1樓：errommel
TL;DR 橋牌更難
圍棋是雙人完全資訊博弈，馮諾伊曼老人家在30年代就知道這玩意的完美解實際上就是 MiniMax 就可以得到的，只是苦於圍棋的複雜度過於高而無法得到乙個比較好的近似，當然這個近似的問題被 AlphaGo 解決了。
而橋牌，還在等馮諾伊曼老人家搞出這個 MiniMax 的理論，想真正解決個人感覺也得百年之後也許，簡而言之圍棋的思路無法直接借用過來而今天常用的明牌Monte Carlo + Double Dummy solver 的方式也顯然不是通向super human AI 的一條路。
2樓：Dreamtale
從圍棋的結果可以看出，問題不在於「這個問題有多難」，而是在於「這個問題有沒有人研究」。圍棋作為世界公認最難攻克的難題，吸引的研究資源肯定更多。假如有朝一日橋牌也能吸引谷歌大牛，那AI飛公升之日也就不遠了。
3樓：
幾乎所有的回答都在強調資訊不對稱，難弄，但我不是太同意。解決不對稱貝葉斯公式就行了。k8出個k是不是單k，電腦搞不懂，可人也暈啊。
對橋牌來說，電腦只需要學習k8出k的概率就行了。
而圍棋資訊對稱所以死算能搞定的說法也不準確。深度學習之前需要提取特徵值，棋的厚，薄，子能不能棄，需要轉換成數值評價，然後才能學習。沒有適當的特徵值一定會跪在圍棋的複雜度之上的。
到底是棋的厚薄好評價，還是設定一些條件估計k8出k的概率容易，我覺得肯定是後者。
至於為什麼沒人做Ai來碾壓人類，我覺得是因為橋牌有運氣成分，ai強不一定能贏。以及橋牌比圍棋簡單，人類高手已經很接近最優解。 然後叫牌體系。
電腦需要理解對手的叫牌，才能參與叫牌。這個十點牌可以開叫，另乙個不能，電腦難以理解。但反過來說，這是人類的密約。
你寫在約定卡上的是12點開叫，視情況輕開叫，可到底可以多輕，到底是個什麼習慣，只有經常和你搭檔的同伴才知道。
所謂ai比不過人類，其實是因為橋牌規則本身定義上有曖昧之處。為了和電腦公平比賽，可能得玩規定的十分死的橋牌，或者玩不限制詐叫，任意密約的橋牌。
而複雜圍棋，勝負定義明確，人類也研究了千年，看起來離最優解還很遠。。。
4樓：
我承認圍棋比橋牌需要更多計算量，但那是人的，和ai沒有關係。
最常見的橋牌是8人博弈，資訊不對稱，資訊完全；圍棋是2人博弈，資訊對稱，資訊完全，即使不算上運氣因素和選手風格問題，從演算法編寫的角度來看，前邊3點，尤其是第一點，已經使得橋牌ai無論是計算量，還是編寫難度都甩開圍棋多個數量級。
5樓：愛007的熊
為先生答。世界上變化最多的智力運動就是圍棋。首先說一下智力運動，世界五大智力運動包括圍棋、橋牌、國象、國跳和中象，這些都是進入智力運動會的專案。
說它們是運動最有力的證明可能是北京體育大學（好像是中國體育最高學府）開設了智力運動專項（體育類的專業叫專項），另有很多所高校也都開設此類課程，但是未成系統。
扯遠了圍棋千變萬化，至今還沒有能完全戰勝人類的軟體，Alpha go雖然很強大，但是也在人機大戰第四局輸給了李世石，輸了並不代表什麼，關鍵是李世在比賽程序中阿爾法狗顯然出現了重大錯誤，有幾手錯棋，這錯棋並不是說是那種下的不好的棋，而是完全沒有價值的亂下，可見阿爾法狗再強也不能算透變化。另外，阿爾法狗是一款可以自主學習的軟體，能夠儲存無數棋譜，所以它的段位現在應該排在世界第一（如果人類不介意的話），但是學習是乙個過程，即代表不完美。
再說一下橋牌，先生現在用的橋牌軟體是新睿橋牌，在我看來這已經是一款近乎完美的橋牌軟體了，有叫牌提示，還有人機或者人人pk可供選擇，每一副牌打完都可以看到自己在所有打相同牌的牌手中的排名和其他人的定約和結果，並且可以看別人的叫牌、打牌過程。橋牌的變化並不多（相比於圍棋），畢竟只有52張牌，我剛剛打新睿的時候飛牌永遠飛不中，我出J下家必出Q，出K必出A，以為是敵方小機械人換牌，但是打完牌看出牌程序（四明手），發現機械人沒有換牌，可見其叫牌出牌合理。
中國現在絕對有人在自主研發圍棋智慧型，但是我認為要將最簡單但又最複雜的遊戲程式化，還需要很長的路要走。
6樓：氓之蚩蚩
感覺圍棋AI只需計算機算再計算，這一次阿法狗多了個所謂價值判斷，無非就是自己刷了無數棋譜，計算不出來時就選個經驗上的最優解，這實際上還沒有真正智慧型起來。橋牌你單靠計算沒用的，即使是機械人最擅長的坐莊問題，估計在兩明手下，都幹不過人類，更不要說叫牌防守部分了。
7樓：cfx cfx
