能从中长出做棋、诱堵、连环冲四的 VCF/VCT 杀法，还有一代代玩家攒下来的开局定式——规则只有一句话，战术却是自己长出来的。再把 AI 也放进这套简单规则里，让它自己和自己下棋，长出来的东西就更有意思了（这个我们留到第三代讲）。

于是选题就这么定了：做一款让玩家亲手"调教 AI"的游戏，把棋类人工智能发展的三个时代，做成玩家可以亲自走一遍的三个阶段。

这篇日志想讲清楚三件事：游戏是什么、三个阶段在技术上分别是真是假、以及我是怎么把一个刚刚训练好的神经网络塞进手机里的。

一、三代棋类 AI：从人写规则，到网络自己长出来

棋类程序的历史，恰好就是一条"人类知识逐步退场、智能逐步涌现"的线：

第一代：Alpha-Beta 引擎 + 规则评估。程序负责暴力搜索（极大极小 + Alpha-Beta 剪枝），而"什么样的局面好"由人类专家手写：活二多少分、活三多少分、冲四要不要堵。这是从深蓝到无数民间五子棋/象棋引擎的经典路线，强，但它的上限就是写评估函数那个人的棋力上限。

第二代：Alpha-Beta 引擎 + NNUE。搜索框架不动，把人类手写的评估函数换成一个小神经网络，让网络从百万局棋谱里学会打分。NNUE 最早在将棋领域一战成名，随后进入国际象棋，引发过一轮引擎大换血，老牌名引擎纷纷靠它把棋力又抬上一个台阶。这股风后来也吹进了五子棋——如今顶尖的开源五子棋引擎同样以 NNUE 评估为核心，拉开了与纯手工评估引擎的差距。游戏里的阶段 2，致敬的正是这条路线。

第三代：MCTS + CNN。这一次连搜索框架也换了：蒙特卡洛树搜索负责推演，卷积神经网络同时给出"该往哪下"（策略）和"这盘能不能赢"（价值），而网络的老师不再是人类棋谱，而是它自己——不断自我对弈、自我迭代。

这条路最早是在围棋上被全世界看见的：2016 年 AlphaGo 击败李世石，对局中甚至下出了人类围棋千年经验里从未有过的招法；此后的 AlphaZero 不看一局人类棋谱，仅凭自我对弈就横扫了围棋、国际象棋和将棋。

这里必须替围棋和五子棋划清界限：它们是两种完全不同的棋——围棋在 19×19 棋盘上以围地多少论胜负，五子棋在 15×15 棋盘上五连即胜，棋理并不相通，AlphaGo 的网络也不能拿来下五子棋。但在工程层面，MCTS+CNN 是一套"与棋种无关"的架构：网络看到的只是棋盘状态张量，输出的只是每个落点的概率和局面前景，换一套规则、换一批自我对弈数据，同一套算法就能搬到另一张棋盘上；五子棋棋盘更小、一局更短，跑起来反而更轻快。AlphaGo 向世界证明了这条路能走通，而我手上刚训练完的这个模型，就是同一条路在五子棋上的复刻。

需要说明的是，第二代和第三代在真实历史里基本是并行发展的，并没有严格的先后。之所以在游戏里排成 1→2→3，是因为沿着"人类写规则 → 网络学评估 → 网络学一切"这条主线看，MCTS+CNN 走得最远、最彻底：它连"该看哪些特征"都不需要人告诉它，一切从棋盘和胜负里自己涌现。

更妙的是，手边正好有这么一个刚训练完的五子棋模型——意味着游戏的第三代不只能停留在叙事上，还有机会让玩家摸到真东西（详见第四节）。于是，《AI 进化》就这么开工了。

二、游戏是什么：你不是棋手，你是 AI 工程师

《AI 进化》是一款的"AI 训练模拟"游戏。玩家扮演一名五子棋 AI 工程师，核心循环是：

调参 →（模拟）训练 → 评测 → 亲自下场自测 → 再调参

游戏对应上面的三代技术分成三个阶段，每个阶段的"外观"都不同：

阶段 1 · Alpha-Beta + 规则评估：直接调引擎参数——搜索深度、思考时间、候选着法宽度，以及活二、活三、冲四、活四等各棋型的评估权重，共三十项，全部真实生效。
阶段 2 · Alpha-Beta + NNUE：外观变成调"隐藏层大小、学习率、数据量、训练轮数"，观看训练曲线的起起落落。
阶段 3 · MCTS + CNN：外观变成调"模拟次数、探索常数、网络规模、自对弈局数、温度"。

