国际象棋计算机是一种计算系统，既可以是专用硬件，也可以是运行在通用机器上的软件，旨在进行国际象棋对弈。自20世纪中期以来，计算机国际象棋领域一直是人工智能领域的核心挑战，作为算法问题求解、搜索和启发式评估的基准。从最早的理论构想到基于神经网络的现代引擎，国际象棋计算机已从弱小的新奇事物演变为超人类水平的棋手，深刻影响了人工智能研究以及国际象棋本身。
国际象棋计算机的历史与计算技术本身的发展紧密交织。早期工作侧重于暴力搜索和手工设计的评估函数，最终以1997年IBM的深蓝战胜世界冠军加里·卡斯帕罗夫这一里程碑事件达到顶峰。进入21世纪，该领域转向机器学习和神经网络方法，像AlphaZero和Stockfish的NNUE（高效可更新神经网络）等引擎达到了前所未有的棋力和风格新颖性。
早期理论基础
机器下棋的概念早于电子计算机。18世纪，骗人的“土耳其行棋傀儡”吸引了观众，但它实际上是由人操控的骗局。第一个严肃的机器下棋理论框架由数学家艾伦·图灵在20世纪40年代提出。图灵与同事大卫·钱珀瑙恩于1948年开发了“Turochamp”算法，该算法能够以初级水平下棋，但由于硬件限制从未在计算机上实现。1952年，图灵手动执行该算法的计算进行了一盘对局，输给了一位同事。
与此同时，信息论先驱克劳德·香农在1950年发表了一篇开创性论文，题为《编程计算机下棋》。香农概述了两种基本策略：一种是暴力“A型”方法，对固定深度内的所有可能走法进行穷举搜索；另一种是选择性“B型”方法，利用启发式规则剪枝搜索树。这些概念为后续所有国际象棋编程奠定了基础。
首批程序与硬件
第一个在计算机上运行的实际国际象棋程序由克里斯托弗·斯特雷奇于1951年为费兰蒂Mark I编写，但速度太慢，无法完成整盘对局。1956年，洛斯阿拉莫斯国家实验室开发的一个程序（尽管不在提供的列表中，但洛斯阿拉莫斯国际象棋程序具有历史意义）在无象的6x6棋盘上运行，证明了计算机下棋的可行性。第一个完整的8x8国际象棋程序由亚历克斯·伯恩斯坦于1957年在麻省理工学院计算机科学实验室的前身，，麻省理工学院计算中心编写，运行在IBM 704上。
在整个20世纪60年代和70年代，受限于有限的内存和处理能力，国际象棋程序改进缓慢。卡内基梅隆大学社区成为计算机国际象棋研究的中心。1967年，理查德·格林布拉特的程序Mac Hack VI成为第一个达到锦标赛级别的程序，在有评级的锦标赛中击败了人类棋手。这一时期还见证了alpha-beta剪枝算法的发展，这是一种搜索优化技术，大幅减少了评估的棋局数量，成为标准技术。
专用国际象棋计算机的兴起
20世纪70年代末和80年代，廉价微处理器的出现催生了专用国际象棋计算机。Fidelity Electronics、Novag和Saitek等公司生产了带有专用国际象棋引擎的消费设备。这些机器通常采用塑料外壳，配有磁性或压力感应棋盘，成为流行的消费电子产品。Fidelity的Chess Challenger系列于1977年推出，是最早商业成功的产品之一，其中Chess Challenger 10等型号提供了多种难度级别。
这些早期专用机器使用相对简单的搜索算法和小型开局库，但改进迅速。到20世纪80年代中期，顶级商用国际象棋计算机可以达到强俱乐部棋手的水平。日本电气和富士通等公司也为研究和演示目的生产了国际象棋硬件。专用国际象棋微处理器的发展，例如许多Fidelity型号中使用的基于6502的芯片，使得走法生成和评估更加快速。
深蓝与人类-机器里程碑
最著名的国际象棋计算机是IBM开发的深蓝。其前身“深思”于20世纪80年代末由卡内基梅隆大学的一个团队创建，成员包括冯·荀和穆雷·坎贝尔。1988年，深思成为第一台在锦标赛对局中击败特级大师的计算机。IBM随后聘请了荀和坎贝尔来构建更强大的机器，从而诞生了深蓝。
深蓝是一台大规模并行超级计算机，使用30个IBM RS/6000 SP节点，每个节点包含8个专用国际象棋处理器，总共256个处理器协同工作。它每秒可评估多达2亿个棋局，在典型局面中搜索深度为6到12层（半回合），并在战术线路上进行选择性延伸。其评估函数包含数千个特征，包括棋子价值、兵结构、王安全和机动性。
