不是只会遵守规则的机器人
围棋模型从高段业余和职业棋手的棋谱中学习局面与下一手之间的关系。训练数据中的坐标偏差和非法着法， 也会通过实战进行检验和修正。
AI board game laboratory
与 AI 一起，慢慢地，
一步一步思考。
MariaGO 不是一个汇集游戏链接的门户网站。这是一个个人开发项目：人们与用真实棋谱训练的 AI 下棋，而我们在亲手实现模型的判断和游戏规则的过程中，把发现的内容记录下来。
人（黑）· 训练模型（白）
What makes it different
比起胜负，更接近探索的对弈
比起快速取胜的方法，我们更看重观察 AI 为什么选择那一手，以及回来继续下完中断棋局的体验。
落子没有时间限制
围棋对局没有读秒，也没有回合计时器。轻触一次空点预览着法，再轻触一次即可确定， 因此即使在小屏幕上也不必着急。
中断的棋局可以接着下
每次落子都会保存棋盘和棋谱。用同一个浏览器回来，就会载入进行中的对局， 还可以从棋谱的任意时间点开始新的变化图。
Field notes
最新研究笔记
我们不重复一般的游戏规则，而是记录在制作 MariaGO 的过程中亲身遇到的问题，以及当前实现的局限。
把启发式和 Gemma 4 分开来下
记录了与 R5 的五局、由计分函数代为选点的对局，以及学过启发式着法后 Gemma 4 输掉的三局。画面上的 AI 选择只作用于这次连接。
一并改进了停一手、劫的判定、级位和启发式
减少了草率停一手和双打吃的风险，并根据当前棋形区分打劫与紧气后提子。 还整理了按客户端区分的级位与战绩，以及评估用启发式的改进内容。
减少了被征子棋子的徒劳逃跑和停一手
AI 现在会推演逃跑后仍会再被打吃的征子并避开这类着法；在征子局面中，也不再停一手， 而是寻找其他合法着法。
减少了走进对方虎口和无谓补自己虎口的着法
AI 不再走进会被立刻吃掉的对方虎口，也不会随意去补自己的虎口。不过， 能吃掉对方棋子或救活周围棋子的着法，作为例外仍然允许。
让 AI 正确读取 19×19 坐标的历程
即使是同一个棋盘，只要网格的写法不同，模型就只肯下在右下角。这里整理了我们为什么要统一训练与实战的坐标格式， 并分别检查每个象限的准确度。
自动数目之所以困难的真正原因
数空点和判定死子是两回事。我们公开当前数目的计算范围，以及用户解读结果时需要注意的地方。
Playground
游戏与谜题
在点击链接之前，先介绍一下你可以做些什么。每项服务都会打开各自独立的对弈室， 各个游戏的功能和完成度也各不相同。
围棋
与训练模型对弈，复盘已保存的棋谱，并查看当前棋盘的数目结果。
黑白棋
在夹住并翻转棋子的规则下，与 AI 的计算一较高下。
五子棋
识破横、竖、斜线上的威胁，人与 AI 比拼谁先连成五子。
韩国象棋
韩国式象棋对局，需要权衡车、包、马的走法与宫城的限制。
国际象棋
从出子到王的安全，尝试在每个局面中随之变化的各种选择。
数独
在行、列和 3×3 宫格中不重复地填入数字，逐步检验自己的推理过程。
滑块拼图
利用唯一的空格把方块排列整齐，并尝试缩短移动路径。
细菌战
通过复制和跳跃扩张领地，把对方的棋子变成自己的策略游戏。
填字游戏
利用横向和纵向提示交汇处的字母来完成单词（韩语）。
七张牌扑克
每人从300亿筹码开始，选择牌与下注方式，和哲洙、英熙、民洙三名 AI 争夺最后留在桌上的筹码。
From the maker
比起成品，我们更愿意公开过程
“AI 下棋”这一句话的背后，是一连串各不相同的问题：挑选训练棋谱、转换坐标、检查非法着法、 保存与复盘对局，以及数目。
MariaGO 不会隐藏这个过程。例如，目前的围棋数目会计算被围住的空白区域、提子和贴目， 但还无法完全自动判定死活。模型也会犯错，我们会记录这些失败，并反映到下一轮的训练与实现中。
阅读项目的缘起与运营原则 →