強調人類智能與人工智能的結合，使用AI來增強人類能力，是目前AI發展下的新興觀點。自AI下棋程式擊敗人類棋手，代表著AI的棋力正式地超越人類，按理來說，棋手在與人對弈的時候，能夠與AI落子的相似度越高，就越能夠贏棋。於是，在目前訓練的環境裡，使用AI訓練棋藝，以期能增進下棋的技能，進而在比賽中擊敗對手，成為一種普遍的現象。然而，人類與AI之間有理解上的隔閡，使得棋手在使用AI進行下棋訓練的時候，時常無法理解AI的落子。
本研究梳理過去學者對於棋手下棋與下棋AI程式運作的文獻，瞭解到棋手是運用下棋的知識與經驗所形成的直覺(Intuition)下棋；AI則是運用演算法(algorithm)的計算下棋。棋手是運用直覺所評估棋局特徵後下棋，然而AI下棋是將各種可能性化成數字(分數或勝率最高)，依照得出的結果落子，兩者下棋的實際運作模式有明顯的差異。
以象棋棋手及通用的象棋AI—象棋雲庫為例來說明，當紅方開局走了兵一進一，象棋雲庫顯示分數為零分，代表這步棋AI認為不好也不壞。但在人類的思維裡，「兵一進一」不是一般定式的開局棋譜，就有經驗的棋手而言，會是壞棋（但仍須視後面變化而定），因為這步棋會有定型過早的問題，很多時候動邊兵，幾乎就是要起邊馬，否則無法展現邊兵的效果。此外，開局通常要求要出動大子，出動移動距離小且沒有攻擊力的邊兵，恐會影響大子的出動效率，故為壞棋。由此看出人類棋手判斷局面的思維與AI實際的分數，有一定的落差。
因此，為了瞭解棋手在不理解AI招法的情況下，如何解釋AI的落子，本研究試圖描述棋手使用AI進行棋藝訓練的過程，瞭解棋手如何學習AI的下棋招法，並且探討棋手在學習AI的招法後，對於他們的下棋思維會產生什麼樣的影響。
首先，本研究透過參與觀察法與深度訪談法，探討棋手在下棋時，會影響棋手評估棋局的可能因素，發現棋手的棋風是影響棋手訓練時評估局面的重要因素之一。在棋手使用AI進行象棋訓練的過程中，由於棋手使用AI的重點在於擊敗對手，因此，棋手不一定會學習AI所提供的最佳招法，而是找到在AI所顯示的分數上可行，又符合自己的棋風或可以增加對手失誤率的可行之著。這顯示棋手使用AI訓練時，是經過揀選，而非力求理解、學習AI的所有招法。
最後，為了瞭解AI所提供的最佳招法會對棋手原本下棋的思維產生甚麼影響，本研究邀請三位頂尖的棋手，嘗試在複雜的局面下解釋AI的最佳招法。結果顯示，由於大多複雜的盤面往往無法運用棋手的棋理與計算來評估，棋手雖然可以透過局後拆解，得出對於AI的最佳招法的合理解釋，但這僅能作為一種拓展下棋思維的方式，並不能說有顯著的影響。然而，在其中一位棋手楊宗諭所提供的開局局面下，本研究發現該局面的實戰招法，黑方開局用四步馬換一步炮，違反了下棋「有效步數計算」的棋理，但AI所顯示的分數卻是黑方占優，故棋手們運用「開局炮勝馬」的棋理，重新對於該局面做出新的解釋與評估。因此， AI的招法確實會對人類棋手所使用的棋理產生影響，造成人類思維的改變的狀況。當傳統棋理與AI的分析互相違背的時候，棋手們會利用其他的棋理做為協助評估的工具，去補足原本棋理的不足之處，但這些改變並非是推翻原有的棋理，原有的棋理在很多情況下仍有存在的價值，如此思維的轉變是對於人類棋手原有評估方式的革新，以更符合AI所計算的狀況。

第一章 緒論 6
1.1 研究發想:以人機協作看棋手與AI 6
1.2 研究背景:西洋棋—作為AI 研究的果蠅 6
1.3 研究現況:從人機對弈到協作 7
1.4 研究問題:棋手使用AI 的棋藝訓練 10
1.4.1 象棋的基本盤面說明與中式記譜法 10
1.4.2 棋手思維與象棋AI—象棋雲庫 12
1.4.3 實際的人機對弈比賽局面 13
1.4.4 人類的棋與AI 的棋藝訓練 14
1.5 章節安排 14
第二章 文獻回顧 16
2.1 棋手下棋的能力—直覺 16
2.2 下棋AI 的演算法 18
2.2.1 Shannon 的研究方向—A 與B 的方法 18
2.2.2 另一個研究方向—人工神經網絡與MCTS 20
2.3 可解釋人工智能(Explainable AI) 23
