被 AlphaGo 击败李世石，使用 8 2008年重建坍塌世界

和 AI 并存同创 的围棋世界

败给 AI，有一种感觉，我的整个世界都崩溃了。

在最近接受《纽约时报》采访时，李世石说。

2016 年，这位曾 14 韩国棋士获得了世界冠军，代表人类出战 Google 的 AlphaGo，最后以 1:4 告败。

刚接受邀请的时候，他觉得那会是一次。「好玩」的经历：

有趣的前提是我认为我会赢。我从来没有想过我会输。

那可能是 AI 技术在 ChatGPT 其中一个最重要的高光时刻出现在舞台前。

现在离 ChatGPT 不到两年的时间，我们已经看到许多领域已经被发布。 AI 影响，而生活的更多方面似乎也埋下了改变的悬念，我们忍不住想要推断和想象未来。 AI。

也许，比其他领域更早受到影响 AI 围棋界的冲击，可以帮助我们看到已经发生的可能性。

在击败人类之后，AI 在进一步去「人味」

我不能再去玩围棋了，所以我退役了。

和 AlphaGo 三年后，李世石正式宣布退役。

对于 5 对于年迈开始学习围棋的李世石来说，围棋不仅仅是一种竞争，更是一种艺术，一种棋手个性和风格的延伸，但是 AI 时代，它却「沦为」获得算法效率游戏。

这三年来，其实还发生了另外一件事。

2017 年，DeepMind 宣布新版本 AlphaGo —— AlphaGo Zero。

AlphaGo 自神经网络的诞生对人们来说是高手。 3000 数以万计的学习和自我训练，但是 AlphaGo Zero 但是从一开始就脱离了「人味」，训练期间不接触任何人类棋谱，单纯依靠自己和自己下棋进行训练。

仅仅三天，AlphaGo Zero 在迎战 AlphaGo 时就已经以 100:0 取胜。

大西洋月刊被称为“大西洋月刊”「没有必要向人类学习任何东西。 AI」。

在围棋中，有一种方法看起来简单或无关紧要，但它可以长期造成致命威胁。有人会说这就像「幽灵」般。

而 AlphaGo 和 AlphaGo Zero 棋谱，却无法理解直接被视为直接的棋谱。「一本神秘的地外文明指南」。

职业美国棋手 Michael Redmond 于 2017 2008年，人类学习围棋的一个重要手段就是建立一个故事：「这就是我们交流的方式。这是一件很人性化的事情。」

或许这也呼应了李世石的观点，在下棋的时候，棋手们也展示了他们作为人类的一部分。

Redmond 补充说，根据他自己的观察，人类棋手第一次见到。「AI 味」棋路很可能是直接的「举手投降」：

AlphaGo 下棋的方式，总是让人感觉很好。「非人性」，面临这种棋局，我们甚至很难投入其中。

作为最早受到冲击的围棋大师之一，李世石久久无法释怀。

他开始执迷于此 AI。

退役后，李世石除了成立自己的围棋学校、出版书籍和推出基于围棋的棋盘游戏外，还开始做关于围棋的事情。 AI 的演讲：

我很早就开始面对了 AI 问题，别人也会经历。也许不会有幸福的团圆结局。

对他而言，AI 最令人担忧的是，它可能会改变人类的价值观：

在过去，每个人都会对创造力、创造力和创新充满敬畏，但是自从 AI 自出现以来，其中许多已经消失。

并非所有人都同意这一说法。

多年来，人机同创

AI 摧毁所有围棋圈存在的秩序，然后开始重建。

研究康奈尔大学的人工智能围棋爱好者 Jiuheng He 说道。

用于很多围棋学院， AI 几乎所有棋手都要经历学习围棋的过程。

一所香港围棋学院，Ng Chee Man 将为学生提供 iPad 来用 AI 学习围棋。

每一次去学生下棋，AI 都会展现出「最佳路线」推荐，同时，系统还会记录学生哪些步骤好，哪些不好。

一项去年在《美国国家科学院院刊》上发表的研究指出，自打 AI 进入围棋圈后，人类棋手的判断力得到了提高。

早在 2016 年，在 AlphaGo 在击败李世石之前，曾经在不公开测试中对战。 AlphaGo 樊指也有过类似的经历。

虽然落败了，但樊指 AlphaGo 让他以全新的方式看待围棋，提高自己的技能，让自己的世界排名迅速跃升。

2023 年研究则以 1950 年到 2021 每年积累的棋谱是基础，包括 580 数据万手数。

研究者发现，是的 AlphaGo 在击败李世石之前，人类棋手的判断质量 66 年中保持稳定，基本保持不变，但是 2016、2017 在此期间，棋手的判断质量开始上升。

