ChatGPT 在国际象棋比赛中被 48 年前的雅达利 2600 游戏机“吊打”

人工智能已经在许多领域大放异彩，从写文章、编写代码，到撰写法律文书、生成图像、甚至进行科学研究，AI 的能力正在不断刷新人类的认知。尤其是像 ChatGPT 这样的语言模型，更是在自然语言处理方面达到了前所未有的高度。然而，最近的一场实验却揭示了人工智能的另一个面向 —— 它在一些看似“简单”的任务面前，可能并没有我们想象中那么聪明。

一场跨越45年的对决

这场有趣的实验由工程师罗伯特・卡鲁索发起，他让 ChatGPT 与1977年发布的经典游戏机雅达利2600（Atari 2600）上的《Video Chess》进行了一场国际象棋对决。雅达利游戏机可以说是电子游戏史上的“活化石”，其硬件性能远远无法与今天的智能手机相比。但在这场人机对决中，结果却出人意料：ChatGPT 居然败下阵来，且错误频出。

ChatGPT在棋盘上的“低级失误”

在90分钟的对战中，ChatGPT 的表现可以说是漏洞百出：

混淆棋子：它竟然将“车”（Rook）误认为“象”（Bishop），这是国际象棋新手最容易犯的低级错误。

战术失误：面对明显的兵的分叉（pawn fork）攻击机会，ChatGPT 没有抓住。

棋盘混乱：多次搞不清楚棋子的实际位置，对局势的判断出现偏差。

图标抱怨：它甚至试图将失误归咎于雅达利的图形界面太抽象。

即便在后续使用标准国际象棋棋谱表示法后，ChatGPT 的表现依旧不理想，显示出它在下棋逻辑推演上的明显短板。正如卡鲁索调侃的那样：“ChatGPT 所犯的错误足以让它在三年级的国际象棋俱乐部里被嘲笑。”

为什么 ChatGPT 不擅长下棋？

很多人可能会疑惑，既然 AI 曾在 1997 年让 IBM 的深蓝（Deep Blue）击败了国际象棋世界冠军卡斯帕罗夫，为何 ChatGPT 却连雅达利游戏机都打不过？

关键在于：ChatGPT 和深蓝的设计目标完全不同。

深蓝：这是一个专门为国际象棋设计的超级计算机，内置了复杂的棋谱数据库和强大的计算能力，可以在极短时间内评估上百万种走法，寻找最优解。它的本质是一个“穷举搜索引擎”。

ChatGPT：它是一个大型语言模型，主要依靠从海量文本中学习到的语言模式进行“预测下一步词语”的生成。虽然它能描述国际象棋规则、分析战术，甚至能写出关于国际象棋的科普文章，但它并没有专门训练用来真正对弈的能力。换句话说，ChatGPT “懂规则”，但并不“会下棋”。

可以用一个简单的比喻来理解：

深蓝像一个记忆力超群、计算力爆表的棋手；而 ChatGPT 更像一个会讲棋理、会复盘讲故事的解说嘉宾。让解说嘉宾上场比赛，自然不会有好结果。

这次失败的启示：AI依然有限

这次实验其实并不代表 ChatGPT 无能，反而提醒我们：AI 并非无所不能，它的能力取决于其设计目标和训练数据。

目前的语言模型在处理纯逻辑推理、复杂状态模拟、实时博弈等任务时，还远远不如专门训练的领域模型。例如：

ChatGPT 可以写小说，却不适合做法官；

可以讲象棋战术，却不适合比赛下棋；

可以写代码片段，却未必能胜任严苛的安全级别编程任务。

正是因为 AI 仍有短板，才需要我们在应用 AI 时，正确认知其优势与局限，合理使用，避免“盲目神化”。

AI未来能学会下棋吗？

当然可以！事实上，像 AlphaZero 这样的专门博弈 AI，已经能在国际象棋、围棋等复杂对弈中全面超越人类。但这些 AI 背后用的是完全不同的技术体系，比如：

深度强化学习（Deep Reinforcement Learning）

蒙特卡洛树搜索（Monte Carlo Tree Search）

相比之下，通用语言模型要想具备类似能力，还需要在多模态理解、状态建模和长时记忆方面进一步突破。

文章来自微信公众号 “ AI绘界Studio ”，作者 AI绘界Studio