如果题目中的棋类指的是比较狭义的棋类游戏，比如说围棋、中国象棋和国际象棋这种规则严谨、随机性低的抽象棋，那人类想获胜可能就比较难了。
但如果我们扩大一下棋类游戏的范畴的话，人类还是有一些希望的，就比如说——
想让 AI 失利最简单的办法， 拉大游戏里的随机性 ，就比如用飞行棋这种基本上全靠骰运的棋类，或者再简化一万倍，AI 和人类对着扔骰子，谁的点数大谁就获胜。不过这种方式的弊端也很明显，它只是将双方的胜率强行拉成了五十五十，AI 的确难以获胜了，但对面的人类同样难以获胜。
还有一种比较取巧的方法就是， 用那种很容易掌握必胜手段的棋类作为比拼手段 ，比如说井字棋，先手只要不乱来就很难输，或者还有不设禁手的五子棋，先手只要稍微背一下棋谱就也能轻易取胜。玩这种游戏的时候，只要让人类先手就行了。这种方式的弊端在于……它完全就是在欺负人，不对，完全就是在欺负机器，毕竟玩这种先手必胜的棋类，不如直接定规则让人类获胜就好了。
既然说到欺负机器的方法，那我这里不妨再提供一种思路，就是 找一个根本没有训练数据的棋类 ，比如说我自己在中学时候发明过一种填数棋，这种游戏只有我跟我的几个小伙伴玩过，根本没有任何可考的对局数据，在这种情况下，用传统的方式训练 AI 就成了痴人说梦，那设计 AI 的时候就只能用一些简单的基于规则的算法，而如果让我对战这种 AI 的话，胜算还是比较高的。这种方式的弊端也很明显，没有训练数据只是一时的事，随着大家玩这种棋类游戏的数量越来越多，数据的积累只是早晚的事罢了，拖得了一时也拖不了一世。
最后还有一种最为离谱的办法，就是 把一些和棋类无关的要素强行引入到规则里 ，比如说双方落子之前需要先跟裁判聊天，裁判觉得跟谁聊天更顺畅谁才能顺利落子；或者更绝地，给双方各发一套高考试卷，谁完成的情况好谁才能落子，AI 要想顺利完成试卷，少说需要 OCR、自然语言理解和生成、相当大的知识库储备、常识理解的能力等等，以目前的技术应该离实现这些还有相当的距离。
