想探究電腦對局，卻總覺得不得其門而入的人，你有福了，專精於電腦對局領域程式設計的作者，將自己的比賽經驗與現今最熱門的大型語言模型結合，帶領讀者一步步認識電腦對局，拆解對局AI必備的基礎演算法，教你如何讓電腦下棋，寫出棋盤類電腦對局遊戲背後的程式碼，並理解其數學原理與程式邏輯，助你打造更高效、聰明的AI。
想做出一個能下棋的 AI 嗎？
這本書將是你最好的第一步。
書籍簡介
本書內容改編自第 16 屆 iThome 鐵人賽 AI & Data 組的優選系列文章《猴子也能懂的電腦對局：30 天打造自己的對局 AI》。從最簡單的井字遊戲出發，本書將帶領讀者逐步掌握電腦下棋的核心邏輯。透過完整程式範例與直觀解說，深入拆解對局 AI 必備的基礎演算法，包括 Minimax、Alpha-Beta Pruning、Scout 與 MCTS 等關鍵策略。
除了演算法，本書也涵蓋資料結構與效能最佳化技巧，如 Array、Mailbox、Bitboard 與 Zobrist Hashing，並延伸至開局庫與殘局庫的設計，協助你打造更高效、更聰明的 AI。
作者將多年競賽經驗與程式技巧毫無保留地分享，並穿插趣味小故事與生活案例，例如土耳其行棋傀儡、賓果遊戲、象棋資料傳輸等，讓學習過程更生動有趣。
如果你曾因論文艱澀或網路資料零散而裹足不前，本書將是最親民的入門橋樑，幫助你循序漸進建立完整觀念，最終挑戰電腦對局競賽，實現打造你的遊戲 AI。
重點摘要
♠️ 完整學習路徑：從入門到進階完整的理論與實作介紹
♥️ 生活中的案例：帶你發現日常中的對局思維
♣️ 比賽心法傳承：比賽程式實作細節大公開
♦️ 可執行程式碼：附上完整程式碼與詳細解說
目標讀者
☛ 想了解什麼是電腦對局但不得其門而入的初學者
☛ 想寫出自己的遊戲 AI 甚至參加比賽的開發者
☛ 想更進一步提高自己程式棋力的電腦對局老手
想做出一個能下棋的 AI 嗎？
這本書將是你最好的第一步。
書籍簡介
本書內容改編自第 16 屆 iThome 鐵人賽 AI & Data 組的優選系列文章《猴子也能懂的電腦對局：30 天打造自己的對局 AI》。從最簡單的井字遊戲出發，本書將帶領讀者逐步掌握電腦下棋的核心邏輯。透過完整程式範例與直觀解說，深入拆解對局 AI 必備的基礎演算法，包括 Minimax、Alpha-Beta Pruning、Scout 與 MCTS 等關鍵策略。
除了演算法，本書也涵蓋資料結構與效能最佳化技巧，如 Array、Mailbox、Bitboard 與 Zobrist Hashing，並延伸至開局庫與殘局庫的設計，協助你打造更高效、更聰明的 AI。
作者將多年競賽經驗與程式技巧毫無保留地分享，並穿插趣味小故事與生活案例，例如土耳其行棋傀儡、賓果遊戲、象棋資料傳輸等，讓學習過程更生動有趣。
如果你曾因論文艱澀或網路資料零散而裹足不前，本書將是最親民的入門橋樑，幫助你循序漸進建立完整觀念，最終挑戰電腦對局競賽，實現打造你的遊戲 AI。
重點摘要
♠️ 完整學習路徑：從入門到進階完整的理論與實作介紹
♥️ 生活中的案例：帶你發現日常中的對局思維
♣️ 比賽心法傳承：比賽程式實作細節大公開
♦️ 可執行程式碼：附上完整程式碼與詳細解說
目標讀者
☛ 想了解什麼是電腦對局但不得其門而入的初學者
☛ 想寫出自己的遊戲 AI 甚至參加比賽的開發者
☛ 想更進一步提高自己程式棋力的電腦對局老手
第一部分：簡介
Chapter 1 入局：電腦對局簡介
Chapter 2 來都來了，就參賽吧：電腦對局競賽
Chapter 3 是 AI 還是魔術：自動下棋機器人
Chapter 4 電腦如何下棋：從對局樹分析遊戲難易度
第二部分：搜尋演算法與審局函數
Chapter 5 窮舉的藝術：Minimax Algorithm
Chapter 6 形勢判斷：Evaluation Function
Chapter 7 靜態評估與形態學的結合：Bouzy's 5/21 Algorithm
Chapter 8 不要拼硬體，嘗試切他節點：Alpha-Beta Pruning
Chapter 9 斥侯探敵：Scout Algorithm
Chapter 10 順序也很重要：著手分析與優化
Chapter 11 化危機為轉機：Threat Space Search
Chapter 12 AI 也有鴕鳥心態：Horizon Effect
Chapter 13 實戰演練：圍棋征子邏輯
Chapter 14 實戰演練 2：進階征子邏輯
第三部分：MCTS 與 AlphaGo
Chapter 15 隨機模擬的魔法：Monte Carlo Method
Chapter 16 地獄倒楣鬼：春酒的賓果遊戲
Chapter 17 隨機亂下也能變高手：Monte Carlo Tree Search
Chapter 18 還要變得更強：MCTS 優化
Chapter 19 從不同角度看 AlphaGo