阶段 2、3 的"训练"在手机上是模拟的——在手机里训练神经网络基本做不到。所以调参和训练阶段是拟合模拟玩法，由于手上只有MCTS+CNN的模型，所以这个阶段玩家得到的是由调参和训练阶段所拟合的MCTS+CNN模型的不同配置。

三、阶段 1：一套真材实料的高性能 Alpha-Beta 引擎

阶段 1 是整个游戏的根基，也是内容最"硬核"的部分。游戏内置了一套从零手写的高性能五子棋 Alpha-Beta 引擎，不是玩具：

迭代加深 + 时间限制双预算，想深就深、到时就停；
渴望窗口（Aspiration Window）、静态延伸、后期自动降深；
Zobrist 置换表跨步复用、历史启发等多级着法排序；
增量式棋型评估，以及独立的 VCF/VCT 连续冲四杀棋搜索。

玩家在工作台上调的每一个参数，都会真实改变这个引擎的思考方式和棋力。你可以把活三权重拉满，养出一个嗜攻的疯子；也可以加厚搜索深度，养出一个迟钝但难缠的防守派。调完之后有两条反馈回路：

自测：亲自下场和自己的配置下一盘。盲调是没有意义的，你得先被自己的 AI 虐过，才知道参数错在哪。
评测：你的配置对战"官方参数"，或对战自己的上一个版本的参数，能让你对参数的理解更加深刻，使得最新版本的参数不断进步。

围绕这套真引擎，首发版本的核心玩法会放在四件事上：调参、自测、排行榜，以及玩家之间的"电子斗蛐蛐"——双方各自掏出自己精心调整的参数配置，让两台 AI 在棋盘上真刀真枪干一场，你只需要端着瓜子看你的"蛐蛐"给不给力。同一份规则、同一套引擎，配置的细微差别会自己涌现成完全不同的棋风和胜负。

四、阶段 3 的"彩蛋"：我把刚训练完的模型蒸馏后塞进了游戏

按最初的设计，阶段 3 的 MCTS+CNN 和阶段 2 一样只是叙事外观。但我毕竟手头真有一个刚训练完的五子棋 MCTS+CNN，不把它请进来总觉得可惜。于是有了游戏里这个"半公开的秘密"：除了模拟训练，你还能在自测里选择真实的 CNN·MCTS 档位作为对手。

这件事的难点完全在手机端。引擎运行环境是纯 Lua（WASM 网页），没有任何神经网络推理框架，所有卷积都要逐标量手算。我的"老师模型"是 32 通道 × 5 残差块的策略价值网络，自测单次前向在真机上要 336ms——而 MCTS 每走一步需要数百次网络评估，一步棋算三分钟，完全不可行。

解决办法是知识蒸馏：让老师模型自对弈采样，把它的策略和价值判断教给一个小得多的"学生模型"。经过几轮实验（8ch×2res 的初代学生太小、棋力崩得厉害），最终选定的结构是：

12 通道 × 3 残差块 + 64 维价值头

参数量约 6.7 万，权重文件仅 263KB（老师模型的零头都不到）；
单次前向约 2.2M MAC，真机纯 Lua 推理压到了几十毫秒级；
Python（PyTorch）与游戏内 Lua 前向做过逐数值比对，误差在 1e-6 量级——同一份权重，两边算出来的答案一致；
配合纯 Lua 移植的 MCTS（根节点狄利克雷噪声、访问次数选点、搜索树跨手复用），终于能在手机里完整跑起"卷积网络评估叶子 + 树搜索"的真循环。

代价也如实相告：小模型的棋力相比它的老师有可见的下降，容量差距摆在那里，这是为"能在手机上真实运行"付出的门票。但它的每一步棋仍然是网络和搜索现场算出来的，不是脚本、不是棋谱——你面对的确实是一个会下棋的神经网络，只是它还没长大。

五、进度与上线计划

目前游戏的三阶段调参循环、真实 Alpha-Beta 引擎、评测对手池与自测对局均已跑通，蒸馏小模型与纯 Lua MCTS 也已在真机完成数值验证和性能冒烟。接下来的工作重心是打磨首发版本的四块核心体验：游戏内皮肤外观、调参、自测、排行榜、玩家配置对战（电子斗蛐蛐）。

预计发布时间：10 月 18 日～19 日之间。

我自己最期待的画面，是排行榜上两个我从未预想过的参数配置杀进顶点，然后下出一手我看不懂的棋——那大概就是"涌现"这个主题，能给一个调参游戏最好的注脚。

我们上线见！

#聚光灯gamejam开发者日志 #聚光灯gamejam #TapTap聚光灯gamejam #独立游戏

聚光灯游戏创作挑战

9.0

前往论坛