国际象棋评估条到底在告诉你什么
每个国际象棋引擎都用同样的三个数字报告它的思考,却几乎没人解释它们是什么意思。下面是一堂速成课,帮你看懂评估条。
单位是兵,但说的并不是兵
+1.4 的评估通常被理解为“白方大约多出一个半兵的价值”。这种理解足够实用,但并不是引擎的本意。
自从 Stockfish 改用神经网络评估,它的分数就完全不再与一个兵的价值挂钩,而是按局面实际获胜的频率进行了归一化:+1.0 被设定在这样一个点上——在 Stockfish 自己的长时限测试中,从这个局面出发,大约有一半的对局能赢下来。屏幕上显示的,是给这个数字套上了兵的单位,因为兵是棋手唯一有直觉的单位。
所以这里的“兵”是一种呈现单位,而不是数量,正因如此,下面的情况才说得通,而不是自相矛盾。
你可能少了整整一个车,评估却仍是 +2.0;也可能子力完全相等,评估却是 −3.5。这个数字把引擎权衡的一切都折算在了一起——双方的王暴露得有多严重、棋子有没有可用的格子、兵形里有没有永久性的弱点——再用棋手唯一有直觉的单位把总和表示出来。
一个粗略的读法——而且确实很粗略:
- ±0.3 以内——均势。双方都有棋可下。
- ±0.5 到 ±1.0——一方下得更舒服。胜负远未决定。
- ±1.5 到 ±2.5——明显优势。在强手之间,这通常会决定结果。
- 超过 ±3——只要下得准确,就是胜势。
最后那个条件才是关键。引擎给出的 +3.5,意思是“如果你下得像引擎一样,就能赢”。在大师水平以下,+3 的局面被下丢是常有的事。评估条描述的是局面,而不是在预测你的结果。
将杀评分完全是另一套尺度
当显示从小数变成像 M5 这样的写法时,引擎就不再是在估算了。它找到了一个五步之内的强制将杀,并且证明了它——每一种防守都检查过,每一种防守都会输。
这一点值得记牢,因为它决定了你该在多大程度上相信屏幕。小数形式的评估是一种判断,多想一会儿就可能改变;将杀评分根本不是判断,而是关于这个局面的事实。如果引擎显示 M3,你照着走,三步之内就会将杀。
这也解释了一个让人困惑的现象:一个局面可能从 +4.2 变成 M6,而期间并没有发生什么戏剧性的变化。棋盘上一切照旧,只是引擎搜索得足够远,看到了这条变化的终点,于是从估算切换成了计数。
引擎的诚实,体现在深度上
第三个数字是深度,有时显示为百分比或进度环,它大致表示引擎往前看了多远。一个“半回合”(ply)就是一方走一步,所以深度 20 大致相当于双方各走十步。
说“大致”,是因为没有哪个引擎会把每条变化都搜索到同样的距离。它会剪掉判定为没有希望的分支,在平静的变化上少花力气,而在强制变化上——将军、回吃、任何以将杀告终的变化——会远远超出标称的深度。这个数字描述的是主要变化,而不是整棵搜索树上一条齐平的地平线。
关键在这里:评估永远是目前已搜索的那条变化末端局面的价值。它不是对你眼前这个局面的裁决,而是对这个局面会通向哪里的裁决——以引擎目前算到的地方为限。
这就是引擎会改主意的原因。一步弃子在较浅的深度下可能显得不成立,因为它的补偿出现在比引擎目前所看到的更远的地方。让同样的搜索继续往深处走,它就会到达补偿出现的那一点,于是这步弃子成了盘面上的最佳走法。局面本身没有任何变化;移动的是地平线。
如果你曾看着评估条来回摆动、而棋盘纹丝不动,你看到的就是这个过程。
什么时候,更深的搜索不再带来任何收获
深度的回报递减得很快,这是理解引擎分析时最有用的一点。
前十个半回合完成了大部分工作——它们能抓住悬子和一步战术,而大多数业余对局正是由这些决定的。从那里到深度 20 左右,引擎会发现更深的战术构思。再往后,在平静的局面里,评估还会继续漂移,而推荐的着法往往已经稳定下来。
这个规律在多大程度上成立,完全取决于局面和执行搜索的硬件。在平静的中局里,算了几秒钟的手机和算了几分钟的服务器,常常会在着法上达成一致,只在小数上有分歧。在尖锐的局面里,它们可能根本达不成一致,而且再多的深度也无法让这一点事先变得可靠。把回报递减当作一种值得了解的趋势,而不是一个可以依赖的门槛。
真正需要深度的是尖锐的局面——战术密集、异侧易位、长串的强制变化。在平静的局面里,多出来的搜索只是在给你买小数位。
为什么最佳走法有时是你永远不会走的一步
引擎追求的是面对完美防守时客观上最强的续着。可你下不出完美防守,你的对手也一样。
所以引擎有时会推荐一条值 +0.4、却需要连续八步精确着法的变化,而不是一条值 +0.2、简单又安全的变化。对手是另一个引擎时,前者是对的;对手是人、棋钟上只有二十分钟时,后者能赢下更多对局。
这不是缺陷,这正是这个工具的用途。但这确实意味着,读好引擎的输出还需要一步引擎替你做不了的事:问问自己,它给出的这条变化,你到底能不能下出来。
与此相关、值得养成的习惯是:看一看次佳着法。如果排名前两位的着法分别是 +1.4 和 +1.35,你就有选择,可以走你看得懂的那一步。如果是 +1.4 和 −0.2,那就只有一步棋,你必须找到它。两者之间的差距告诉你局面有多尖锐,这往往比评估本身更有用。
诚实地解读一个局面
合在一起看,这三个数字回答的是三个不同的问题。评估告诉你谁更占优、大约优多少;将杀评分一旦出现,就说明计算已经结束;深度则告诉你该在多大程度上相信前两者。
浅层的 +2.0 只是一个提示;深层的 +0.3 则是稳定得多的估计。两者都不是事实——只有将杀评分才是。知道自己看的是三者中的哪一个,就掌握了这门技巧的大半。
常见问题
为什么我的引擎和国际象棋网站的对局回顾结论不一样?
通常是深度不同,有时是引擎版本不同,偶尔是评估网络不同。两个引擎可以把同一个局面分别评为 +0.8 和 +1.3,而且都合理。如果它们的分歧在于着法本身而不是数字,那说明局面确实是双刃的,这本身就值得知道。
数字越大一定越好吗?
不是,追逐更大的数字是一个常见错误。一旦你已经取得明显的胜势,有用的问题就不是哪步棋能让评估最大,而是哪步棋能让局面保持简单。对人类来说,一个能强制兑换进入简单残局的 +5,比一个局面复杂的 +7 更有价值。
引擎会出错吗?
将杀评分不会错——那是被证明过的。评估当然会错:它是有限搜索得出的估计,更深的搜索会修正它。
残局值得单独拿出来说,因为其中有一种情况恰好相反。当棋盘上的棋子足够少时,使用残局库的引擎根本不是在估算——结果是直接查出来的,而且完全精确。超出这个范围,或者关闭了残局库,堡垒局面和需要长时间调动的残局就是引擎误判的经典场合,有时还错得很离谱,因为决定局面的那个构思,位于搜索所能到达的任何地平线之外。