กลยุทธ์ต่อต้านคอมพิวเตอร์คือวิธีการที่มนุษย์ใช้เพื่อพยายามเอาชนะคู่ต่อสู้ที่เป็นคอมพิวเตอร์ในเกมต่างๆ โดยส่วนใหญ่จะเป็นเกมกระดานเช่นหมากรุกและอาริมะกลยุทธ์เหล่านี้มักเกี่ยวข้องกับการแข่งขันกับ AI ที่เล่นอย่างเต็มที่เพื่อชัยชนะ มากกว่า AI ที่ถูกตั้งโปรแกรมให้เป็นความท้าทายที่น่าสนใจซึ่งสามารถกำหนดจุดอ่อนและลักษณะเฉพาะโดยเจตนาได้ (เช่นเดียวกับAI ในวิดีโอเกม หลายๆ เกม ) กลยุทธ์ดังกล่าวเกี่ยวข้องกับยุคที่ AI ค้นหาแผนผังเกมด้วยฟังก์ชันการประเมินเพื่อหาการเดินหมากที่น่าสนใจ โดยมัก ใช้ การตัดกิ่งอัลฟา-เบตาหรือ อัลกอริธึม มินิแม็กซ์อื่นๆ เพื่อจำกัดขอบเขตการค้นหา เมื่อเผชิญกับอัลกอริธึมดังกล่าว กลยุทธ์ทั่วไปคือการเล่นอย่างระมัดระวังโดยมุ่งเป้าไปที่ความได้เปรียบในระยะยาว ทฤษฎีคือความได้เปรียบนี้จะปรากฏขึ้นอย่างช้าๆ จนคอมพิวเตอร์ไม่สามารถสังเกตเห็นได้ในการค้นหา และคอมพิวเตอร์จะไม่เล่นเพื่อรับมือกับภัยคุกคามอย่างถูกต้อง ตัวอย่างเช่น อาจส่งผลให้เกิดความได้เปรียบเล็กน้อยที่ในที่สุดจะกลายเป็นชัยชนะในหมากรุกช่วงท้ายเกมด้วย เบี้ยที่ เดินผ่าน (ในทางกลับกัน การพยายามล่อลวง AI ให้ติด "กับ ดัก " ระยะสั้นโดยชักชวนให้เล่นกลที่ดูเหมือนสมเหตุสมผลสำหรับมนุษย์ แต่แท้จริงแล้วเป็นการกระทำที่หายนะ จะไม่มีทางได้ผลกับคอมพิวเตอร์ในเกมที่มีข้อมูลสมบูรณ์แบบ)

แนวคิดนี้มักเกี่ยวข้องกับช่วงทศวรรษ 1990 และต้นทศวรรษ 2000 เมื่อคอมพิวเตอร์มีความแข็งแกร่งมากในเกมต่างๆ เช่น หมากรุก แต่ก็ยังสามารถเอาชนะได้ ถึงกระนั้น ประสิทธิภาพของกลยุทธ์ดังกล่าวก็ยังเป็นที่น่าสงสัย โดยกลยุทธ์หลายอย่าง เช่น การเดินหมากที่ผิดปกติหรือไม่เหมาะสมเพื่อทำให้คอมพิวเตอร์ออกจากตำราเปิด เกมอย่างรวดเร็ว พิสูจน์แล้วว่าไม่ได้ผลในการแข่งขันระหว่างมนุษย์กับคอมพิวเตอร์ การเกิดขึ้นของปัญญาประดิษฐ์ ( Machine Learning)ยังลดทอนความเหมาะสมของกลยุทธ์ต่อต้านคอมพิวเตอร์ลง เนื่องจากอัลกอริธึมการเรียนรู้ของเครื่องมักจะเล่นเกมระยะยาวได้ดีเท่าๆ กับหรือดีกว่าผู้เล่นที่เป็นมนุษย์