Chapter 20 抱在巨人的大腿上：AlphaZero 開源框架
第四部分：進階優化方式
Chapter 21 這不是綠豆糕，是棋盤：Board Representation
Chapter 22 凡走過請留下痕跡：Transposition Table
Chapter 23 不要每次都從零開始：Opening Book
Chapter 24 精準收割殘局：Endgame Database
Chapter 25 從開局到結束：蜜月橋牌殘局庫
Chapter 26 千錘百鍊的極限：Bitwise Operation
Chapter 27 終局：未來研究方向
第五部分：其他應用
Chapter 28 從象棋比賽作弊事件探討資料傳輸與資料結構
Chapter 29 下一個世界冠軍：天才棋手橫空出世
Chapter 30 電腦對局也能找工作：面試考題分享asnd 第一部分：簡介
Chapter 1 入局：電腦對局簡介
Chapter 2 來都來了，就參賽吧：電腦對局競賽
Chapter 3 是 AI 還是魔術：自動下棋機器人
Chapter 4 電腦如何下棋：從對局樹分析遊戲難易度
第二部分：搜尋演算法與審局函數
Chapter 5 窮舉的藝術：Minimax Algorithm
Chapter 6 形勢判斷：Evaluation Function
Chapter 7 靜態評估與形態學的結合：Bouzy's 5/21 Algorithm
Chapter 8 不要拼硬體，嘗試切他節點：Alpha-Beta Pruning
Chapter 9 斥侯探敵：Scout Algorithm
Chapter 10 順序也很重要：著手分析與優化
Chapter 11 化危機為轉機：Threat Space Search
Chapter 12 AI 也有鴕鳥心態：Horizon Effect
Chapter 13 實戰演練：圍棋征子邏輯
Chapter 14 實戰演練 2：進階征子邏輯
第三部分：MCTS 與 AlphaGo
Chapter 15 隨機模擬的魔法：Monte Carlo Method
Chapter 16 地獄倒楣鬼：春酒的賓果遊戲
Chapter 17 隨機亂下也能變高手：Monte Carlo Tree Search
Chapter 18 還要變得更強：MCTS 優化
Chapter 19 從不同角度看 AlphaGo
Chapter 20 抱在巨人的大腿上：AlphaZero 開源框架
第四部分：進階優化方式
Chapter 21 這不是綠豆糕，是棋盤：Board Representation
Chapter 22 凡走過請留下痕跡：Transposition Table
Chapter 23 不要每次都從零開始：Opening Book
Chapter 24 精準收割殘局：Endgame Database
Chapter 25 從開局到結束：蜜月橋牌殘局庫
Chapter 26 千錘百鍊的極限：Bitwise Operation
Chapter 27 終局：未來研究方向
第五部分：其他應用
Chapter 28 從象棋比賽作弊事件探討資料傳輸與資料結構
Chapter 29 下一個世界冠軍：天才棋手橫空出世
Chapter 30 電腦對局也能找工作：面試考題分享askw 第一部分：簡介
Chapter 1 入局：電腦對局簡介
Chapter 2 來都來了，就參賽吧：電腦對局競賽
Chapter 3 是 AI 還是魔術：自動下棋機器人
Chapter 4 電腦如何下棋：從對局樹分析遊戲難易度
第二部分：搜尋演算法與審局函數
Chapter 5 窮舉的藝術：Minimax Algorithm
Chapter 6 形勢判斷：Evaluation Function
Chapter 7 靜態評估與形態學的結合：Bouzy's 5/21 Algorithm
Chapter 8 不要拼硬體，嘗試切他節點：Alpha-Beta Pruning
Chapter 9 斥侯探敵：Scout Algorithm
Chapter 10 順序也很重要：著手分析與優化
Chapter 11 化危機為轉機：Threat Space Search
Chapter 12 AI 也有鴕鳥心態：Horizon Effect
Chapter 13 實戰演練：圍棋征子邏輯
Chapter 14 實戰演練 2：進階征子邏輯
第三部分：MCTS 與 AlphaGo
Chapter 15 隨機模擬的魔法：Monte Carlo Method
Chapter 16 地獄倒楣鬼：春酒的賓果遊戲
Chapter 17 隨機亂下也能變高手：Monte Carlo Tree Search
Chapter 18 還要變得更強：MCTS 優化
Chapter 19 從不同角度看 AlphaGo
Chapter 20 抱在巨人的大腿上：AlphaZero 開源框架
第四部分：進階優化方式
