与ChatGPT下棋？它最多能下几步呢？

前言

过去的国庆节中难得整理完自己的事情之后可以休息一下，闲来无事学了点国际象棋，感觉还挺有意思的，与中国象棋还是有些许差别的，看着手里的ChatGPT，想着可不可以整一点好玩的？

简单讲一下国际象棋的规则与符号术语吧，照顾一下没时间又想学的同学们

国际象棋规则与符号术语

国际象棋是一款两人对战游戏，双方各有16个棋子，包括一个国王（王）、一个王后（后）、两个主教（象）、两个骑士（马）、两个战车（车）和八个兵（兵）‌，目标是将对方的国王将死（即没有任何合法走法能拯救国王）。

棋子和走法：

• 国王（K）：每次走一格，任意方向。
• 皇后（Q）：任意方向，任意格数。
• 车（R）：直线（横或竖），任意格数。
• 象（B）：对角线，任意格数。
• 马（N）：走“日”字，跳过其他棋子。
• 兵（P）：直走一格（首次可走两格），斜吃对方棋子。

特殊情况：

• 将军：你的棋子攻击对方国王。
• 将死：对方国王被攻击且无路可逃，胜利。
• 和棋：双方无法取胜时平局。

游戏中白棋先走，双方需要通过使用不同棋子的走法来保护自己的国王，并试图将死对方国王。

在国际象棋中，PGN（Portable Game Notation）是用来记录棋局的一种标准格式。以下是解释一些常见的国际象棋符号和术语：

棋子符号：

• N：骑士（Knight）。在国际象棋中，“N”代表骑士，因为“K”已经用于国王（King）
• B：象（Bishop）
• R：车（Rook）
• Q：皇后（Queen）
• K：国王（King）

移动方式：

例如，Nc6表示骑士（N）移到c6这个格子。
Bh4表示主教（B）移到h4这个格子。
只有d4格子，则默认为兵的行动。
O-O：短易位（Kingside castling），国王向右（王翼）移动两格，然后车子越过国王放在国王旁边。
O-O-O：长易位（Queenside castling），国王向左（后翼）移动两格，然后车子越过国王放在国王旁边。
g8=Q：兵升变，白兵走到 g8 并升变为皇后（Queen），当一个兵走到对方棋盘的最后一排（对黑棋来说是第1行，对白棋来说是第8行）时，它可以升变为其他棋子，通常是皇后，因为皇后是最强的棋子，能最大化提升实力。不过，玩家也可以选择将兵升变为车（Rook）、象（Bishop）或马（Knight）。

特殊符号：

#：代表"将死"（checkmate）。例如，Qe7# 表示皇后移动到e7格，结束棋局，将死对方国王。

+：代表"将军"（check）。这个符号表示对方的国王被将军，但还没有将死。

其他符号：

dxc4：表示用d线上的兵吃掉c4格上的棋子。“x"表示"吃子”（capture）。所以dxc4表示d线的兵移动并吃掉c4格上的棋子。

如何让LLM下棋？

如果是尝试通过简单的聊天让 ChatGPT 下棋，那可能会与预想有差别。因为该模型只在内存中保存大约十步棋，而且经常做出非法动作。

为了使像 ChatGPT 这样的语言模型 (LLM) 正常工作，我们需要利用它的一个特性：它以统计方式再现了它在训练期间学到的东西。

在国际象棋中，有一种称为"PGN"（便携式游戏符号）的格式，它是一种长文本，包括一个包含有关游戏的一般信息（结果、玩家、ELO 等）的标题和一个包含一系列所走棋步的正文，也就是我们上面说的符号术语

通过提供 PGN 文件的开头并要求 LLM 生成后续内容，它可以更连贯地下棋。

使用"bresse"库进行实验

Bresse 是一个用于国际象棋 AI 等 LLM（大型语言模型）的库。该库利用了 LLM 可以重现表示国际象棋游戏的格式（称为 PGN）这一事实。

可以利用各种工具来促进实验、推理过程中的 PGN 修改以及各种有用的信息。

该第三库可以允许 LLM 使用该chess库下棋。
而该库是怎么促进移动生成的呢？

• 处理棋谱文件（PGN）

国际象棋的棋局通常记录在PGN文件中，里面详细记录了每一步棋的走法。

我们需要先对这些文件进行处理，以便让人工智能模型更好地理解它们。因为现有的棋库（chess library）主要是给人和程序员用的，不是专门为AI模型设计的。

• 优化棋步的合法性：

在让AI选择下一步棋的时候，我们可以用一种“温度”的概念。这就像是让AI尝试一些变化的可能性，而不是总是选择最明显的一步。

然后，我们可以让AI尝试多个走法，看看它最常推荐哪一步。这样就能提高选出的棋步的准确性，确保AI走的棋更符合规则。

• 选择使用的AI模型

我们可以选择不同的AI模型来帮忙，比如OpenAI、HuggingFaceHub或MistralAI。这就像是选择不同的工具，每个工具在性能和特点上都有不同。

• 了解使用这些模型的成本

使用这些AI模型通常是按生成的数据量收费的。

比如，我们可以计算出用这些模型花1美元能生成多少次预测，这样我们就能知道使用这些模型的费用大概是多少。

• 检测非法的走法

即使AI建议了一些走法，我们也需要用棋库来检查这些走法是否合法。就像一个裁判一样，确保每一步棋都符合国际象棋的规则。

如果AI给出了非法的走法，棋库就会指出来，这样我们就可以再调整AI的预测，直到得到符合规则的走法。

与 ChatGPT 下棋

以下是使用该库让用户与 ChatGPT 进行游戏的示例代码：

import os 
from dotenv import load_dotenvfrom bresse import generate_pgn, game_play_san 
from bresse.models import OpenAIModel 

# 加载环境变量
load_dotenv() 

# 生成 PGN 游戏
game = generate_pgn( 
    white= "Alpha Zero" , 
    black= "Stockfish"