摘要
1) 一句话总结 在AlphaGo击败人类顶尖选手十年后，AI已彻底重塑职业围棋的训练方式与竞技策略，在导致开局同质化、挑战传统围棋艺术性的同时，也推动了训练资源的民主化并显著提升了女性选手的竞技地位。
2) 关键要点
- AI成为核心训练工具：职业选手目前广泛使用开源AI程序（如KataGo）进行复盘和训练，通过追踪AI推荐的最佳走法（“蓝点”）来提升棋力。
- 人机重合度提升：根据2022年的一项研究，世界排名第一的申真谞与AI走法的匹配度高达37.5%，远超职业选手28.5%的平均水平。
- AI技术的迭代：从学习3000万步人类走法的AlphaGo，到通过自我对弈零基础学习并以100比0击败前代的AlphaGo Zero，再到如今能读取全局并最大化得分的KataGo，AI的能力不断进化。
- 比赛重心的转移：比赛的前50步（开局）已高度同质化，选手普遍背诵AI推荐的高效走法，导致比赛的核心难点和创造力展现转移到了中盘的复杂计算上。
- 训练资源的民主化：AI打破了以往由男性主导的顶尖训练圈层壁垒，为女性选手提供了平等的顶级训练环境，并打破了“顶尖男选手不可战胜”的心理障碍。
- 女性选手取得历史性突破：得益于AI训练，崔精在2022年成为首位进入大型国际围棋锦标赛决赛的女性，金彩瑛在2024年赢得了韩国围棋联赛的季后赛。
- 人类比赛的不可替代性：尽管AI棋力远超人类，但由于AI之间的对弈过于复杂且缺乏悬念，粉丝依然更倾向于观看充满人类失误、个性展现和逆转戏剧性的人类比赛。
3) 风险与不足（基于原文明确提及）
- 创造力与艺术性的流失：过度依赖AI导致比赛风格同质化。前世界冠军李世石认为“抄袭答案”让围棋失去了艺术性，柯洁等选手也曾抱怨千篇一律的开局令人感到疲惫和痛苦。
- AI决策的“黑盒”困境：AI的推理过程对人类而言仍是不透明的。即使是顶尖选手也无法完全理解AI走法背后的通用原则，往往只能依靠死记硬背或培养模糊的直觉，研究人员目前仍难以从AI中提取出可供人类学习的完整新范式。
正文
在一场具有里程碑意义的胜利十年后，AI如今主导了围棋训练。选手们正在探索这对这项运动意味着什么。
2026年2月27日
照片插图：Sarah Rogers/MITTR | 照片：Getty
隐藏在首尔东部宁静的住宅区弘益洞的小巷中，有一座褪色的石砖建筑，上面印着“韩国棋院”，这是职业围棋的管理机构。围棋是一项古老的游戏，在韩国享有神圣的地位。
但在这座建筑内，曾经充满手伸进木制棋盒发出清脆碰撞声的房间，现在回荡着鼠标的点击声。选手们弓着腰坐在显示器前，在AI程序中复盘他们的比赛。其他人围在棋盘旁，讨论下一步的最佳走法，而教练则报告他们的选择与AI的推荐相比如何。有些人则静静地坐着，观看AI程序之间的对弈。
十年前，Google DeepMind的AI程序AlphaGo击败了韩国围棋选手李世石（Lee Sedol），震惊了世界。此后的几年里，AI颠覆了这项运动。它推翻了几个世纪以来关于最佳走法的原则，并引入了全新的原则。现在的选手们在训练中尽可能地模仿AI的走法，而不是自己发明走法，即使机器的思维对他们来说仍然是个谜。如今，如果不使用AI，基本上不可能在职业比赛中竞争。有人说这项技术耗尽了围棋的创造力，而另一些人则认为人类仍有发明的空间。与此同时，AI正在使训练机会民主化，因此越来越多的女性选手正在提升排名。
对于世界排名第一的围棋选手申真谞（Shin Jin-seo）来说，AI是一个无价的训练伙伴。每天早上，他坐在电脑前打开一个名为KataGo的程序。由于他的走法与AI极为相似，他被戏称为“申工智能”（Shintelligence）。他追踪代表程序建议的最佳下一步走法的发光“蓝点”，在数字网格上重新排列棋子，试图理解机器的思维。“我经常思考为什么AI会选择这一步，”他说。
在为比赛进行训练时，申真谞醒着的大部分时间都在钻研KataGo。“这几乎就像一种苦行僧般的修行，”他说。根据韩国围棋联赛2022年的一项研究，申真谞的走法与AI的匹配度达到37.5%，远高于该研究发现的所有选手28.5%的平均水平。