1996年2月，深蓝与世界冠军加里·卡斯帕罗夫进行了六盘对局。卡斯帕罗夫以4-2赢得比赛，赢了第一盘，输了第二盘，其余为和棋。次年，升级版的深蓝（绰号“更深的蓝”）于1997年5月再次对阵卡斯帕罗夫。在一场戏剧性的比赛中，深蓝赢得了决定性的第六盘，成为第一台在标准时限下击败在位世界冠军的计算机。这场胜利是人工智能领域的分水岭时刻，引发了公众对机器智能的广泛讨论，尽管深蓝的方法主要是暴力搜索而非学习。
深蓝之后时代与软件引擎
深蓝之后，IBM拆解了这台机器，焦点从专用硬件转向在普通个人计算机上运行的软件引擎。20世纪90年代和2000年代，强大的商业和免费国际象棋程序兴起。Fritz、Rebel和Hiarcs等程序达到了特级大师水平，到21世纪初，它们能击败大多数人类棋手。免费开源引擎Stockfish于2008年首次发布，成为主导力量，持续位列世界最强引擎之列。
这些引擎依赖于复杂的alpha-beta搜索、庞大的开局库和残局表库（针对少量棋子局面的完美走法预计算数据库）。当时的英特尔和超威微处理器提供了原始计算能力，多核处理支持并行搜索。2000年通用国际象棋接口（UCI）协议的发展标准化了国际象棋图形用户界面（GUI）与引擎之间的通信，促进了国际象棋软件生态系统的繁荣。
神经网络革命
现代国际象棋计算机时代始于深度学习和神经网络技术的应用。2017年，谷歌深度思维发表了一篇关于AlphaZero的论文，该系统通过自我对弈和深度神经网络结合蒙特卡洛树搜索（MCTS），从零开始学习下国际象棋、将棋和围棋。AlphaZero仅从规则开始，自我对弈了数百万盘棋，在数小时内就达到了超越当时最强传统引擎Stockfish的水平。其风格特点是偏好长期局面补偿而非即时子力，常常牺牲棋子以换取主动权。
AlphaZero的成功证明了神经网络可以在没有人类知识的情况下学习复杂的国际象棋评估函数。这启发了传统引擎中的混合方法。2020年，Stockfish团队引入了NNUE（高效可更新神经网络），这是一种可以在搜索过程中增量评估的神经网络架构，使其速度足以实时使用。基于NNUE的引擎迅速成为标准，结合了alpha-beta搜索的效率和神经网络学习评估的优势。现代Stockfish和Leela Chess Zero（Lc0）等其他引擎（使用深度神经网络和MCTS）现在的水平远超任何人类，Elo等级分超过3500。
当代国际象棋计算机与人工智能
“国际象棋计算机”一词现在涵盖各种系统，从智能手机应用到基于云的分析工具。Stockfish和Lc0等引擎免费提供，被数百万玩家用于分析、训练和在线对弈。Chess.com和Lichess等国际象棋平台将这些引擎集成到其界面中，提供即时评估和走法建议。AWS Trainium等专用AI硬件以及亚马逊网络服务、微软Azure和谷歌云等云服务支持大规模训练国际象棋神经网络，尽管大多数消费者使用在本地CPU或GPU上运行。
国际象棋计算机的发展也影响了人工智能的其他领域。alpha-beta剪枝和MCTS等技术已应用于其他游戏和决策问题。AlphaZero的自我对弈范式已扩展到其他领域，如围棋和将棋，强化学习的基本原理现在已成为现代AI研究的核心。国际象棋仍然是新算法的试验场，传统搜索与神经方法之间的持续竞争继续推动创新。
影响与遗产
国际象棋计算机的影响超出了游戏本身。它们在推进人工智能研究方面发挥了重要作用，为测试搜索、学习和决策算法提供了一个定义明确、复杂的领域。1997年的深蓝比赛提高了公众对AI潜力的认识，而现代引擎则改变了国际象棋作为一项运动的面貌，使得以前不可能的深度准备和分析成为可能。国际象棋计算机还使高水平国际象棋知识民主化，让业余爱好者能够通过引擎分析学习并提高棋艺。
尽管具有超人水平，国际象棋计算机并非万无一失。在罕见的复杂局面中，它们仍可能犯错，其评估函数也不是完美的。然而，它们的主导地位无可争议，该领域随着机器学习和硬件的发展而持续演进。国际象棋计算机的未来可能涉及与生成式AI和大语言模型技术的进一步整合，可能实现走法和策略的自然语言解释，尽管截至2020年代中期，这些能力仍处于早期阶段。