第三章 研究方法、預期成果與研究限制 28
3.1 研究對象:以象棋棋手為例 28
3.2 研究方法:參與觀察法與深度訪談法 28
3.2.1 參與觀察法 28
3.2.2 深度訪談法 29
3.3 預期成果 29
3.4 研究限制 30
第四章 影響棋手評估的因素 31
4.1 一個局面給出的提示 31
4.2 人類思維的棋 32
4.2.1 Degroot 的西洋棋實驗 33
4.2.2 下棋的風格 34
4.2.3 棋手比賽的思考時間 36
4.2.4 比賽時棋手的對戰心理與盤外招 37
4.3 結論 45
第五章 象棋棋手的訓練方式 46
5.1 傳統的象棋訓練 46
5.1.1 彩棋時代 46
5.1.2 路邊棋與閉關修練 47
5.1.3 學院棋 49
5.1.4 象棋職業賽的象棋訓練 .51
5.2 棋手使用AI 進行訓練 52
5.2.1 AI 輔助分析局面 52
5.2.2 最佳招法與可行之著 54
5.2.3 運用拆解法去理解AI 的最佳招法 56
5.3 結論 59
第六章 棋手如何解釋AI 61
6.1 復盤方法 61
6.1.1 參與的對象 61
6.1.2 復盤流程 63
6.1.3 AI 與局面的選定 63
6.2 分析局面一:殘局 64
6.3 分析局面二:開局 71
6.4 分析局面三:一個違反棋理的中局 80
6.5 結論 88
第七章 棋手使用AI 後下棋思維的變化: 91
7.1 馬炮價值相關的傳統象棋棋理 91
7.1.1 大子的價值 91
7.1.2 開局的有效步數計算 92
7.2 人類的評估與AI 的計算—馬與炮價值的轉換 93
7.2.1 AI 分數下的馬炮價值 94
7.2.2 開局炮換馬 95
7.2.3 常見局例—開局四步馬換一步炮 97
7.3 楊宗諭的實戰 100
第八章 結論 103
參考資料 106
中文書目 106
英文書目 107
網路資料 110

參考資料
中文書目
1. 甘崇緯，2011，〈適用於象棋開局庫之工作層級極小極大化搜尋〉，新竹市:國立陽明交通大學。
2. 布留川英一著、王心薇譯，2021，《強化式學習：打造最強 AlphaZero 通用演算法》。台北市:旗標出版。
3. 古明地正俊、長谷佳明著、沈鄉吟, 郭漢遜譯，2020《AI大局：鳥瞰人工智慧技術全貌，重塑 AI 時代的領導力》。台北市:旗標出版。
4. 李旭昇，2022，〈象棋引擎與資料庫在提高棋力中的應用〉。2022杭州棋文化峰會象棋論文。
5. 吳奇錚，2012，〈出棋智勝—青少年優異棋手的學棋路〉。台北市:國立臺灣師範大學。
6. 林伯翰，2013，〈應用於象棋開局庫之工作層級AB-DUAL*搜尋演算法〉。桃園市:國立中央大學。
7. 周忠信，2020，《AI思維：不需艱深技術，不用鉅額投資，任何企業都適用的進化關鍵》。台北市:商周出版。
8. 徐讚昇、許舜欽、陳志昌、蔣益庭、陳柏年、劉雲青、張紘睿、蔡數真、林庭羽、范綱宇，2017，《電腦對局導論》。台北市:國立臺灣大學出版中心。
9. 鎮華，2017，《演算法觀點的圖論》。台北市，國立臺灣大學出版中心。
10.黃瑞琴，2021，《質性教育研究方法》。新北市:心理出版。
11.賈開，2022，〈算法社會的技術內涵、演化過程與治理創新〉。《探索》(2)164-178。
12. 楊元翰，2015，〈利用棋局紀錄之個人化西洋棋開局推薦〉。台北市:國立政治大學。
13.鄧春華、劉曉娟，2021，〈象棋運動在人工智能背景下的發展問題研究〉。2021
杭州棋文化峰會象棋論文。
14.鄧春華、周永濤、劉治，2022，〈象棋實用殘局在人工智能背景下的應用〉。2022杭州棋文化峰會象棋論文。
15.賴隆億，2012，〈電腦象棋棋譜分析之研究〉。新竹市:國立陽明交通大學。
16.謝軍，2020，〈關注未來發展:人工智能與國際象棋〉。中華家教(7)14-15。
17.顏士淨、嚴礽麒、許舜欽，2016，〈電腦圍棋四十年〉。數理人文(10) 47-53。
 
