在一個邊長僅有數十公分的木質棋盤上，兩名棋手對坐，凝視著由 64 個黑白相間方格組成的戰場。這個看起來規則簡單、空間有限的遊戲，背後卻隱藏著一個令所有物理學家與數學家為之震撼的無限宇宙。這就是「西洋棋」（Chess）。早在西元六世紀，印度人發明西洋棋的雛形（恰圖蘭卡）時，人們就已經直覺感受到它那幾何級數增長的複雜度。到了 1950 年，資訊理論之父克勞德·香農（Claude Shannon）發表了一篇劃時代的論文，首次用數學公式估算出西洋棋所有可能的對局總數。這個數字高達 10120，被後人稱為「香農數」（Shannon Number）。這個數字到底有多大？它不僅遠遠超出了我們所能觀測宇宙中的原子總數（估計約 1080 個），更成為了檢驗人類計算能力與人工智慧進化史的終極試金石。本文將從純數學組合、賽局樹搜索算法到神經網路 AI 的崛起，深度解密西洋棋盤上的組合爆炸。
🧮 幾何級數的威力：如何推導出「香農數」？
西洋棋的規則非常嚴格，每個棋子（步兵、騎士、主教、城堡、皇后、國王）都有固定的移動軌跡。然而，正是這些規則的交織，產生了令人難以置信的數學組合爆炸。
🌾 麥粒與棋盤的古老傳說
關於組合爆炸，最著名的故事是關於西洋棋發明者的獎賞。相傳國王想要賞賜西洋棋的發明者，發明者請求國王：「請在棋盤的第一個格子放 1 粒麥子，第二個格子放 2 粒，第三個放 4 粒，以此類推，每個格子的麥粒數都是前一個的兩倍，直到放滿 64 個格子。」 國王欣然允諾，以為這只是一小袋麥子。但當數學家計算後發現，第 64 個格子需要放置的麥粒數為： 263 = 9,223,372,036,854,775,808 粒 而整個棋盤的麥粒總數為 264 - 1，這相當於全球數百年的小麥產量總和。這就是幾何級數增長（組合爆炸）在人類歷史上的第一次震撼亮相。
📐 香農數的數學推導公式
克勞德·香農在 1950 年的論文《為電腦寫西洋棋程式》（Programming a Computer for Playing Chess）中，提出了一套簡化的數學估算模型，用來計算西洋棋「賽局樹複雜度」（Game Tree Complexity）。 香農做出了以下兩個基於實際對局數據的平均假設：
- 平均分支因子（b）：在對局的任意一個回合中，一名棋手平均有 30 種合法的走法。
- 平均對局長度（d）：一場標準西洋棋對局，雙方各走 40 步，因此總共包含 80 個單步（Plies）。
基於這兩個假設，賽局樹上的總節點數（即所有可能的棋局走向）可以表示為：
這就是著名的「香農數」（10120）。為了讓讀者對這個數字有具體的物理概念：
- 整個地球的水分子總數約為 1046 個。
- 銀河系中的恆星總數約為 1011 顆。
- 我們能觀測到的整個宇宙中，所有原子（包括質子與中子）的總數大約在 1078 至 1082 之間。 這意味著，西洋棋盤上可能出現的對局變化，比整個宇宙中所有的原子總數還要多出數十個數量級。
🤖 從「深藍」到 AlphaZero：人工智慧如何征服無限棋盤？
面對如此龐大的組合空間，人類棋手依靠的是直覺、模式識別與精選的深度計算；而電腦的進化則經歷了從「暴力計算」到「類人神經網絡直覺」的典範轉移。
🖥️ 1. 暴力搜索時代：深藍（Deep Blue）與極大極小演算法
1997 年，IBM 的超級電腦「深藍」（Deep Blue）擊敗了當時的人類世界冠軍卡斯巴羅夫，震驚世界。深藍的本質是暴力計算的巔峰。 它採用了「極大極小演算法」（Minimax Algorithm）配合「Alpha-Beta 剪枝」（Alpha-Beta Pruning），並運行在專屬的硬件晶片上，每秒鐘能評估 2 億個棋局位置。深藍沒有任何「智能」，它只是依靠強大的硬體，在香農數的冰山一角中進行深達 12 步以上的暴力搜索，找出勝率最高的走法。
🧠 2. 深度學習與強化學習時代：AlphaZero 的降維打擊
深藍雖然贏了，但人類依然引以為傲地認為，圍棋（狀態空間複雜度更高，達 10170）是人工智慧無法逾越的鴻溝。然而，2016 年 AlphaGo 的出現打破了這一神話。 緊接著，Google DeepMind 推出了更強大的「AlphaZero」。AlphaZero 不需要任何人類的歷史棋譜，它只被輸入了西洋棋的基本規則，然後開始進行「自我對弈」（Self-play）強化學習。 在短短 4 個小時內，AlphaZero 自我對弈了數百萬局，自行發現了人類數千年來累積的所有開局戰術，並開發出許多顛覆傳統棋理的新奇走法。在對局中，AlphaZero 每秒僅需搜索 8 萬個位置（遠低於深藍的 2 億次），但它配備了深度卷積神經網絡，能像人類大師一樣「直覺地」判斷棋局的優劣，這標誌著 AI 從單純的暴力計算邁向了直覺與策略融合的新紀元。