“我的棋风改变了很多，”申真谞说，“因为我必须在一定程度上遵循AI建议的方向。”韩国棋院表示，已与Google DeepMind取得联系，希望安排申真谞与AlphaGo进行一场比赛，以纪念其战胜李世石10周年。Google DeepMind的发言人表示，公司目前无法提供相关信息。但如果真的举行新比赛，在更先进的AI程序上训练过的申真谞乐观地认为他会赢。“AlphaGo当时还有一些缺陷，所以我想如果我针对那些弱点，我能击败它，”他说。
AI重写围棋剧本
围棋是一种抽象的策略棋盘游戏，2500多年前发明于中国。两名玩家轮流在19x19的网格上放置黑白棋子，旨在通过包围对手的棋子来占领地盘。这是一款具有惊人数学复杂性的游戏。可能的棋盘配置数量——大约10的170次方——使宇宙中的原子数量相形见绌。如果说国际象棋是一场战斗，那么围棋就是一场战争。你在一个角落让敌人窒息，同时在另一个角落抵御入侵。
为了训练AI下围棋，海量的人类围棋走法被输入到神经网络中，这是一种模仿人类大脑神经元网络的计算系统。AlphaGo（在击败李世石后被命名为AlphaGo Lee）接受了3000万步围棋走法的训练，并通过自我对弈数百万局来不断完善。2017年，它的继任者AlphaGo Zero从零开始学习围棋。它没有研究任何人类对局，而是通过自我对弈来学习，其走法仅基于游戏规则。这种白板方法被证明更加强大，不受人类知识局限的约束。经过三天的训练，它以100比0击败了AlphaGo Lee。
Google DeepMind在同年让AlphaGo退役。但随后涌现出一波受AlphaGo Zero启发的开源模型。如今，KataGo是韩国职业围棋选手最广泛使用的程序。它比AlphaGo更快、更敏锐。它不仅学会了预测谁会赢，还学会了预测在任何给定时刻谁拥有棋盘上的每个点。AlphaGo Zero通过观察小块区域来拼凑对棋盘的理解，而KataGo则学会了读取整个棋盘，为长期策略培养了更好的判断力。它不仅学会了如何获胜，还学会了如何最大化自己的得分。
这款软件重塑了人们下棋的方式。数百年来，职业围棋选手通过开发启发式方法来取代蛮力计算，从而驾驭游戏天文数字般的复杂性。优雅的开局策略在空荡荡的网格上强加了抽象的秩序。过早入侵角落是一笔糟糕的交易。每一代围棋选手都为经典增添了新的原则。
最明显的变化在于开局。围棋从一个空白的网格开始，前50步是抽象思维和创造力的画布，选手们在这里刻画他们的个性和哲学。李世石创造了引发混乱的挑衅性走法。在2017年被AlphaGo Master击败的中国选手柯洁（Ke Jie），以敏捷、富有想象力的走法令人眼花缭乱。现在，选手们都在背诵AI建议的同样高效、经过计算的开局走法。游戏的症结已经转移到了中盘，在那里，原始的计算比创造力更重要。
使用AI进行训练导致了比赛风格的同质化。柯洁曾感叹无休止地观看相同的开局走法所带来的疲惫。“我和看棋的棋迷感受是一模一样的，看得很累，很痛苦，”他在2021年告诉一家中国新闻媒体。当选手用不寻常的走法打破剧本时，粉丝们会狂欢，但这些时刻变得越来越罕见。根据2023年的一项研究，顶尖围棋选手超过三分之一的走法复制了AI的建议。许多选手表示，每场比赛的前50步通常与AI的建议完全相同。
“围棋已经成为一项智力运动，”在2016年败给AlphaGo三年后退役的李世石说。“在AI出现之前，我们追求的是更伟大的东西。我把围棋当作一门艺术来学习，”他说。“但如果你从答案本上抄袭你的走法，那就不再是艺术了。”
一些选手表示，下围棋不再是开辟新领域，而是听从超人神谕的指示。“我曾经通过推进围棋技术和提出新范式来激励粉丝，”李世石说。“我下围棋的理由已经消失了。”
神秘的心智
留在比赛中的选手们正试图重塑他们的技艺。但很难辨别新的原则是什么。