英文書目
1. Alan M.Turing,1950,“Computing machinery and intelligence”. Mind 49:433-460.
2. Alexandre Linhares ,2005,“An Active Symbols Theory of Chess Intuition”. Minds and Machines 15:131–181.
3. Adriaan de Groot,1965,Thought and Choice in Chess. Berlin, New York, Amsterdam: Mouton - DeGruyter. Second edition, 1978.
4. Adriaan de Groot, 1986,“Intuition in Chess”. International Computer Chess Association Journal 9: 67-75.
5. Alejandro Barredo Arrieta , Natalia Díaz-Rodríguez , Javier Del Ser, Adrien Bennetot , Siham Tabik , Alberto Barbado , Salvador Garcia , Sergio Gil-Lopez , Daniel Molina , Richard Benjamins , Raja Chatila , Francisco Herrera,2020,“Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI”, Information Fusion:82-115.
6. Ashton Anderson, Jon Kleinberg, Reid McIlroy-Young, Russell Wang, Siddhartha Sen,2021, “Detecting Individual Decision-Making Style:Exploring Behavioral Stylometry in Chess”. Advances in Neural Information Processing Systems 34 (2021).
7. Claude E. Shannon ,1950,“Programming a computer for playing chess”. Philosophical Magazine 41(314):256-75.
8. Christopher F. Chabris,Eliot S. Hearst,2003, “Visualization, pattern recognition, and forward search: effects of playing speed and sight of the position on grandmaster chess errors” Cognitive Science27(4):637-648.
9. Clifford A. Pickover著、林柏宏譯，2020，AI之書：圖解人工智慧發展史，台北市:時報出版。(Clifford A. Pickover,2019,Artificial Intelligence: An Illustrated History: From Medieval Robots to Neural Networks. Excelsior :Union Square & Co.)
10. Daniel Kahneman著、洪蘭譯，2018，快思慢想。台北市:天下文化。(Daniel Kahneman,2011, Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.)
11. David Wilkins,1980,“Using Patterns and Plans in Chess”. Artificial Intelligence 14: 165–203.
12. David Silver, Julian Schrittwieser, Karen Simonyan, Ioannis Antonoglou, Aja Huang, Arthur Guez, Thomas Hubert, Lucas Baker, Matthew Lai, Adrian Bolton, Yutian Chen, Timothy Lillicrap, Fan Hui, Laurent Sifre, George van den Driessche, Thore Graepel & Demis Hassabis,2017“Mastering the game of Go without human knowledge”.Nature 550:354-359.
13. Devleena Das, Sonia Chernova,2020, “Leveraging rationales to improve human task performance” IUI '20: Proceedings of the 25th International Conference on Intelligent User Interfaces:510-518.
14. Domenico Monaco,2019,“What is the Explainable-Ai and why is important”,Research Gate.
15. Franz-Günter Winklerc ,Johannes Fürnkranz ,1997,“On Effort in AI Research: A Description Along Two Dimensions”. AAAI Technical Report 04: 56–62.
16. Fernand Gobet ,Philippe Chassy ,2009,“Expertise and Intuition: A Tale of Three Theories”. Minds and Machines 19(2):151-180.
17. Fangxing Li, Yan Du,2018,“From AlphaGo to Power System AI: What Engineers Can Learn from Solving the Most Complex Board Game”. Institute of Electrical Electronics Engineers Power and Energy Magazine16:76-84.
18. Fabrizio Falchi,2019,“About Deep Learning, Intuition and Thinking”ERCIM NEWS:116.
19. Fabrizio Falchi,2019,“About Deep Learning, Intuition and Thinking” , ERCIM NEWS 116:14.
20. Garry K.Kasparov ,2017, Deep Thinking: Where Machine Intelligence Ends and Human Creativity Begins, Publicaffairs.
21. Geoff Colvin ,2008, Talent is Overrated: What Really Separates World-Class Performers from Everybody Else. New York : Portfolio.
22. George,Atkinson,1993,Chess and Machine Intuition.Norwood,NJ: Ablex Publishing.
23. Guillermo Campitelli,Fernand Gobet ,2004,“A daptive expert decision making: Skilled chessplayers search more and deeper”. Journal of the International Computer,Games Association27 (4):209-216.