📊 不同經典棋類遊戲之數學複雜度對比
為了幫助讀者理解西洋棋在棋類遊戲中的數學定位，以下整理了幾款經典棋類遊戲的複雜度對比：
| 遊戲名稱 | 棋盤大小 | 平均分支因子 (b) | 狀態空間複雜度 (State Space) | 賽局樹複雜度 (Game Tree) | AI 征服時間與代表系統 |
|---|---|---|---|---|---|
| 井字棋 (Tic-Tac-Toe) | 3 x 3 | 約 4 | 103 (極簡單) | 105 (可完全窮舉) | 古代已完全破解，電腦不會輸。 |
| 黑白棋 / 翻轉棋 | 8 x 8 | 約 10 | 1028 | 1058 | 1997 年電腦完全超越人類 (Logistello)。 |
| 西洋棋 (Chess) | 8 x 8 | 約 35 | 1047 | 10120 (香農數) | 1997 年擊敗世界冠軍 (IBM Deep Blue)。 |
| 將棋 (Shogi/日本將棋) | 9 x 9 | 約 80 (因為可以持駒重用) | 1071 | 10220 | 2017 年 AI 完全超越人類大師 (Elmo)。 |
| 圍棋 (Go) | 19 x 19 | 約 250 | 10170 | 10360 | 2016 年擊敗人類頂尖棋手 (AlphaGo)。 |
「西洋棋的魅力在於，它完美地處於『人類智慧的極限』與『電腦暴力窮舉的起點』之間。如果是井字棋，大腦一眼就能看穿；如果是圍棋，古代電腦根本無從下手。西洋棋剛好給了人類與機器在智力邊界上對決了數十年的最佳舞台。」 這正是西洋棋在科學史上擁有崇高地位的原因。
❓ 常見問題 FAQ
Q1: 既然西洋棋的可能局數是有限的（香農數），電腦有一天能「完全破解」西洋棋，寫出無懈可擊的必勝棋譜嗎？
目前物理上不可能。雖然西洋棋的可能變化是有限的，但 10120 這個數字實在太過龐大了。根據物理學極限，即使我們把整個地球上的所有原子都改造成最先進的超級電腦，並讓牠們從宇宙大爆炸那一刻（約 138 億年前）開始不停地計算到今天，也遠遠無法窮舉完西洋棋的所有可能對局。因此，西洋棋在可以預見的未來，依然是無法被電腦完全「暴力窮舉破解」的。目前電腦只能在殘局剩餘 8 顆或更少棋子時，做到 100% 的窮舉破解（稱為殘局庫 tablebase）。
Q2: 為什麼圍棋的複雜度（10360）比西洋棋高這麼多？
這主要是因為「棋盤大小」與「規則限制」的差異。
- 棋盤大小：西洋棋是 8x8 = 64 格，且棋子會越吃越少，使得後期的搜索空間縮小。圍棋則是 19x19 = 361 個交叉點，且棋子是越下越多，這導致圍棋的每一手棋平均有 250 種合法位置（分支因子），遠高於西洋棋的 35 種。
- 幾何效應：分支因子從 35 提升到 250，在指數效應下，對局步數越長，總複雜度就會呈現爆發性的差異，使得圍棋的賽局樹複雜度達到了天文級的 10360。
Q3: 既然現在手機上的西洋棋 App 都能輕鬆擊敗世界冠軍，人類下西洋棋還有意義嗎？
非常有意義。這就像汽車發明之後，人類依然在舉辦百米短跑與馬拉松比賽一樣。汽車跑得比人快，並不妨礙人類挑戰自我體能極限的尊嚴與樂趣。同樣地，AI 雖然在計算深度上超越了人類，但人類之間的西洋棋對局充滿了心理博弈、時間壓力下的失誤、戰術陷阱以及獨特的藝術美感。而且，現代頂尖棋手廣泛使用 AI 作為訓練工具，這反而將人類的整體棋力推向了歷史上的最高峰。
Q4: 什麼是「香農極限」？它和香農數是一樣的嗎？
不一樣，這是兩個完全不同的概念。
- 香農數（Shannon Number）：是克勞德·香農估算出的西洋棋賽局樹複雜度（10120）。
- 香農極限（Shannon Limit）：是香農在資訊理論中提出的另一個偉大公式，用來計算在給定的噪聲信道中，能夠無錯誤傳輸數據的最大理論極限速率（信道容量）。它是現代 5G 通訊、行動網路與光纖通訊設計的理論基石。
📝 總結
香農數用簡潔的指數公式，為我們揭示了方寸棋盤背後那令人敬畏的數學深淵。西洋棋盤上的可能性，超越了我們所能觸及的物理宇宙的極限。在這片無限的組合海洋中，人類憑藉著直覺與智慧點亮了數千年的戰術火花；而人工智慧則從機械式的暴力搜索，演進到如今融合神經網路的深度強化學習。這場人與機器的棋盤史詩，不僅沒有消磨西洋棋的魅力，反而像一面鏡子，照亮了人類大腦認知機制與計算科學演進的偉大旅程。