的水平。
在2008年的当下，智能手机已经可以安装棋类游戏了。
塞巴斯蒂安·凯尔在用的软件是德国公司开发的pocket
fritz，使用了hiarcs
12.1引擎，是这个时期算力最强的棋类ai。
……我们和alpha
go*谁能赢？
你看着手机屏幕上的棋盘格，下意识问了你的系统。
[我们]
你的系统回答了你。
早期的棋类ai基于经典的搜索算法（比如alpha-beta剪枝）和评估函数，通过穷举计算大量的棋步组合来选择最佳走法。
在1988年，棋类引擎“深思”（deep
thought），就以每秒计算500,000个局面的算力，击败了丹麦特级大师拉尔森。
2000年左右，棋类ai能够每秒计算2亿个局面，pocket
fritz因此获得了“世界计算机快棋锦标赛”的冠军。
在不久的将来，由谷歌开发的alpha
go使用的是深度神经网络和蒙特卡洛树搜索（mcts）相结合的技术。
——所有的ai都需要迭代升级，而你的系统却是一个来自更遥远未来的“完全算力模型”。
将你的系统与这个时期的ai进行比较，几乎是在进行不等量的对比。
注意到了你的目光，塞巴斯蒂安·凯尔把手机递给了你，笑着询问你是否也想来一局。
你挑着眉稍，有些坏心思地用舌头顶了顶腮，欣然接受了他的邀请。
于是你按照系统提示的操作开始了对局。
——这真犯规，但谁又能知道呢？
fritz
ai选择了经典的西西里防御（1.
e4
c5），这是当下ai常用的防守策略，依赖于数据库中的丰富开局知识应对对手。
你却按照系统的提示，选择一个复杂且罕见的变种：奇奥尼变种（2.
nf3
e6
3.
d4
cxd4
4.
nxd4
a6），迅速将pocket
fritz引入一个不常见的局面，削弱了开局数据库的优势。
刚刚才到更衣室的罗伊斯也注意到了你们，好奇心驱使着他走到你身边，饶有兴致地看着你的棋局。
fritz
ai计算出了一些经典的战术组合，在中盘阶段尝试通过兵链推进（d6,
e5）来控制棋盘中央，试图交换棋子获得优势。
——这个时期的ai通常使用“评估函数”计算棋局中的优势。
你用弃子设置陷阱，牺牲了一个兵卒（5.
c3），使pocket
fritz的评估函数得出有利的结果，误以为己方占据了优势。
但实际上，你在几步之后削弱了它对棋盘中心的控制权。
随着对局的深入，进入更衣室的其他队友也看到了你们，陆续换好衣服，开始三三两两地聚拢过来，互相交换着眼神。
有人一边系着球鞋，一边目不转睛地盯着屏幕，还有人停下了换衣服的动作，双手抱胸站在你的身旁，神情专注。
你在第35步结束了这场不对等的对决，将pocket
fritz的王彻底将死（qh8#）。
围在你身边的队友们发出了低声的惊叹，胡梅尔斯笑着摇了摇头，格策轻轻撞了撞你的肩膀，低声对你说了一句“respekt!”（佩服）
罗伊斯张了张嘴，目光不由自主地从棋盘上移开，缓缓转向了你，眼中满是不可思议。
——他最后甚至开始用手机查询步骤，试图用ai模拟你的每一步棋。
“你知道吗……这是fritz最高难度的ai，和pc端是通用的。”
塞巴斯蒂安·凯尔的声音有些生涩。
和围棋不同，国际象棋的策略更多地依赖于局部和全局的战术结合，棋子位置和控制的局面评估相对明确，通过大量的棋谱分析和经验积累，ai可以构建强大的评估函数，计算最佳走法。
早在1997年，ibm开发的deep
b露e
