[人工智能]确定性神经网络连子棋的特性及应用

在前面的文章中已经陆陆续续介绍了一些“确定性神经网络”的特性，尤其是在“五子棋等级考试软件的开发”中介绍了确定性神经网络与五子棋关联之后的特性及应用。在不断的训练、测试、分析和总结的过程中，我们又发现了一些新的东西，因而在此重新汇总整理了出来。

1. 背景

在介绍“五子棋等级考试软件”的时候，我们介绍了确定性神经网络模型的特性，根据其特性，可以将神经网络五子棋模型用于评测一个人的思维深度和专注度，进而用来判定其岗位契合度、拟定个性化教学方案、辅助学生选择学习侧重方向等。

之后，有同行提出了一些疑问，觉得五子棋对于小学低年级的学生、幼儿园的儿童及老年人来说难度过大，他们或许难以使用；另外，五子棋这种大众化的游戏对于高知群体，尤其是对理工专业的本科高年级学生、研究生甚至专业技术人员和研究人员来说，过于简单，难以准确评测他们的岗位契合度，毕竟他们的思维深度和专注度都很高，区分不会太明显。

我们在进行多样化测试的过程中发现，确实会出现相应的现象，但我们同时还发现，连子棋的获胜连子数（几连子棋）对于评测的难度可以有较大的调整，可叠加来解决这类问题。对于小学低年级和幼儿园这样的场景，可以使用三连子或四连子来代替五连子（五子棋）版本进行评测和训练，而对于高知群体，则使用较大的连子数（例如：九连子、十连子等）来代替五连子进行评测。

2. 应用

在前面的文章中，我们已经介绍过，确定性神经网络连子棋可用于评测一个人的短时记忆能力、大脑思维深度、精神专注度。

短时记忆能力强的人，通俗的说，其记性好，记忆力强，这种人比较适合做短时间内会面对大量信息的岗位，譬如会议纪要人员、同步翻译人员、活动接待人员、学术研讨会参与人员等，当然了，这样的人也更适合听课和学习，不至于一节课听下来啥都没记住。反之，短时记忆能力弱的人，则不太适合相应的岗位，毕竟会议过程中不会重复相同的内容来让纪要人员进行记录。

大脑思维深度较深的人，在面对问题的时候能够考虑的更全面，分析得更完整，不至于丢三落四、漏洞百出。这种人更适合理性岗位，譬如IT行业的软件工程师、系统架构师、需求分析师等，他们做设计的时候会充分挖掘出隐含的需求和逻辑，保证项目的周期和质量；反之，思维深度较浅的人可能导致一个不断出bug、不断返工的项目。

精神专注度则表征着工作和学习的效率，效率高的人，其专注度必然很高。专注度低的人会给人一种懒散、拖拉的感觉，执行力较低。因此，专注度高的人比较适合于现场工作、技术攻关工作等，譬如说，我们去银行办理业务，没人希望办理业务拖拖拉拉、懒懒散散的，都希望能快速办完。

当然了，上述三种能力是需要相辅相成的，大脑思维深度较深的人也需要较强的短时记忆能力相配合，否则，大脑处理的信息没地方存放；同理，思维深度较深的人也会拥有较高的精神专注度，不然的话，就无法进行深度推理。具体的联系和详细的内容在本文中不展开描述，有兴趣的话可以展开调研，或者以后单独拿一篇来详述。

前面的“五子棋等级考试软件的开发”文章中介绍过不同岗位和行业对上述能力的要求，因而可以通过评测一个人的上述三种能力来判断其是否适合相应的岗位，或者辅助确定在培养人才时该向哪方面侧重以及该如何培养。有兴趣在这个方面展开业务或开展工作的，可以联系我们共同拓展。

3. 特性

（1）连子数越多则难度越大

在多样化的测试过程中，我们发现确定性神经网络连子棋的获胜连子数越少时整体越简单（例如：三连子、四连子），复杂度也越低，更适用于评测入门级群体；而连子数越大时整体的难度越高（例如：九连子），对大脑的思维深度和专注度等的要求越高，需要短期记忆的内容也越多，更适用于评测进阶群体和高级群体，即在思维深度、专注度、记忆力等方面具有较高基础的群体。

建议对于小学生、幼儿园的孩子、老年人等入门级群体，可以使用三连子、四连子进行评测；对于大中专院校的学生、非理工类的岗位和人员，可以使用五连子、六连子进行评测；对于理工类的岗位和人员，可以使用七连子、八连子进行评测；而对于理工类的专家和研究员岗位，可以使用九连子、十连子进行评测。此处的建议仅供参考，具体的对应关系可根据后续的研究成果进行调整。

（2）网络模型的层数越大则越智能

在获胜连子数相同的情况下，神经网络模型的层数越多，则表示其智能程度越高，对弈获胜的难度越大，更适用于评测具有较高基础的群体；反之，层数越少的模型更适用于评测基础较薄弱的群体。正如前面“五子棋等级考试软件的开发”文章中提到的，可以根据网络模型的层数划分评测的水平等级，详细的内容可以参考前面的文章。

（3）对弈速度表征专注度

对弈速度越快，则表明评测者越专注，即专注度越高，尤其是获胜的对局（毕竟败局有可能是主动认输放弃的或者未经思考而随便落子的）。该速度在不同连子数、不同网络模型层数时会有所变化，具体的对应关系可以根据研究成果进行调整。

4. 相关学术研究

上述的内容均是在“确定性神经网络连子棋”的研发及测试过程中发现的，尚无相关的学术研究成果，还不清楚具体关联模型，若有学者或研究人员对此感兴趣，欢迎联系我们，我们可以提供软件、模型、部分相关数据等，来共同推进相关领域的研究进程。