AI 与机器学习2015vision.unipv.it编辑精选
编写下棋计算机程序（1950，Shannon）
Programming a computer for playing chess (1950)
入门 · 约 60 分钟读完前置知识：国际象棋规则、基本算法概念
导读
这是香农 1950 年的经典论文，探讨如何给计算机编程下国际象棋。文中提出了棋局评估与搜索的基本思路（包括极小极大搜索的雏形），被视为计算机博弈乃至人工智能领域的奠基性文献之一。
HN 关注点：HN 读者惊叹于 1950 年的先驱对计算机下棋的远见——如今远超人类的棋类程序可免费下载，而这一切的思想源头就在这篇论文。
后来怎么样
香农在这篇论文中提出的棋局评估与搜索框架奠定了计算机博弈领域的基础，极小极大搜索成为博弈树搜索的标准方法，直接启发了此后数十年的国际象棋程序研究，直至深蓝击败卡斯帕罗夫。
HN 评论精选
这几条评论里：支持 1 补充 2
支持赞叹 1950 年先驱的远见，并推荐相关电影
感谢分享。作为一名棋迷，读到这些 1950 年的思想家有多少远见实在令人着迷。如今比任何人类都强的程序可以从应用商店免费下载，占用空间也很小。既令人谦卑又鼓舞人心。喜欢这篇文章的人推荐尽快看电影《Computer Chess》！
RV86查看英文原文
Thanks for posting. As an avid player, it's fascinating to read how much foresight these thinkers had in 1950. Today, programs stronger than any human can be downloaded from the app store for free and take up a relatively small amount of space. Humbling and inspiring. For anyone who enjoyed this read I recommend watching the movie "computer chess" as soon as possible!
补充补充推荐相关电影资料
另外推荐电影《Computer Chess》：http://en.wikipedia.org/wiki/Computer_Chess_%28film%29
biomimic查看英文原文
Also refer to the movie "Computer Chess" http://en.wikipedia.org/wiki/Computer_Chess_%28film%29
补充指出论文可能是 minimax 算法的起源
这是一篇极具美感和远见的著作。他是不是就在这篇论文里发明了极小极大算法？
camperman查看英文原文
This is a work of great beauty and foresight. And does he just invent the minimax algorithm in there?
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2015Hacker News 讨论帖43 分 · 6 评
- 2024Hacker News 讨论帖117 分 · 31 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选