Chapter 21 這不是綠豆糕，是棋盤：Board Representation
Chapter 22 凡走過請留下痕跡：Transposition Table
Chapter 23 不要每次都從零開始：Opening Book
Chapter 24 精準收割殘局：Endgame Database
Chapter 25 從開局到結束：蜜月橋牌殘局庫
Chapter 26 千錘百鍊的極限：Bitwise Operation
Chapter 27 終局：未來研究方向
第五部分：其他應用
Chapter 28 從象棋比賽作弊事件探討資料傳輸與資料結構
Chapter 29 下一個世界冠軍：天才棋手橫空出世
Chapter 30 電腦對局也能找工作：面試考題分享
Chapter 1 入局：電腦對局簡介
Chapter 2 來都來了，就參賽吧：電腦對局競賽
Chapter 3 是 AI 還是魔術：自動下棋機器人
Chapter 4 電腦如何下棋：從對局樹分析遊戲難易度
第二部分：搜尋演算法與審局函數
Chapter 5 窮舉的藝術：Minimax Algorithm
Chapter 6 形勢判斷：Evaluation Function
Chapter 7 靜態評估與形態學的結合：Bouzy's 5/21 Algorithm
Chapter 8 不要拼硬體，嘗試切他節點：Alpha-Beta Pruning
Chapter 9 斥侯探敵：Scout Algorithm
Chapter 10 順序也很重要：著手分析與優化
Chapter 11 化危機為轉機：Threat Space Search
Chapter 12 AI 也有鴕鳥心態：Horizon Effect
Chapter 13 實戰演練：圍棋征子邏輯
Chapter 14 實戰演練 2：進階征子邏輯
第三部分：MCTS 與 AlphaGo
Chapter 15 隨機模擬的魔法：Monte Carlo Method
Chapter 16 地獄倒楣鬼：春酒的賓果遊戲
Chapter 17 隨機亂下也能變高手：Monte Carlo Tree Search
Chapter 18 還要變得更強：MCTS 優化
Chapter 19 從不同角度看 AlphaGo
Chapter 20 抱在巨人的大腿上：AlphaZero 開源框架
第四部分：進階優化方式
Chapter 21 這不是綠豆糕，是棋盤：Board Representation
Chapter 22 凡走過請留下痕跡：Transposition Table
Chapter 23 不要每次都從零開始：Opening Book
Chapter 24 精準收割殘局：Endgame Database
Chapter 25 從開局到結束：蜜月橋牌殘局庫
Chapter 26 千錘百鍊的極限：Bitwise Operation
Chapter 27 終局：未來研究方向
第五部分：其他應用
Chapter 28 從象棋比賽作弊事件探討資料傳輸與資料結構
Chapter 29 下一個世界冠軍：天才棋手橫空出世
Chapter 30 電腦對局也能找工作：面試考題分享asnd 第一部分：簡介
Chapter 1 入局：電腦對局簡介
Chapter 2 來都來了，就參賽吧：電腦對局競賽
Chapter 3 是 AI 還是魔術：自動下棋機器人
Chapter 4 電腦如何下棋：從對局樹分析遊戲難易度
第二部分：搜尋演算法與審局函數
Chapter 5 窮舉的藝術：Minimax Algorithm
Chapter 6 形勢判斷：Evaluation Function
Chapter 7 靜態評估與形態學的結合：Bouzy's 5/21 Algorithm
Chapter 8 不要拼硬體，嘗試切他節點：Alpha-Beta Pruning
Chapter 9 斥侯探敵：Scout Algorithm
Chapter 10 順序也很重要：著手分析與優化
Chapter 11 化危機為轉機：Threat Space Search
Chapter 12 AI 也有鴕鳥心態：Horizon Effect
Chapter 13 實戰演練：圍棋征子邏輯
Chapter 14 實戰演練 2：進階征子邏輯
第三部分：MCTS 與 AlphaGo
Chapter 15 隨機模擬的魔法：Monte Carlo Method
Chapter 16 地獄倒楣鬼：春酒的賓果遊戲
Chapter 17 隨機亂下也能變高手：Monte Carlo Tree Search
Chapter 18 還要變得更強：MCTS 優化
Chapter 19 從不同角度看 AlphaGo
Chapter 20 抱在巨人的大腿上：AlphaZero 開源框架
第四部分：進階優化方式
Chapter 21 這不是綠豆糕，是棋盤：Board Representation
