|
当人类陷入绝境时会孤注一掷，而AI却选择”优雅地死亡”——这或许是2026年7月21日那场人机对决留给围棋界最深刻的启示。在韩国经济电视台演播室进行的围棋之神锦标赛第三回合中，韩国棋手申真谞耗时约3小时20分钟，以11目半的优势击败世界顶尖围棋人工智能KataGo，最终以2比1的总比分赢得系列赛。赛后，申真谞说出了一句令整个AI界深思的话：”完美似乎反而是AI的弱点。”一个以追求最优解为天职的系统，为何会在”完美”中露出破绽?这场胜利背后，藏着人类与机器博弈逻辑的根本分野。 这场三番棋的进程本身就充满戏剧性。首局比赛，申真谞面对KataGo层出不穷的新颖招法和超出人类常规认知的布局思路，节奏被彻底打乱，无奈落败。然而从第二局开始，申真谞迅速调整策略，选择了一条几乎与自身风格背道而驰的道路——全面防守。 在决胜局中，申真谞执黑先行，从第80手开始便不断采取减少变化的策略，一路稳扎稳打掌控局面，刻意避免正面交战。据赛后复盘分析，黑80被认为是本局的胜招，这一手让中腹区域的变化数量大幅减少，随着格局逐渐明朗，棋盘变得简洁，KataGo对此束手无策。整场对局申真谞始终维持超高胜率，步步为营，没有给AI任何反扑的机会。 申真谞赛后坦言：”完全放弃自己的风格，只打防守取胜，这是一个非常艰难的过程。”这句话道出了关键——他并非在下”自己的棋”，而是在下一盘专门针对AI弱点的棋。而KataGo面对人类摆出的”铁桶阵”，倾向于选择胜率最高但缺乏突破性的落子，始终无法找到打破僵局的钥匙。 要理解AI的这一反常表现，需要深入其决策机制的底层逻辑。KataGo作为目前公认最强的开源围棋AI，其核心架构由策略网络(policy network)和价值网络(value network)双核驱动，并结合蒙特卡洛树搜索(MCTS)算法进行决策。策略网络负责输出下一步落子的概率分布，价值网络则评估当前局面的胜率，两者协同工作，在海量计算中逼近全局最优解。 这套机制在顺风局中无懈可击，但在劣势局面下却暴露出结构性缺陷。当AI评估自身胜率低于某一阈值时，它倾向于选择”减少损失”而非”制造混乱”的策略——因为任何冒险举动都会被概率模型判定为”降低获胜概率”。申真谞精准地指出了这一点：”即使处于劣势，它也不会做出(降低其获胜概率的)冒险举动。” 在让两子的特殊规则下，这一困境被进一步放大。KataGo需要主动制造复杂局面来弥补让子劣势，但其决策框架天然缺乏”置之死地而后生”的勇气。它追求的是每一步的”最优解”，而非在关键时刻打破常规的”唯一解”。当棋盘被人类刻意简化，AI的计算优势反而成为束缚——它无法在”不完美”的时刻做出”不完美”的选择。 与AI的保守形成鲜明对比的，是人类棋手在劣势下截然不同的风险偏好。围棋史上从不乏”玉碎战术”的经典案例——主动制造战斗、弃子取势、以攻代守，通过引入不可预测性来打乱对手的计算节奏。这种看似”不理性”的下法，恰恰是人类对抗精确计算的独特武器。 申真谞在本次系列赛中的策略转变，本质上就是一次对AI计算框架的精准打击。他不与AI比拼算力，而是通过简化局面、减少变化，将比赛拖入AI最不擅长的”低复杂度”场景。当棋盘上的可能性被压缩到AI无法发挥其搜索优势的程度，人类的直觉判断和大局观便重新占据上风。 值得注意的是，申真谞在赛后表示：”这场比赛意义非凡，因为它清楚地表明，人类围棋在一定程度上可以与人工智能抗衡。”这并非盲目乐观，而是基于实战验证的判断。人类的”缺陷”——情绪波动、直觉判断、冒险精神——在特定场景下反而转化为优势。AI过度依赖概率模型的特性，使其在面对”不讲道理”的棋路时难以有效应对。
既然AI的保守源于其决策机制，那么通过技术手段调整参数，能否让它学会”冒险”?在AI领域，温度参数(temperature)和探索率(exploration rate)正是用于控制决策随机性的关键变量。温度参数本质上是一个控制概率分布平滑度的超参数：温度越高，低概率选项被选中的机会越大，输出的随机性和多样性随之增加;温度越低，AI则越倾向于选择高概率的”安全”落子。 从理论上讲，提高KataGo的温度参数或探索噪声，确实可能让它在决策中引入更多冒险性。但这一调整面临根本性的两难：提高随机性可能导致AI整体水平下降，”敢赌”不等于”会赌”。真正有效的冒险需要基于对局势的深层理解——知道何时该搏、何处可弃、怎样制造对自己有利的混乱。这种”人类式冒险”本质上是一种直觉判断，而非简单的概率扰动。 目前已有技术尝试通过”人类风格学习”(HumanSL)模型让AI模仿人类棋手的决策模式，包括偶尔犯错、展现个人偏好等。但这更多是对棋风的模拟，而非对”冒险精神”的本质复制。AI能学会人类的”形”，却难以触及人类在绝境中那种破釜沉舟的”神”。
申真谞以2比1逆转KataGo的胜利，与其说是人类的全面反击，不如说是一次精准的”外科手术”——他找到了AI完美主义铠甲上的那道裂缝，并用最克制的方式将其撬开。2.5亿韩元奖金和一辆捷尼赛思G90是这场胜利的物质回报，但更深远的意义在于，它证明了AI的”完美”既是统治力的来源，也是可被利用的结构性弱点。 申真谞在赛后表达了继续挑战的意愿：”下次，我想尝试在更加不利的条件下进行挑战。”这句话既是对自身的激励，也是对AI的战书。如果未来AI学会了”赌徒心理”，能够在劣势中主动制造混乱、在绝境中放手一搏，人类棋手是否将彻底失去机会?这个问题的答案，或许就藏在下一场人机对决之中。 你认为AI终有一天能学会人类的”冒险直觉”吗? |
