今天，李世乭终于在与 AlphaGo 的人机大战中扳回一局。但计算机 AI 可以在围棋上战胜人类顶尖棋手的时代已经到来。可以预见，人工智能和机器人将会在更多领域做到比人力更高效、准确、安全。所以未来，掌握编程技能显得更加重要。与其现在感叹所谓的“机器威胁论”，还不如现在动起手来，磨练自己的技能。
再厉害的程序员，也是从“hello world”程序开始写起。再“聪明”的机器，也是从零样本开始“训练”出来的。所以今天就来写一个最简单棋类游戏：
Tic Tac Toe，又叫井字棋。
本篇将实现游戏框架，让你可以和电脑对战，但提升电脑的“智能”会在下一篇中细说。另外，文末会介绍一个 Github 上的 Python 版 AlphaGo 项目。
大致说下井字棋的规则：
- 棋盘为 3*3 共 9 格，类似汉字“井”；
- 一方为 o，一方为 x，轮流落子；
- 任一方先有连成一条线的 3 个棋子（横、竖、斜皆可）则为胜利；
- 棋盘摆满仍没有一方胜利，则为平局。
我打算在控制台下实现这个游戏，所以我需要用一个格式把棋盘的状态输出出来，设想是这样（发到手机上可能有点走形）：
a b c |---|---|---| 1 | | o | | |---|---|---| 2 | | o | x | |---|---|---| 3 | x | o | | |---|---|---|
abc 和 123 是为了更方便地标记棋盘上的位置。每走一步，就再次输出新的状态。
而棋盘本身的数据，我用一个 2 维数组来存储：
board = [ [0, 0, 0], [0, 0, 0], [0, 0, 0], ]
0 表示没有子，落子之后，o 为 1，x 为 2。
现在，我需要一个函数，按照设想的格式，把棋盘数据输出到屏幕上。以下是我的实现：
CHESS = [' ', 'o', 'x'] def showBoard(): print ' a b c ' for i in range(3): print ' |---|---|---|' print i+1, '|', for j in range(3): print '%s |' % CHESS[board[i][j]], print print ' |---|---|---|'
为了对应 0、1、2 和空格、o、x 的关系，我用了一个 CHESS 数组。中间的 print 较多，有些乱，但仔细对照前面的设计图看一下应不难理解。
之后考虑游戏的主体玩法部分。大体的思路是：人走一步、显示棋盘、判断是否结束、AI 走一步、显示棋盘、判断是否结束，如此循环。所以大的框架是：
yourturn = True showBoard() while not isFinished(): if yourturn: moveMan() else: moveAI() showBoard() yourturn = not yourturn;
这里，我用一个变量 yourturn 来记录该哪一方落子，每次走完一步就交换。
isFinished 是一个判断游戏是否结束的函数，如果结束了，就返回 True，游戏主循环退出。最终结果的输出，我也打算放在这个函数里。
moveMan 和 moveAI 分别是人和 AI 落子，一个是等待控制台的输入，一个是计算出位置。
接下来要做的，就是完成这 3 个函数。
先来看 moveMan：
ROW = {'1': 0, '2': 1, '3': 2} COL = {'a': 0, 'b': 1, 'c': 2} def moveMan(): print 'Your turn...' while True: try: move = raw_input('choose a position (e.g. a1/c2/b3...):\n') pos_row = ROW[move[1]] pos_col = COL[move[0]] if board[pos_row][pos_col] == 0: board[pos_row][pos_col] = 1 return except: pass
用 raw_input 等待用户输入。这里约定了表示位置的输入格式。ROW 和 COL 两个 dict 是用来将用户输入对应到具体的棋盘坐标上。当判断 board 数组里，用户输入的位置没有棋子时，则指定为 1，并结束函数。while 循环和 try-except 块是为了保证用户的输入是有效的，否则就会重复提示用户输入。
再来看 moveAI：
def moveAI(): print 'AI\'s turn...' while True: r = random.randint(0, 2) c = random.randint(0, 2) if board[r][c] == 0: board[r][c] = 2 return
这个函数的目的是为了将 board 一个位置设置为 2。选取这个位置的过程，则是此游戏 AI 的算法的核心部分。今天先偷个懒，随机生成一个位置，如果为空，就作为落子的位置，并结束函数。下一篇，我们再来完善这个核心。
最后，就是判断胜负的 isFinished：
def isFinished(): # check row if [1, 1, 1] in board: print 'You win!' return True if [2, 2, 2] in board: print 'AI wins!' return True # check col for i in range(3): if board[0][i] == board[1][i] == board[2][i] == 1: print 'You win!' return True if board[0][i] == board[1][i] == board[2][i] == 2: print 'AI wins!' return True # check diagonal if (board[0][0] == board[1][1] == board[2][2] == 1) or ( board[2][0] == board[1][1] == board[0][2] == 1): print 'You win!' return True if (board[0][0] == board[1][1] == board[2][2] == 2) or ( board[2][0] == board[1][1] == board[0][2] == 2): print 'AI wins!' return True # check draw game draw = True for i in range(3): if 0 in board[i]: draw = False if draw: print 'Draw game.' return True return False
稍有点长，主要分为 4 部分：分别是判断横、竖、斜、平局。
横竖斜的胜利部分，就是遍历棋盘去寻找是否有符合条件的情况，有则输出游戏结果，并返回 True。如果都没有，就去判断是否是平局。
判断平局的逻辑是这样：先设定 draw 为 True，如果遇到棋盘上有 0 的位置，则设为 False。否则遍历结束，draw 仍然为 True，就说明已没有空位，游戏以平局结束。
一个井字棋游戏已完成，截取一小段输出结果：
Your turn... choose a position (e.g. a1/c2/b3...): b2 a b c |---|---|---| 1 | o | | | |---|---|---| 2 | o | o | | |---|---|---| 3 | x | | x | |---|---|---| AI's turn... a b c |---|---|---| 1 | o | | | |---|---|---| 2 | o | o | | |---|---|---| 3 | x | x | x | |---|---|---| AI wins!
当然，现在的这个根本还算不上 AI。下一次，我们会让它更“机智”一点。
如果手机上看代码不方便，可移步论坛，在电脑上查看，我也会将完整代码上传。（论坛上的附件需要登录才可下载）
另外，关于前面提到的开源版 AlphaGo 项目。
项目地址：
https://github.com/Rochester-NRT/AlphaGo
有人传是 AlphaGo 开源了，但这其实只是 University of Rochester 根据 AlphaGo 的论文做的实现，用了 Python。与真正使用的程序相去甚远。可以去围观，看看代码。对机器学习、神经网络有兴趣的可以深入研究一下，甚至参与项目开发。不过如果你只是想在自己的机器上运行项目，那我要提醒你几点：
首先，项目里面用到了 SciPy，而 SciPy 的安装是需要根据不同操作系统编译的，这里面坑不少，至少我是在两个系统上折腾了几小时才安装成功。
另外，项目目前只完成了一个基本框架，和算法中一小部分，完成度很低。虽然也可以训练 AI 走棋，但效果肯定远不如 AlphaGo。
项目里虽然附带了一个 HTML5 的网页围棋接口，但应该还没有对接，所以想跟电脑对战的要失望了。
