當最多人下的著法其實是不精確
摘要
- 在 4,121 個常見開局局面中,有 144 個局面裡 Lichess 1600 到 2200 分棋手最常選的著法,在兩千萬節點的 Stockfish 面前會失去取勝機會。比例是 29 個裡有 1 個。
- 其中半數是大師從不採用的棄兵與冷門變例。在大師確實下到的局面裡,多數大師早已走引擎的著法;只有四個局面與俱樂部棋手犯同樣的錯。
- 以對局數計最大的一例:1.e4 e5 2.f4 d6 之後,85% 的俱樂部棋手走 3.Nf3,而 3.d3 幾乎好上一個兵。
- 解法就在局面瀏覽器的設定裡:大師資料庫,2018 年起。全部 144 個都收在一份研究中。
Lichess 的開局瀏覽器會告訴你,在任一局面下大家接著走了什麼、結果如何。它可以顯示三種資料庫(Lichess 上所有計分對局、大師對局,或某位棋手的對局),並可按分數段、棋速與年份篩選,而按年代篩選的大師資料庫是現有最好的免費開局書。但俱樂部棋手預設看到的表格,是自己分數段的 Lichess 資料庫,最上面一列就是該水準最多人下的著法。那一列是我們大多數人會走的著法,因為別人都這樣走。我想知道:它有多常是一個不精確?
答案是,在 1600 到 2200 分棋手下到 500,000 次以上的 4,121 個局面裡,有 144 個,29 個裡有 1 個。在這些局面中,最多人下的著法相對於引擎在兩千萬節點下的著法,至少損失十分之一的取勝機會,而第二次獨立搜尋也同意這個判斷。其中有些是只有俱樂部棋手才下的棄兵變例。有些是大師一個世紀以來都走引擎著法的主流變例。有四個局面是大師與俱樂部棋手犯了同樣的錯。
「最多人下」是怎麼來的
Lichess 資料庫收錄站上所有計分對局,可按分數段與棋速篩選。我取 1600 到 2200 分之間的快棋、拉普與慢棋,從起始局面沿著局面樹往下走,只要對局數維持在 500,000 以上就繼續(最多 14 著),並保留路上的每一個局面:共 4,121 個。每一個局面局面瀏覽器都會給出著法表,所以「最多人下」是關於那個分數段的事實,不是關於西洋棋本身的事實。
接著每個局面都用 Stockfish 18 以 20,000,000 節點、三條變例跑過。最多人下的著法,是以同一次搜尋得出的最佳著法為基準來評判,採用 lila 自己的取勝機會公式,也就是決定 Lichess 分析報告上何時標 ?! 的那個公式。差距 0.1 以上算不精確,0.2 算錯著,0.3 算嚴重錯著。每個被標記的局面再以不同執行緒數做第二次 20M 搜尋,168 個中有 24 個沒能通過;144 個通過了。這正是上一篇文章發現的同一個雜訊底線,也是為什麼本文從不以單次搜尋作為定論。
這 144 個局面我也按年代(2010 年之前、2010 到 2017、2018 年起)取了大師資料庫的資料,下面的分類就是從這裡來的。
四種型態
| 型態 | 局面數 | 含意 |
|---|---|---|
| 只有俱樂部棋手 | 69 | 大師在此沒有對局,或少於二十局;這條變例是俱樂部棋手獨有的 |
| 大師一直都知道 | 51 | 大師的首選著法在每個年代都是引擎的著法 |
| 大師走第三種著法 | 12 | 大師既不走俱樂部的著法,也不走引擎的首選 |
| 大師改弦易轍 | 8 | 大師的首選著法在較晚的年代變成了引擎的著法 |
| 大家都這樣走 | 4 | 大師的首選著法也是俱樂部的著法 |
俱樂部棋手的開局書,大多是大師從未翻開的一本:69 個局面是棄兵與冷門變例,沒有值得計入的大師對局。在大師確實會下的局面中,有 51 個他們已經和引擎一致,另有 8 個逐漸朝引擎的著法移動。144 個中只有四個是大師與俱樂部棋手共犯同一個錯。理論並沒有落後引擎太多;是俱樂部棋手落後理論。
十個局面
每一個下面都有一個棋盤。最多人下的著法在主變例上,並附標記;引擎的變例是帶數字的副變例;註解裡有俱樂部棋手的比例以及大師的歷史選擇。先看長條圖:俱樂部著法與引擎著法分別被 1600 到 2200 分棋手、以及各年代大師走出的頻率。
鏽紅色是俱樂部棋手的最愛,藍色是引擎的著法。大師欄位不足二十局者留空。
王翼棄兵,2…d6。1.e4 e5 2.f4 d6 之後,85% 的俱樂部棋手走 3.Nf3,下到此局面的大師也有半數如此。在 20M 下它是 −0.67;3.d3 是 +0.25,因為 3.Nf3 exf4 之後黑方吃下這個兵並守住它(局面樹的下一個局面也印證了這點:接著有 44% 走 3…Nc6?! 而不吃兵)。大家都這樣走,而以對局數計,這是本清單上最大的一次失誤。
彼得羅夫防禦,3.Bc4。1.e4 e5 2.Nf3 Nf6 3.Bc4 累積了一千萬局俱樂部對局,三分之一的黑方回以 3…Nc6,把它變成兩馬防禦。3…Nxe4 可以吃兵:−0.54 對 +0.15。大師在每個年代都吃了這個兵,十次有七次。
