[LG]《Evaluating In Silico Creativity: An Expert Review of AI Chess Compositions》V Veeriah, F Barbero, M Chiam, X Feng... [Google DeepMind & University of Oxford] (2025)

人工智能创造力新突破：谷歌DeepMind团队与国际象棋大师共评AI生成棋谜

随着生成式AI迅猛发展，其创造力备受关注。DeepMind等机构近日推出了一套基于4百万棋谜数据训练的神经网络生成系统，通过自回归Transformer、离散扩散和MaskGit模型，结合强化学习奖励机制，生成具备美学价值、创新性和反直觉解法的国际象棋谜题。奖励机制确保每局仅有唯一获胜步骤，且难度适中——强引擎能解，弱引擎难辨。

该团队精选数百万样本，结合人工筛选与主题检测，汇编成棋谜册交由国际大师Amatzia Avni（国际大师）、Jonathan Levitt（特级大师）和Matthew Sadler（特级大师）评审。专家普遍认可AI作品在创新主题融合和棋盘布局上的独到见解，尤其赞赏其自然、反直觉且富有几何美感的走法。但也指出部分谜局较为简单或缺乏传统残局研究的深度，且有些不够真实。专家建议未来发展应提升复杂度，引入更丰富的变招和反击。

专家们对创意的定义各异，体现国际象棋美学的主观性。比如，所有专家一致推崇的谜题中，白方以不寻常的牺牲双车展开攻势，最终通过巧妙的后翼渗透完成致胜，这种“非常规”的牺牲与几何组合令强棋手也难以一眼识破。其他精选谜题则展示了“弃子诱杀”、“升变骑士”、“撤退攻击”等多样主题，体现了AI在复杂棋局构思上的潜力。

本研究突破了传统基于数据库挖掘的作题方式，开辟了人机协作创作的新路径，未来有望推广到更多棋类和解决问题领域。专家反馈不仅验证了AI创作的价值，也为提升算法提供了宝贵方向。

详细谜题解析、专家点评及技术细节均公开，欢迎感兴趣者挑战并深入探讨。

论文链接：arxiv.org/abs/2510.23772

这不是简单的棋局生成，而是AI与人类智慧在棋艺美学上的对话与融合，值得每一位棋迷和AI研究者关注。