24. Hubert L.Dreyfus,Stuart E.Dreyfus ,1986, Mind over machine : the power of human intuition and expertise in the era of the computer. New York : Free Press.
25. Hubert L.Dreyfus,Stuart E.Dreyfus,2005,“Expertise in real world contexts”. Organization Studies26(5):779-792.
26. John McCarthy ,1997,AI as sport. Science 276(5318): 1518-1519.
27. John von Neumann、廖晨堯譯，2021，電腦與人腦：現代電腦架構之父馮紐曼的腦科學講義，台北市:貓頭鷹出版社。(John von Neumann, 1958, The Computer and the Brain. New Haven: Yale University Press)
28. Klein Gary,Wolf Steve,Militello Laura,Zsambok Caroline ,1995,“Characteristics of skilled option generation in chess”. Organizational Behavior and Human Decision Processes62:63-69.
29. Loyola-González ,2019,“Black-box vs. white-box: Understanding their advantages and weaknesses from a practical point of view” IEEE: 154096-154113.
30. Nathan Ensmenger 2012,“Is chess the drosophila of artificial intelligence? A social history of an algorithm”.Social Studies of Science42(1): 5-30.
31. Nils J. Nilsson,2009, The Quest for Artificial Intelligence a History of Ideas and Achievements. Cambridge :Cambridge University Press.
32. Nancy Rosanoff 1991,Intuition Workout: A Practical Guide to Discovering and Developing Your Inner Knowing.Aslan Publishing.
33. Ray Kurzweil、陳琇玲譯，2015，人工智慧的未來：揭露人類思維的奧祕，台北市:經濟新潮社。(Ray Kurzweil, 2014, How to Create a Mind: The Secret of Human Thought Revealed. Grand Haven: Brilliance Publishing.)
34. Stuart J. Russell,Peter Norving, 2002,Artificial Intelligence: A Modern Approach, : Upper Saddle River: Prentice Hall.
35. Sarah Bayer,Henner Gimpel,Moritz Markgraf,2021,“The role of domain expertise in trusting and following explainable AI decision support systems” Journal of Decision Systems.
36. Shelly Fan著、徐韋達譯，2020，洋蔥式閱讀! 當代關鍵議題系列: AI可不可以當總統或法官? 機器人要不要繳稅? 思辨人類與人工智慧該如何共生，台北市:臉譜出版。(Shelly Fan , 2019, Will AI Replace Us? A primer for the 21st century. London:Thames & Hudson.)
37. Satya Nadella、謝儀霏譯，2018，刷新未來：重新想像AI+HI智能革命下的商業與變革，台北市:天下雜誌。(Satya Nadella, 2017,Hit Refresh: The Quest to Rediscover Microsoft’s Soul and Imagine a Better Future for Everyone. Glasgow: William Collins.)
38. Tim Miller,2018,“Explanation in artificial intelligence: Insights from the social sciences” Artificial Intelligence.
39. Volodymyr Mnih,Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou Daan Wierstra, Martin Riedmiller,2013,“Playing Atari with Deep Reinforcement Learning”,DeepMind Technologies.