แง่มุมหนึ่งของการออกแบบ AI แบบคลาสสิกสำหรับเกมที่มีข้อมูลสมบูรณ์แบบคือผลกระทบจากขอบฟ้า (horizon effect ) AI คอมพิวเตอร์จะตรวจสอบแผนผังการเดินหมากและการตอบโต้ที่เป็นไปได้ แต่เว้นแต่ว่าจะไม่มีทางชนะที่แน่นอนอยู่ในแผนผังนั้น AI ก็จำเป็นต้องหยุดสำรวจความเป็นไปได้ใหม่ๆ ในที่สุด เมื่อถึงเวลานั้นฟังก์ชันการประเมินจะถูกเรียกใช้กับสถานะของกระดาน ซึ่งมักจะใช้หลักการคร่าวๆ เพื่อกำหนดว่าฝ่ายใดได้เปรียบในกระดาน ในหมากรุก อาจเป็นสิ่งต่างๆ เช่น ความได้เปรียบด้านตัวหมาก (ตัวหมากมากกว่า) การควบคุมศูนย์กลาง ความปลอดภัยของราชา และโครงสร้างของเบี้ย การใช้ประโยชน์จากผลกระทบจากขอบฟ้าสามารถทำได้โดยผู้เล่นที่เป็นมนุษย์โดยใช้กลยุทธ์ที่ผลลัพธ์จะปรากฏชัดเจนก็ต่อเมื่อพิจารณาเกินกว่าขั้นตอนที่ AI ตรวจสอบแล้ว ตัวอย่างเช่น หาก AI กำลังตรวจสอบล่วงหน้า 10 ขั้นตอน และกลยุทธ์นั้นจะ "ได้ผล" ใน 12-20 ขั้นตอน (6-10 ตาเดิน) AI จะไม่เล่นโดยไม่สนใจภัยคุกคามที่กำลังจะเกิดขึ้นซึ่งมัน "มองไม่เห็น" คล้ายกับคนที่ไม่สามารถมองเห็น "เหนือขอบฟ้า" ที่เรืออาจถูกซ่อนไว้โดยความโค้งตามธรรมชาติของโลก ในทำนองเดียวกัน เพื่อให้ระยะเวลาในการมองเห็นอนาคตสั้นลง ผู้เล่นที่เป็นมนุษย์อาจต้องการรักษาสถานะของกระดานให้ซับซ้อนที่สุดเท่าที่จะเป็นไปได้ การทำให้กระดานง่ายขึ้นโดยการสลับตัวหมากจะทำให้ AI สามารถมองเห็นอนาคตได้ "ไกลขึ้น" เนื่องจากมีตัวเลือกให้พิจารณาน้อยลง และด้วยเหตุนี้จึงควรหลีกเลี่ยงเมื่อพยายามใช้ประโยชน์จากผลกระทบของระยะเวลาในการมองเห็นอนาคต

กลยุทธ์ที่ได้ผลดีที่สุดกับ AI ที่ "คาดเดาได้" และรู้กันว่าเล่นในรูปแบบเฉพาะเจาะจงเพื่อตอบสนองต่อภัยคุกคาม คือ การบังคับสถานการณ์ที่มนุษย์รู้แน่ชัดว่า AI จะตอบสนองอย่างไร หากมนุษย์เลือกสถานการณ์ที่ตนเชื่อว่า AI รับมือได้ไม่ดี นี่จะนำไปสู่การล่อลวง AI เข้าสู่สถานการณ์ดังกล่าวได้อย่างน่าเชื่อถือ แม้ว่า AI จะสามารถรับมือกับสไตล์การเล่นนั้นได้ดี แต่ถ้ามนุษย์มั่นใจว่า AI จะเลือกเล่นแบบนั้นเสมอ การเตรียมตัวของผู้เล่นก็จะง่ายขึ้น – พวกเขาสามารถเรียนรู้สถานการณ์นี้อย่างละเอียด โดยรู้ว่า AI จะยอมรับคำเชิญให้เล่นในกระดานแบบนั้นเสมอ

เกม AI ที่ใช้การค้นหาแบบต้นไม้ Monte-Carloมีจุดแข็งและจุดอ่อนที่ตรงกันข้ามกับ AI แบบอัลฟ่า-เบตา ในขณะที่พวกมันมักจะเก่งกว่าในด้านกลยุทธ์ระยะยาว แต่พวกมันมีปัญหาในการรับมือกับกับดัก^{[ 1 ]}เมื่อ AI แบบ Monte-Carlo ตกลงไปในกับดัก พวกมันอาจเล่นได้แย่ต่อไปอีกเป็นเวลานานและอาจไม่สามารถฟื้นตัวได้^{[ 2 ]}

ในขณะที่การสะสมความได้เปรียบอย่างอดทนอาจเป็นกลยุทธ์ที่มีประโยชน์ต่อ AI อัลฟ่า-เบตาที่เล่นอย่างมีกลยุทธ์ AI ที่ใช้ MCTS เช่นAlphaGoอาจเล่นในลักษณะเชิงกลยุทธ์ที่อดทนเช่นกัน^{[ 2 ]}ดังนั้นการเล่นเชิงกลยุทธ์โดยเจตนา ซึ่งเป็นแนวทางที่ไม่ดีต่ออัลฟ่า-เบตา จึงกลายเป็นกลยุทธ์ต่อต้านคอมพิวเตอร์ที่ใช้ได้ผลต่อ MCTS

AI เกมที่ใช้โครงข่ายประสาทเทียมอาจอ่อนไหวต่อการรบกวนจากฝ่ายตรงข้าม ซึ่งการเล่นหมากที่ไม่มีความหมายจะเปลี่ยนแปลงการประเมินตำแหน่งของ AI และทำให้ AI แพ้ Lan และคณะได้พัฒนาอัลกอริทึมเพื่อค้นหาการปรับเปลี่ยนสถานะของกระดานที่จะทำให้ KataGo เล่นหมากที่ด้อยกว่า^{[ 3 ]}อย่างไรก็ตาม เช่นเดียวกับตัวอย่างที่เป็นปฏิปักษ์ในการจดจำภาพ การโจมตีเหล่านี้ยากที่จะคิดค้นขึ้นโดยปราศจากความช่วยเหลือจากคอมพิวเตอร์