四馬防禦,西班牙式,4…d6。1.e4 e5 2.Nf3 Nc6 3.Bb5 Nf6 4.Nc3,31% 的俱樂部棋手走 4…d6,+0.69。Akiba Rubinstein 的 4…Nd4 是 0.00,而這是本清單上唯一能親眼看到理論移動的一條變例:大師在 2018 年前的首選是 4…Bb4,如今是 4…Nd4(2,666 局中佔 39%)。俱樂部棋手兩者都沒走過。
維也納棄兵,3…exf4。1.e4 e5 2.Nc3 Nf6 3.f4,30% 的人吃兵。這是白方 +0.63;而 3…d5,也就是各年代 97% 大師都走的著法,是 −0.31。吃兵是最自然的一著,也是輸掉的一著,而這正是棄兵的用意。
Stafford 棄兵,第 6 著。1.e4 e5 2.Nf3 Nf6 3.Nxe5 Nc6 4.Nxc6 dxc6 5.Nc3 Bc5,網路上最受歡迎的陷阱,有 120 萬局俱樂部對局。四分之一的白方走 6.Bc4,正好踩進 6…Ng4 與這個棄兵的全部用意:−0.79。先走 6.h3 是 +1.74,整整一個子的差距,也是這十個局面中最大的落差。大師下到這個局面只有三次。
Busch-Gass 棄兵,2…Bc5。1.e4 e5 2.Nf3 Bc5 獻出 e 兵,48% 的白方以 3.Bc4 拒吃。就吃下去吧:3.Nxe5 是 +1.60,對比 +0.24,而且 3…d6 4.Nf3 之後這個兵守得住。七百萬局俱樂部對局,大師對局總共只有五局。
Falkbeer 反棄兵,3.exd5。1.e4 e5 2.f4 d5 3.exd5,43% 的俱樂部棋手走教科書上的 3…e4,也就是 Falkbeer 得名的那一著。它是 +0.52。3…exf4 是 −0.19,而大師是公開地發現這件事的:他們走 3…exf4 的比例從 2010 年前的 36% 升到 73%,再到 82%。俱樂部棋手用的是舊版的開局書。
倫敦系統,2…g6 3.Nc3。1.d4 Nf6 2.Bf4 g6 3.Nc3,73% 的俱樂部棋手走 3…Bg7,那是在其他倫敦系統裡都會走的一著。但在這裡它是 +0.62,而 3…d5 是 0.00,因為 3.Nc3 的用意就是要走 4.e4,象的那一著讓它得以實現,而 3…d5 則阻止了它。大師走 3…d5 的比例按年代依序是 48%、66%、77%。
中心兵防禦,3.Ng5 變例。1.e4 d5 2.Nf3 dxe4 3.Ng5 Nf6 4.d3 exd3 5.Bxd3,一百萬局俱樂部對局,31% 的黑方走 5…h6 來趕馬。回應是 6.Nxf7 Kxf7 7.Bg6+,d8 上的后就沒了:白方 +2.70,對比 5…Nc6 的 −1.12。從來沒有大師身處這個局面。
接受后翼棄兵,3.e4 e5。1.d4 d5 2.c4 dxc4 3.e4 e5,63% 的白方推 4.d5。它是 −1.02;4.Nf3 是 +0.43,而大師在每個年代走 4.Nf3 的比例都在 97% 到 100% 之間。那一推看起來搶到了空間,實際上把中心交給了黑方。
全部 144 個都收在這份研究裡,這十個排在最前面,其餘按「涉及對局數乘以該著法所損失的幅度」排序。
如何閱讀局面瀏覽器
你所在分數段中最多人下的著法,就是與你同分的人多數會走的著法,這並不是推薦,局面瀏覽器也從未說它是推薦。能修正這份清單上大部分問題的篩選條件,已經在齒輪選單裡了。切換到大師資料庫,並把年份設為 2018 年起,不要用全時期的表格:大師的開局書會移動,而全時期的表格是各年代的平均。此外,當最多人下的著法是吃兵或拒吃時,先查引擎,別輕信群眾;上面十個局面裡有六個是吃子或拒吃。
測量方式
局面:Lichess 開局瀏覽器,資料庫選「Lichess」,分數 1600、1800、2000、2200,棋速為快棋、拉普與慢棋,自起始局面往下走到 14 著深度,保留所有至少 500,000 局的局面,並在展開 4,000 個節點時停止(佇列中還剩 55 個)。評估:Stockfish 18,20,000,000 節點,MultiPV 3,每個局面一次搜尋,在 Modal 上執行。最多人下的著法,是以該次搜尋得出的最佳著法為基準來評判;當搜尋把它排進前三名時,就用它自己的變例,否則對其後的局面另做一次 20M 搜尋;lila 的取勝機會公式(2 / (1 + e^(−0.00368·cp)) − 1)給出差距。0.1 起標記。驗證:對每個被標記的局面,在不同機器與不同執行緒數上再做一次 20M MultiPV-3 搜尋,規則相同;168 個中有 144 個通過。年代:大師資料庫,分別使用 until=2009、since=2010&until=2017、since=2018;不足二十局的欄位視為無資料。測試框架沿用Lichess 分析那篇文章所用的那一套。
相關資源:
- 這份研究:全部 144 個局面,附俱樂部棋手比例、大師的歷史選擇與引擎的變例
- Lichess 開局瀏覽器:本文所有流行度數字的來源
- Lichess 分析遺漏了什麼:上一篇文章,談這些標籤是怎麼產生的