40. William G. Chase,Herbert A. Simon ,1973,“Perception in Chess”. Cognitive Psychology 4:55-61.
41. Yoni Wilkenfeld ,2019,“Can Chess Survive Artificial Intelligence”,The New Atlantis 58:37-44.

 
網路資料
1. 王宏仁、何維涓(2017年11月23日)【AlphaGo首席工程師黃士傑揭露AI無敵新關鍵】不靠海量資料，自我學習就有效：增強式學習開啟AI新方向，iThome，網址: https://www.ithome.com.tw/news/118337。
2. 中國棋牌網(2017年5月5日) 棋迷的名義：象甲，三棋聯賽改革的領跑者，新浪體育，網址: https://sports.sina.cn/others/qipai/2017-05-06/detail-ifyeychk7071317.d.html?from=wap。
3. 李瑞評(2020年3月22日) 棋壇逸事：南台灣棋手寫照（三），台灣象棋史社團，網址: https://www.facebook.com/groups/191754724627320/?multi_permalinks=876062529529866&ref=share。
4. 吳毅成(2020年5月22日) 從圍棋到電玩，AI將如何走入真實世界？專訪交大資工系吳毅成教授，國立陽明交通大學人工智慧普適研究中心，網址: https://pairlabs.ai/%E3%80%90pair%E7%89%B9%E5%88%8A%E3%80%91%E5%BE%9E%E5%9C%8D%E6%A3%8B%E5%88%B0%E9%9B%BB%E7%8E%A9%EF%BC%8Cai%E5%B0%87%E5%A6%82%E4%BD%95%E8%B5%B0%E5%85%A5%E7%9C%9F%E5%AF%A6%E4%B8%96%E7%95%8C%EF%BC%9F/。
5. 林英喆(1988年8月3日) 台灣第一象棋高手，聯合報，網址: https://udndata-com.nthulib-oc.nthu.edu.tw/ndapp/Story?no=1&page=1&udndbid=udndata&SearchString=JiMyMTU1NTsmIzM2MDIwOyYjMzMyNTY7K6TptME%2BPTE5ODAwNTAxK6TptME8PTE5ODkwNTAxK7P4p089wXCmWLP4fLhnwNmk6bP4fMFwplix37P4fFVwYXBlcg%3D%3D&sharepage=20&select=1&kind=2&articl_date=1988-08-03&news_id=101168971。
6. 馬賢賢(2012年11月10日)專家:賽場沒有作弊可能 王天一網上約戰孫勇佂，半島都市報，網址: https://sports.sohu.com/20121110/n357206532.shtml。
7. 陳拙(2016年10月13日) 佐為講棋【為鑫辨棋】04一個小陷阱的演變，Youku，網址: https://v.youku.com/v_show/id_XMTc1OTA2NjM0OA==.html?spm=a2h1n.8251843.playList.5!4~1!2~3~A&f=28380171&o=1。
8. 陳拙(2017年11月9日) 胡榮華勝呂欽，Bilibili，網址: https://www.bilibili.com/video/BV1Zx411j7Xx?p=2。
9. 陳奕廷(2016年12月13日) 機器學習與人工神經網路(二)：深度學習(Deep Learning)，國立臺灣大學科學教育發展中心，網址: https://case.ntu.edu.tw/blog/?p=26340。
10. 陳煜濬(2022年09月21日)輸給疑作弊19歲新人 西洋棋世界冠軍無預警退賽惹議，自由時報，網址: 網址: https://news.ltn.com.tw/news/world/breakingnews/4070028。
11. 常明(2010年10月25日)全國象棋個人賽動用屏蔽器 “屏蔽”賽場“老千”，石家庄日報，網址: http://sports.sina.com.cn/go/2010-10-25/10285269601.shtml。
12. 黃邱倫(2022年11月3日) 世界象棋錦標賽 中華代表隊一金二銀「創歷年最好成績」，中國時報，網址: https://tw.news.yahoo.com/%E4%B8%96%E7%95%8C%E8%B1%A1%E6%A3%8B%E9%8C%A6%E6%A8%99%E8%B3%BD-%E4%B8%AD%E8%8F%AF%E4%BB%A3%E8%A1%A8%E9%9A%8A-%E9%87%91%E4%BA%8C%E9%8A%80-%E5%89%B5%E6%AD%B7%E5%B9%B4%E6%9C%80%E5%A5%BD%E6%88%90%E7%B8%BE-072011446.html。
13. 黃詩淳(2021年2月26日) 朝向可解釋的AI：法學上的意義與運用實例，臺灣人工智慧行動網，網址: https://ai.iias.sinica.edu.tw/toward-explainable-ai-minutes/。
14. 蔡子岳(2016年3月16日)人腦電腦最終戰 棋王還是輸，自由時報，網址: https://news.ltn.com.tw/news/focus/paper/968760。
15. 鄭惟桐(2022年1月29日) (專業象棋選手的秘密)小鄭答專業棋手是怎麼訓練的？，Bilibili，網址: https://www.bilibili.com/video/BV16u41117Yd/。
16. 劉莎莎(2017年5月27日)【獨孤求敗】三勝柯潔AlphaGo宣布 退役獲中國棋院九段證書，香港新聞，網址: https://www.hk01.com/%E4%B8%AD%E5%9C%8B/94041/%E7%8D%A8%E5%AD%A4%E6%B1%82%E6%95%97-%E4%B8%89%E5%8B%9D%E6%9F%AF%E6%BD%94-alphago%E5%AE%A3%E5%B8%83%E9%80%80%E5%BD%B9-%E7%8D%B2%E4%B8%AD%E5%9C%8B%E6%A3%8B%E9%99%A2%E4%B9%9D%E6%AE%B5%E8%AD%89%E6%9B%B8。
17. 賴佳昀(2019年11月21日) AI的可解釋性是什麼？能吃嗎？，國立臺灣大學科學教育發展中心，網址: https://case.ntu.edu.tw/blog/?p=38507。