单元六 · AI项目工坊
第25课 与机器下井字棋
一、学习目标
- 了解井字棋棋盘及下棋过程的数字化方法。
- 了解智能解决博弈问题的思想。
- 了解机器基于数据自主学习下棋策略的方法。
二、情境导入
井字棋规则简单：轮流落子，三子成线获胜，否则可能和棋。
如何把棋盘与对弈过程交给计算机处理，并让机器学会策略？
三、核心讲解
本课学习路径：
1井字棋对弈数字化
2根据经验 / 棋谱学习
3让机器自主学习下棋
1．井字棋对弈数字化
井字棋规则简单：双方轮流落子，三子连线获胜，无法获胜则和棋。要让机器参与，先要把棋盘与过程数字化。
数字化表示：可用二维坐标标记格子；也可用 1–9 编号，按落子顺序记录数字序列——奇数步与偶数步分别对应双方。
- 坐标思路类似电子表格：记录棋手与位置
- 一维编号思路：序列本身就表示对弈过程，无需反复标注棋手
- 在本课 MixAI 井字棋组件中先熟悉规则与界面
想一想：「15243」这样的棋谱，你能还原出每一步落在哪一格吗？
2．根据经验 / 棋谱学习下棋
人可以靠经验选点；机器则可把经验写成规则，或根据棋谱评估每一步价值。
规则与评估：早期人工智能常把人类经验转化为规则库；也可对棋谱反向赋分（胜负相关位置加减分），汇总成策略表。
- 经验例：先手下中心；再根据对手边角/边线选择封堵与反击
- 棋谱评估：可下位置初值 0；胜位大加分、败位大减分，并向前若干步衰减赋分
- 多份棋谱叠加同一状态的得分，逐步得到「状态下各格得分表」
想一想：面对简单博弈，你更信任「人手写规则」还是「从大量棋谱统计」？为什么？
3．让机器自主学习下棋
井字棋状态空间有限，数字组合可覆盖完备棋谱，从而使机器在完备数据上学习策略成为可能。
查表决策：对弈时根据当前状态找到得分表，在高分格子中选择（可随机打破并列），作为下一步落子。
- 准备/生成足够棋谱 → 扩充状态 → 修正各位置得分 → 形成策略表
- 与「只靠固定规则」相比，基于数据的评估更能覆盖更多局面
想一想：如果棋类状态空间极大（如下围棋），只靠一张完整得分表还会可行吗？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_tic_tac_toe_game — 在框内完成操作
五、课堂总结
- 可用坐标或 1–9 编号序列表示棋盘与对弈过程。
- 可将人类经验转化为规则，这是早期人工智能的重要思想。
- 也可通过对棋谱步骤赋分与汇总，让计算机自行形成策略。
六、拓展提升
- 讨论：智能下棋模型对棋类普及是助力还是让人只剩「模仿 AI」？人类比赛应否允许使用人工智能？
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
用 1–9 表示井字棋格子并按顺序记录落子，其优点是：
根据棋谱学习策略时，常见做法是：
判断：把人类下棋经验写成规则让机器执行，体现了基于规则的智能思想。
本节小结
回顾本课要点，完成动手体验与测评。记住：与机器下井字棋。