世界顶尖女子围棋选手之一的金彩瑛（Kim Chae-young）身材娇小，异常冷静，她从小就跟着同为职业围棋选手的父亲学习围棋。但当AI开始重塑这项运动时，她发现自己要从头开始。“我需要时间抛弃我以前学到的一切，”金彩瑛说，她与我共享了屏幕，将光标指向KataGo建议的蓝点。“我多年来建立的直觉被证明是错误的。”
当她靠近显示器时，闪烁的屏幕显示了每一步的胜率，没有任何解释。即使是像金彩瑛和申真谞这样的顶尖选手也不理解AI的所有走法。“它似乎是在更高的维度上思考，”她说。她补充说，当她试图向AI学习时，“与其说是理性地思考每一步，不如说是培养一种直觉。”
研究人员正试图发现编码在下棋AI程序中的超人知识，以便人类也能学习它。2024年，Google DeepMind的研究人员从AlphaZero（AlphaGo Zero的通用版本，也能下国际象棋）中提取了新的国际象棋概念，并通过国际象棋谜题将它们教给国际象棋特级大师。芝加哥丰田定向技术学院的计算机科学家尼古拉斯·汤姆林（Nicholas Tomlin）是一项探索AlphaGo Zero中编码的围棋概念的研究的合著者，他表示，迄今为止选手们从AI系统中获取的围棋概念“可能只是你潜在能学到的一小部分”。
但提取这些经验仍然是一项艰巨的任务。“顶尖选手尚未能够推断出AI走法背后的一般原则，”明知大学围棋教授南治亨（Nam Chi-hyung）说。她说，虽然他们可以模仿AI的走法，但他们还没有为这项运动收集到新的范式，因为它的推理是一个黑匣子。围棋可能处于一种认知边缘状态。
即使AI是一个不透明的老师，它也是一个民主的老师。它极大地促进了女性围棋选手的训练，她们长期以来一直是这项运动的弱势群体。南治亨说，几十年来，训练意味着在顶尖男性选手的指导下学习，而最具竞争力的比赛发生在女性难以进入的男性圈子里。“女性选手从未有过这种经历，”她说。“但现在她们可以和AI一起学习，这让她们的训练环境变得更加有利。”更广泛地说，AI通过帮助每个人完善开局走法，缩小了选手之间的差距。
因此，女性选手在过去几年中排名不断攀升。2022年，当时世界排名第一的女子选手崔精（Choi Jeong）成为第一位进入大型国际围棋锦标赛决赛的女性。因其凶猛、好斗的棋风而被称为“女斗士”（Girl Wrestler）的她迎战了申真谞。她输了，但这场比赛为女性在围棋界开辟了新天地。2024年，金彩瑛因赢得韩国围棋联赛的季后赛而登上头条。她是锦标赛中唯一的女性选手。
使用AI进行训练给了金彩瑛新的信心。用AI分析男性选手的走法打破了他们绝对正确的假象。“以前，我无法衡量顶尖男性选手到底有多强——他们感觉是不可战胜的。现在，我知道他们也会犯错，他们的走法并不总是那么高明，”她说。“AI打破了心理障碍。”
围棋选手找到新身份
选手们可以模仿AI的开局走法，但在中盘——棋盘分支成太多可能性而无法记住——他们自己的判断力就会接管。粉丝们喜欢看选手们犯错并上演逆转，在棋盘上的每一颗棋子中散发出个性。申真谞的棋风好斗，但带有机器般的沉着。金彩瑛巧妙地驾驭着棋盘上最混乱的局面。
“在围棋中，每一步都是你做出的选择，而你的对手也会用他们自己的选择来回应，”27岁的围棋迷兼业余选手金大熙（Kim Dae-hui）说。“看着这个过程展开很有趣。”
有像金大熙这样的粉丝还在观看，申真谞在他的比赛中找到了意义。“我能下出一种只有人类才能讲述故事的围棋，”他说。
退役后，李世石寻找了一份能发挥人类优势的新工作。他开始制作棋盘游戏、发表演讲，并在大学里教学生。“我正在寻找一个我能享受并擅长的新领域，”他说。
但最近，他对留下的这项运动感到更有希望。“下出一盘名局是每个围棋选手的梦想，”他说——一场技术精湛、没有失误、在势均力敌的选手之间展开激烈角逐的比赛。“这就像海市蜃楼，”李世石笑着说。“也许AI能帮助我们下出一盘名局。”
申真谞希望他能做到这一点。对申真谞来说，AI是老师、伴侣和北极星。“我可能是最强的人类选手之一，但有AI在身边，我不能太傲慢，”他说。“AI给了我不断进步的理由。”