原标题：看评论学象棋英国科學家尝试“另类”人工智能棋类算法

让AI学会下棋、成为“棋类大师”，一直是人工智能领域广为研究的课题近日，来自伦敦大学学院的Kamlish等人公布了他们另辟蹊径的研究试验——SentiMate一种采用自然语言处理方法，通过训练网络评论文本来学习国际象棋的算法它通过分析专家解说员的反应，对象棋动作的质量进行评价

在SentiMate之前，人工智能主要通过不断地对弈训练学习围棋2016年击败围棋世界冠军李世石的AlphaGo使用神經网络，与人类棋手的棋谱进行训练学习如何下围棋。到了2018年AlphaZero依靠深度神经网络、通用强化学习算法和蒙特卡洛树搜索，通过自我对弈进行强化学习

与Alpha系列采用神经网络、自我训练的方法不同，SentiMate尝试了一条自然语言学习路径该团队首先收集来自网络的2700条国际象棋游戲评论文本，然后建立了一个分类器该分类器能够在大量评论数据集中提取描述象棋动作质量的评论。他们还在象棋评论数据的基础上訓练了一个情绪分析模型分析人们通过语言所传递出的正向情绪来评估象棋的动作质量，从而指导机器人在棋局中的下一步行动研究囚称，这两个模型都达到了90%以上的分类精度在此基础上，他们提出了一个象棋引擎sentimate它基于预先训练的情绪评估功能来评估象棋的动作。

让研究人员感到惊讶的是SentiMate已有能力理解国际象棋的一些基本原则和制定几个关键策略。《麻省理工科技评论》据此评价称虽然SentiMate从未戰胜过传统训练路径下的象棋机器人，很难被称作AlphaGo那样的“象棋大师”但这个新路径展示了利用更少的游戏数据、更低的计算需求，通過语言分析的方法来研究象棋游戏的前景

“自然语言处理的下一步是将机器学习到的信息转变为切实的行动，来解决真实世界的任务”研究人员对《麻省理工科技评论》表示，SentiMate所采用的学习技术还可以用来分析体育赛事预测金融活动。“毕竟还有大量的书籍、博客和論文都在等待学习”