ในการแข่งขันระหว่าง Deep Blue กับ Garry Kasparov ในปี 1997 Kasparovได้ใช้กลยุทธ์ต่อต้านคอมพิวเตอร์ในช่วงเริ่มต้นเกมเพื่อให้Deep Blueออกจากหนังสือเปิดเกม [ ^{4 ] Kasparov}เลือกใช้การเปิดเกม Mieses ที่ไม่ธรรมดา และคิดว่าคอมพิวเตอร์จะเล่นการเปิดเกมได้ไม่ดีหากต้องเล่นด้วยตัวเอง (นั่นคือ พึ่งพาทักษะของตัวเองแทนที่จะใช้หนังสือเปิดเกม) ^{[ 5 ]} Kasparov ใช้การเปิดเกมต่อต้านคอมพิวเตอร์ที่คล้ายกันในเกมอื่นๆ ของการแข่งขัน แต่กลยุทธ์นี้กลับส่งผลเสียต่อ ตัวเขาเอง ^{[ 6 ]}เกี่ยวกับการแข่งขันทั้งสองนัด คาสปารอฟเขียนหลังจากเกมที่สอง ซึ่งเขาเลือกใช้Ruy Lópezว่า “เราตัดสินใจว่าการใช้กลยุทธ์ต่อต้านคอมพิวเตอร์แบบตั้งรับแบบเดียวกันกับฝ่ายดำนั้นอันตรายเกินไป ฝ่ายขาวสามารถควบคุมจังหวะของเกมได้ดีกว่ามากและรอโอกาสของผมได้ ฝ่ายดำจะปลอดภัยกว่าหากเล่นเปิดเกมที่รู้จักกันดี แม้ว่าจะอยู่ในหนังสือของ Deep Blue ก็ตาม โดยเฉพาะอย่างยิ่งหากเป็นการเปิดเกมแบบปิดที่ยากต่อการหาแผนการ ข้อเสียของกลยุทธ์นี้เช่นเดียวกับในทุกเกมคือมันไม่ใช่สไตล์ของผมเช่นกัน ในขณะที่ผมกำลังเล่นหมากรุกต่อต้านคอมพิวเตอร์ ผมก็กำลังเล่นหมากรุกต่อต้านคาสปารอฟด้วย”

การแข่งขัน The Brains in Bahrainเป็นการแข่งขันหมากรุก 8 เกมระหว่างแกรนด์มาสเตอร์ หมากรุกมนุษย์ และแชมป์โลก ในขณะนั้น Vladimir Kramnikกับโปรแกรมคอมพิวเตอร์Deep Fritz 7ซึ่งจัดขึ้นในเดือนตุลาคม พ.ศ. 2545 การแข่งขันจบลงด้วยผลเสมอ 4–4 โดยผู้เข้าร่วมแต่ละคนชนะ 2 เกม และเสมอ 4 เกม ซึ่งแต่ละเกมมีค่าครึ่งคะแนน^{[ 7 ]}

• แกรี่ คาสปารอฟ ปะทะ ดีพ บลู (คอมพิวเตอร์)ไอบีเอ็ม แมน-แมชชีน นิวยอร์ก สหรัฐอเมริกา ปี 1997
• แกรี่ คาสปารอฟ ปะทะX3D ฟริตซ์ (คอมพิวเตอร์) การแข่งขันหมากรุกชิงแชมป์โลกระหว่างมนุษย์กับเครื่องจักร ปี 2003
• Rybka (คอมพิวเตอร์) ปะทะHikaru Nakamura ใน การแข่งขัน ICC blitz 3-0 ปี 2008

Arimaaเป็นหมากรุกที่ดัดแปลงมาโดยเฉพาะเพื่อให้ยากต่อ AI การตัดกิ่งอัลฟา-เบตา โดยได้รับแรงบันดาลใจจากการที่Kasparov แพ้ Deep Blueในปี 1997 เกมนี้อนุญาตให้ผู้เล่นทำการกระทำได้ 4 ครั้งต่อ "ตาเดิน" ซึ่งเพิ่มขนาดของพื้นที่การค้นหาอย่างมาก และสามารถจบลงด้วยกระดานที่เกือบเต็มและมีตัวหมากที่ถูกจับได้น้อย หลีกเลี่ยง ตำแหน่ง "ที่แก้ไขแล้ว" แบบ ตารางเกมช่วงท้ายเนื่องจากจำนวนหน่วยที่ขาดแคลน แม้ว่าผู้เล่น Arimaa ที่เป็นมนุษย์จะยืนหยัดได้นานกว่าหมากรุก แต่พวกเขาก็พ่ายแพ้ให้กับ AI คอมพิวเตอร์ที่เหนือกว่าในปี 2015 เช่นกัน^{[ 8 ]}