Chapter 22 凡走過請留下痕跡：Transposition Table
Chapter 23 不要每次都從零開始：Opening Book
Chapter 24 精準收割殘局：Endgame Database
Chapter 25 從開局到結束：蜜月橋牌殘局庫
Chapter 26 千錘百鍊的極限：Bitwise Operation
Chapter 27 終局：未來研究方向
第五部分：其他應用
Chapter 28 從象棋比賽作弊事件探討資料傳輸與資料結構
Chapter 29 下一個世界冠軍：天才棋手橫空出世
Chapter 30 電腦對局也能找工作：面試考題分享askw 第一部分：簡介
Chapter 1 入局：電腦對局簡介
Chapter 2 來都來了，就參賽吧：電腦對局競賽
Chapter 3 是 AI 還是魔術：自動下棋機器人
Chapter 4 電腦如何下棋：從對局樹分析遊戲難易度
第二部分：搜尋演算法與審局函數
Chapter 5 窮舉的藝術：Minimax Algorithm
Chapter 6 形勢判斷：Evaluation Function
Chapter 7 靜態評估與形態學的結合：Bouzy's 5/21 Algorithm
Chapter 8 不要拼硬體，嘗試切他節點：Alpha-Beta Pruning
Chapter 9 斥侯探敵：Scout Algorithm
Chapter 10 順序也很重要：著手分析與優化
Chapter 11 化危機為轉機：Threat Space Search
Chapter 12 AI 也有鴕鳥心態：Horizon Effect
Chapter 13 實戰演練：圍棋征子邏輯
Chapter 14 實戰演練 2：進階征子邏輯
第三部分：MCTS 與 AlphaGo
Chapter 15 隨機模擬的魔法：Monte Carlo Method
Chapter 16 地獄倒楣鬼：春酒的賓果遊戲
Chapter 17 隨機亂下也能變高手：Monte Carlo Tree Search
Chapter 18 還要變得更強：MCTS 優化
Chapter 19 從不同角度看 AlphaGo
Chapter 20 抱在巨人的大腿上：AlphaZero 開源框架
第四部分：進階優化方式
Chapter 21 這不是綠豆糕，是棋盤：Board Representation
Chapter 22 凡走過請留下痕跡：Transposition Table
Chapter 23 不要每次都從零開始：Opening Book
Chapter 24 精準收割殘局：Endgame Database
Chapter 25 從開局到結束：蜜月橋牌殘局庫
Chapter 26 千錘百鍊的極限：Bitwise Operation
Chapter 27 終局：未來研究方向
第五部分：其他應用
Chapter 28 從象棋比賽作弊事件探討資料傳輸與資料結構
Chapter 29 下一個世界冠軍：天才棋手橫空出世
Chapter 30 電腦對局也能找工作：面試考題分享
♟️ 楊承恩（Marsgoat）
興趣使然的 AI 工程師，研究所時期專精的是電腦對局領域，在 TCGA、TAAI、ICGA 等電腦對局比賽中均取得過金牌。
曾任圍棋人科技 AI 工程師，身為圍棋愛好者，結合興趣與專長，致力於打造能幫助人類學習的圍棋 AI。
♟️ 陳彥吉
自 2015 年開始參與國際電腦對局比賽，並分別在黑白棋、Nonogram、外五棋等多個遊戲項目上取得金牌。長期的競賽經驗不僅培養了冷靜分析與縝密思考的能力，也讓我更深刻體會到強化學習、對局演算法設計與人機對弈的魅力。
在比賽之外，亦積極投入相關領域的研究與推廣，希望能將電腦對局與強化學習的精神，轉化為更多元的應用與分享，讓更多人感受到電腦對局所帶來的樂趣與啟發。
興趣使然的 AI 工程師，研究所時期專精的是電腦對局領域，在 TCGA、TAAI、ICGA 等電腦對局比賽中均取得過金牌。
曾任圍棋人科技 AI 工程師，身為圍棋愛好者，結合興趣與專長，致力於打造能幫助人類學習的圍棋 AI。
♟️ 陳彥吉
自 2015 年開始參與國際電腦對局比賽，並分別在黑白棋、Nonogram、外五棋等多個遊戲項目上取得金牌。長期的競賽經驗不僅培養了冷靜分析與縝密思考的能力，也讓我更深刻體會到強化學習、對局演算法設計與人機對弈的魅力。
在比賽之外，亦積極投入相關領域的研究與推廣，希望能將電腦對局與強化學習的精神，轉化為更多元的應用與分享，讓更多人感受到電腦對局所帶來的樂趣與啟發。
Details
Review
0 ratings
1 stars
0%
2 stars
0%
3 stars
0%
4 stars
0%
5 stars
0%
Write a review
Eligible to write reviews after purchasing products or add to Library