圍棋只要懂得比對手多想得比對手遠就行了，橋牌難多了，一次打牌的時候坐我旁邊的先生在決定怎麼打的時候是仔細看了看我的表情，結果我裝得很懵懂一臉的無知，他就打錯了，這個可是設計不出來呢。
8樓：杜惲誠
同樣的難度。假如遊戲A是10X10X10的難度。另外乙個遊戲B是1000的難度。同樣總難度都是1000，但B比A難學很多。
這就是電腦的弱點。電腦不怕複雜。但怕繁雜。
橋牌要考慮的東西很多很多。但它每個東西都考慮的簡單。所以有些人覺得簡單。
而實際，對人簡單的東西對電腦來說可能比登天還難。
原理很簡單。假如你先學數學再學語文。學兩天。
你學習效率會很高。因為不會覺得無聊。而學一天數學再學一天語文。
則效率會很低。人在思考不同層面的東西時，會更合理地分配精力。而對電腦而言。
這些都是一樣的。所以看起來，橋牌很好計算，很好掌握云云。
實際上，橋牌對AI是非常可怕的專案。橋牌AI最多只能達到高階牌手的水準。而難以在比賽中有成績。單項PK賽，只要超過5輪。被人類找到弱點後很容易被攻克。
因此，以阿法狗現有的方式是無法攻克橋牌的。
關於圍棋我順便說一點。
其實圍棋並未被暴力攻克。深度學習和之前國象的暴力攻克還是有點區別的。圍棋死在新技術下，不虧。
假如量子計算機技術真的普及了。我覺得橋牌被攻克是遲早的事。
9樓：
圍棋是計算量太大的完全資訊博弈, 難點在於如何減少計算量, 這點AlphaGo解決得非常好.
橋牌是計算量相對不是很大的不完全資訊博弈. 機器是完全可以超越人類的. 但是因為這種遊戲和運氣有很大的關係, 只要雙方的水平高到一定程度, 哪怕有一方實際實力高得多, 最後的勝率可能都是55開.
這種情況下價值網路可能很難做得出來, 因為雜訊比實力更有可能決定勝負.
10樓：若茶
我覺得根本無法相比，橋牌AI要做好也許實現難度會更大。圍棋要做的也許只是我最好的方式應該怎麼下，但是橋牌的問題要考慮太多了。前面輸太多，我這次要摸一把。
開室的兩個傢伙叫牌比較進取，我已經優勢了盡量保持叫牌同步。叫牌對概率的影響，打牌速度快慢對牌分布的判斷......我很難想象這些AI怎麼搞。。。
當然以後肯定會有橋牌AI出現的
11樓：孤城萬仞
橋牌攤開了4明手打，計算的深度遠不及圍棋。軟體可以做到完美，人類高手其實也差不多。圍棋因為變化無法窮盡，我們在計算力無法達到的情況下，會以「大局觀」、「厚薄」、「味道」這樣抽象的概念來提煉總結。
但橋牌做莊的打法，都是有具體的原因的，誰要是敢說「大局觀」，只能被認為是個笑話。所以說人工智慧在圍棋上的突破，其意義很可能要大於橋牌。
橋牌相比圍棋，難度在於資訊的交流與獲取方面。就叫牌而言，假如選一套世界級高手的體系，把它非常細緻得編成程式，在需要判斷的時候通過海量的牌來模擬，我相信效果和真人來叫基本是一樣的，但這對於人工智慧來說沒太大的意義，只不過說明這個體系比較厲害罷了。
乙個更有意思的想法是，讓人工智慧自己去嘗試設計一套體系。如果真的可以做到，並且證明這個體系叫牌的準確程度優於現有的體系的話，這就有意義了。不過這件事吸引眼球的程度，恐怕不如這次的人機對弈事件。
要知道，把人工智慧應用於智力運動，本身就有炫技的成分。這次大家如此關注人機對弈，但知乎上提出來的問題，大多數連圍棋常識都沒有，可見主要是關注人工智慧，而不是關注圍棋。
圍棋和象棋哪個更難？
康老 這個問題，還是挺有趣的。從電腦對戰人類的歷史行程看，無疑圍棋更難。1997年，深藍 戰勝卡斯帕羅夫，在西洋棋領域，電腦戰勝了人腦。大概在2003年，中國象棋軟體打敗了中國冠軍 其實就是世界冠軍 但在那時，圍棋屆依然自信滿滿，認為電腦在圍棋上戰勝人腦，起碼是五十年後的事，結果大家都看到了。這一歷...
環境設計和產品設計哪個更難
工業設計實力勸退。學的雜，不只要學產品設計哦，我們專業就要學產品，互動，服務，品牌，包裝之類的，工資也很低，估計最後很多都轉行，真的不是想象中的無中生有憑空捏造，做啥都一套套的很強調流程，基本和藝術不沾邊 除了審美 而且國內就那麼幾個學校是好的，其他學校教學太傳統 反正就是差 鯨落 瀉藥我學環藝，感...
GRE和GMAT在閱讀的長句方面哪個更難？
黃卓明大仙 這個問題比較專業，不容易一言以蔽之，得多幾句話 1 兩個考試裡面，不是所有的句子都是乙個難度的，大家都有長的難的，也都有短的容易理解的。而且長句 難易這個東西偏主觀何況長句在決定考試難易因素中佔的比例不大。2 如果從統計角度說，以目前的真題為樣本，GRE閱讀中出現的長句 指結構比較複雜，...