的水平。
在2008年的當下，智慧手機已經可以安裝棋類遊戲了。
塞巴斯蒂安·凱爾在用的軟體是德國公司開發的pocket
fritz，使用了hiarcs
12.1引擎，是這個時期算力最強的棋類ai。
……我們和alpha
go*誰能贏？
你看著手機螢幕上的棋盤格，下意識問了你的系統。
[我們]
你的系統回答了你。
早期的棋類ai基於經典的搜尋演算法（比如alpha-beta剪枝）和評估函式，透過窮舉計算大量的棋步組合來選擇最佳走法。
在1988年，棋類引擎“深思”（deep
thought），就以每秒計算500,000個局面的算力，擊敗了丹麥特級大師拉爾森。
2000年左右，棋類ai能夠每秒計算2億個局面，pocket
fritz因此獲得了“世界計算機快棋錦標賽”的冠軍。
在不久的將來，由谷歌開發的alpha
go使用的是深度神經網路和蒙特卡洛樹搜尋（mcts）相結合的技術。
——所有的ai都需要迭代升級，而你的系統卻是一個來自更遙遠未來的“完全算力模型”。
將你的系統與這個時期的ai進行比較，幾乎是在進行不等量的對比。
注意到了你的目光，塞巴斯蒂安·凱爾把手機遞給了你，笑著詢問你是否也想來一局。
你挑著眉稍，有些壞心思地用舌頭頂了頂腮，欣然接受了他的邀請。
於是你按照系統提示的操作開始了對局。
——這真犯規，但誰又能知道呢？
fritz
ai選擇了經典的西西里防禦（1.
e4
c5），這是當下ai常用的防守策略，依賴於資料庫中的豐富開局知識應對對手。
你卻按照系統的提示，選擇一個複雜且罕見的變種：奇奧尼變種（2.
nf3
e6
3.
d4
cxd4
4.
nxd4
a6），迅速將pocket
fritz引入一個不常見的局面，削弱了開局資料庫的優勢。
剛剛才到更衣室的羅伊斯也注意到了你們，好奇心驅使著他走到你身邊，饒有興致地看著你的棋局。
fritz
ai計算出了一些經典的戰術組合，在中盤階段嘗試透過兵鏈推進（d6,
e5）來控制棋盤中央，試圖交換棋子獲得優勢。
——這個時期的ai通常使用“評估函式”計算棋局中的優勢。
你用棄子設定陷阱，犧牲了一個兵卒（5.
c3），使pocket
fritz的評估函式得出有利的結果，誤以為己方佔據了優勢。
但實際上，你在幾步之後削弱了它對棋盤中心的控制權。
隨著對局的深入，進入更衣室的其他隊友也看到了你們，陸續換好衣服，開始三三兩兩地聚攏過來，互相交換著眼神。
有人一邊繫著球鞋，一邊目不轉睛地盯著螢幕，還有人停下了換衣服的動作，雙手抱胸站在你的身旁，神情專注。
你在第35步結束了這場不對等的對決，將pocket
fritz的王徹底將死（qh8#）。
圍在你身邊的隊友們發出了低聲的驚歎，胡梅爾斯笑著搖了搖頭，格策輕輕撞了撞你的肩膀，低聲對你說了一句“respekt!”（佩服）
羅伊斯張了張嘴，目光不由自主地從棋盤上移開，緩緩轉向了你，眼中滿是不可思議。
——他最後甚至開始用手機查詢步驟，試圖用ai模擬你的每一步棋。
“你知道嗎……這是fritz最高難度的ai，和pc端是通用的。”
塞巴斯蒂安·凱爾的聲音有些生澀。
和圍棋不同，國際象棋的策略更多地依賴於區域性和全域性的戰術結合，棋子位置和控制的局面評估相對明確，透過大量的棋譜分析和經驗積累，ai可以構建強大的評估函式，計算最佳走法。
早在1997年，ibm開發的deep
b露e