1997 - Deep Blue 搜尋智能#
案件摘要#
1997 年 5 月，IBM 的 Deep Blue 以 3.5 : 2.5 擊敗世界棋王 Kasparov——符號派智能的巔峰之作。它的智慧由三件套組成：
一句話：不看「懂」棋，只看得「深」。這是暴力搜尋智能的加冕典禮，同時也是它的句點——下一場智能革命不再來自搜尋，而來自學習。
前因 -- 為什麼會有這個案子#
- 1950 年 Shannon 發表《Programming a Computer for Playing Chess》，劃下西洋棋程式的藍圖：極小極大搜尋 + 評估函數。此後四十年，棋類程式沿此路線爬坡。
- 符號派 AI 的信念（見 1965-DENDRAL專家系統.md 與「科學與歷史/人工智慧/」）：智能 = 知識表示 + 搜尋。棋盤是封閉世界，正是符號派的理想戰場。
- 1985 年學生時代 Kasparov 曾對棋類程式輕蔑：機器只是靠暴力。1989 年 Deep Thought（Deep Blue 前身）首次對戰即被橫掃——IBM 的動機：用工程實力證明暴力搜尋可以壓過人類直覺。
- 工程難題：人類大師每步只看幾十個候選，但看得很深；機器若要「以深補淺」，必須每秒搜尋上億節點——需要特殊硬體。許峰雄從 CMU 的 Deep Thought 一路做到 IBM 的 Deep Blue，十二年的執念只有一個目標：打敗 Kasparov。
- 同年，連接派推出 LSTM（見 1997-LSTM長短期記憶.md）——兩種智能觀在同一時刻分道：一個往深搜尋，一個往學習。
線索與推理 -- 數學式、程式、理論#
第一條線索：極小極大與 Alpha-Beta——搜尋的數學#
西洋棋是零和完全資訊賽局。極小極大值定義：
Alpha-Beta 剪枝在此之上加了一條動態規劃式的裁決：若某分支的價值已註定不會被選擇（ \(\alpha \ge \beta\) ），就整枝砍掉。理想排序下，搜尋節點數從 \(O(b^d)\) 降到 \(O(b^{d/2})\) ——同樣算力，看得深一倍。
| 方法 | 每步節點數（分支因子 \(b=35\) , 深度 \(d=6\) ） | 有效深度 |
|---|---|---|
| 暴力極小極大 | \(\sim 35^6 \approx 18\) 億 | 6 |
| Alpha-Beta（好排序） | \(\sim 35^3 \approx 4\) 萬量級 | 12 |
第一條線索補遺：延伸搜尋與開局庫——工程細節的偵探價值#
Deep Blue 的搜尋不只是裸的 Alpha-Beta，還有三層工程修飾：
| 修飾 | 機制 | 效果 |
|---|---|---|
| 靜態延伸（quiescence） | 在吃子/將軍序列上繼續深搜，直到局面「安靜」 | 避免「水平線效應」——看不見換子後的災難 |
| 開局庫 | 內建數十萬局大師開局棋譜 | 前十幾步直接查表，省下算力 |
| 殘局資料庫 | 少數棋子時窮舉完美解 | 殘局階段機器全知 |
偵探的判讀：這些修飾全是符號派知識工程——把人類大師的知識一格一格寫進機器。Deep Blue 的勝利是「搜尋演算法 × 專家知識 × 硬體」的三角乘積，缺一角都不成立。
第二條線索：評估函數——知識的載體#
Deep Blue 的評估函數是符號派知識的總匯，數百個加權特徵：
權重由特級大師的棋譜（如 Kasparov 自己的數千局對局）以統計方法校準——值得注意的是：「學習」其實已經從後門溜進這台符號機器，只是學的是評估函數的係數，不是整個策略。
第三條線索：特殊硬體——200 百萬步/秒#
Deep Blue 的本體是 256 個自訂西洋棋晶片（每顆內含 480 個搜尋加速器），整機每秒評估 2 億個棋局，搭配殘局資料庫與開局庫。對比 Kasparov：人腦每秒「評估」不過數十個局面。
| Kasparov | Deep Blue | |
|---|---|---|
| 每秒局面數 | \(\sim 10\) – \(100\) | \(\sim 2 \times 10^8\) |
| 搜尋深度 | 每主線 10+ 層（靠直覺剪枝） | 6–8 層 + 延伸 |
| 知識來源 | 四十年直覺與棋譜內化 | 數百特徵 + 大師棋譜校準 |
| 疲勞 | 有（第 6 局敗因之一） | 無 |
1997 年的勝負手：第二局 Deep Blue 下出一手「反直覺」的棄子，讓 Kasparov 懷疑「機器後面有人」——心理防線崩潰，第六局 19 步速敗。暴力搜尋 + 心理戰，共同完成了加冕。
第四條線索：巔峰即句點——符號派的結構性極限#
Deep Blue 的智慧是任務專用的：換成圍棋，搜尋空間從 \(10^{47}\) 爆到 \(10^{170}\) ，暴力搜尋完全失效；它的「理解」不含任何可遷移的概念。這預示了符號派的天花板：
- 1997 年之後，IBM 轉向 Watson（2011）與醫療 AI——不再是搜尋（見 2011-Watson問答系統.md）。
- 圍棋要等到 2016 年 AlphaGo 用「深度神經網路評估 + 蒙地卡羅樹搜尋」破解（見「科學與歷史/人工智慧/」），那已是學習派的天下。
- 伏筆：Deep Blue 證明「搜尋 + 知識」能贏封閉賽局；二十 年後的 AlphaZero 證明「學習 + 搜尋」能贏一切賽局——搜尋仍在，但知識的來源換成了神經網路。
結案 -- 後果與影響#
- 「電腦下不贏棋王」的最後防線崩潰，AI 從此不再以棋類為聖杯——智力測試的轉向。
- 符號派工程學的巔峰與句點：任務專用硬體、專家知識編碼的路線，在通用性上撞牆。
- 評估函數校準是「學習從後門進入符號系統」的先聲——預示了神經網路作為搜尋引導（AlphaGo/AlphaZero）的未來。
- 對 AI 存在主義的衝擊：Kasparov 之敗引發「機器智能」的公共大辯論，深度學習時代的敘事由此起跳。
- 伏筆：本卷接下來的 2006-Hinton深度信念網路.md 與 2009-ImageNet資料集.md 走的是另一條路——學習 + 資料 + GPU，最終在 2012-AlexNet影像革命.md 引爆，並於 2017-Transformer.md 登上語言王座。搜尋派與連接派在 2020 年代以 AlphaZero 式「學習引導搜尋」與 LLM 的推理鏈重新合流。
關鍵人物與文獻#
- Garry Kasparov：世界棋王，1997 年的敗者與見證者。
- Feng-hsiung Hsu（許峰雄）：Deep Thought/Deep Blue 的核心工程師，《Behind Deep Blue》作者。
- Shannon, Programming a Computer for Playing Chess, Philosophical Magazine, 1950（搜尋智能的藍圖）。
- Knuth & Moore, An Analysis of Alpha-Beta Pruning, 1975。
- Hsu, IBM's Deep Blue Chess Grandmaster Chips, IEEE Micro, 1999。
- Kasparov, Deep Thinking, 2017（敗者的反思）。
- 相關案件：1965-DENDRAL專家系統.md、1997-LSTM長短期記憶.md、2006-Hinton深度信念網路.md、2012-AlexNet影像革命.md（見「科學與歷史/人工智慧/」）