换言之，虽然人类棋手可能无法战胜它。 AI 棋手，但是他们的判断力确实有所提高。

看到人类棋手能够如此快速地适应，将这些新路线融入到自己的方法中是非常令人兴奋的。这些结果表明，人类将适应这些发现，并在此基础上大大提高他们的潜力。

DeepMind 首席研究科学家， AlphaGo 项目经理 David Silver 评论这项研究。

曾被 AlphaGo 于 2017 年度战胜的柯洁，也曾于此 2023 年表示自己除了比赛之外，很少和真人一起练习，并且认为自己 AI 甚至成为围棋创造力的根源：

创造力并不意味着你可以做任何不同的事情。创造力必须投入实战并得到测试。如今，大多数围棋创新都是 AI 为了完成，我们想下一些与以前不同的棋，很有可能会输，因为 AI 通过大量的实战，得到与以前不同的思考，这就是创造力。

此外，另一位职业棋手的表现也特别引人注目。

申真是第一个获得世界冠军的韩国棋手。 00 棋手之后，常被棋迷称为棋迷。「申工智能」，由于他正是通过长时间进行的。 AI 练习和研究都是称呼的。

今年 2 月亮，申真邈于 25 今年的农心杯击败了中国教练辜梓豪，完成了单赛季六连胜，跨赛季 16 连胜，超越前辈李昌镐。今年 3 月亮，他谈到了自己和自己 AI 的关系：

我觉得我和 AI 如今是朋友关系。我和比我更好 AI 一起学习。AI 与人的思想完全不同，AI 借鉴数学算法解决问题， AI 这个想法让我受益匪浅。

现在，中国、韩国和日本的职业选手都会使用。 AI 来训练。

「AI 味」启示录

就像生成式一样 AI 在这个时代，一些设计师和作者需要因为作品中包含的所谓所谓。「AI 味」而且进行复杂的自证，在融合中 AI 长期以来，围棋界也一直面临着「AI 味」各种各样的问题衍生出来。

现在的围棋比赛中，常常会配备围棋比赛。 AI 推断赢率和 AI 推荐最佳路线。观众也可以在观看比赛的过程中得到一个。「主动性」，有多个视角观看比赛。

2022 2008年，中国棋手李轩豪在对抗申真的过程中，做出了很多决定。 AI 最好的判断预测前三符合，所以被队友杨鼎新质疑有用。 AI 作弊之疑。

生于 95 年李轩豪正在使用 AI 训练上「朝九晚九，全年无休止，的确非常努力。」，所以棋路有时会被视为所谓的所谓棋路。「机器味」。

对质疑问题，中国围棋协会进行了调查，最终确定这一控告没有证据，杨鼎新作出了处罚。

但用 AI 确实存在作弊的情况。

2020 年，韩国 13 金恩持，一名职业棋手，在网络比赛中被发现。 AI 推荐有高达 92% 重叠。经调查，最终确定其作弊(并且本人也承认)，被罚停赛一年。

2022 年，中国棋手刘睿智被判定为 AI 中国首次因为作弊而正式作弊。 AI 职业棋手作弊受到惩罚。与金恩持相比，刘睿智知道如何避免「AI 味」，只是在某些关键点上使用了。 AI。

为应对这一问题，各国的比赛也在不断完善。 AI 作弊机制。

同时，也有人利用了它。「AI 味」来战胜 AI。

2023 2008年，美国业余选手 Kellin Pelrine 战胜了围棋 AI KataGo。

KataGo 现在是开源最强的围棋 AI 其中一个，韩国也会用它来训练棋手。

Pelrine 运用了名叫 FAR AI 的程序和 KataGo 对战了超过 100 万局，最终 FAR AI 找到了 KataGo 弱点，并在人机对决中实践并取得胜利：

这种策略不能说是小儿科，但也不是特别难学。

接着，他也以同样的方式击败了另一个更强大的围棋。 AI Leela Zero。

战略的关键在于创造一个大的。「圈」来围住对手的一组棋子，然后可以突然把一个儿子放到另一个不相关的角落，去影响。 AI。

Pelrine 说到这里，如果是人类棋手，看到这个圈子肯定会知道有问题，但是 AI 没有注意到。

这一弱点看上去有些「取巧」，是否让 AI 进行有针对性的训练可以打补丁吗？

上周的一篇关于《自然》的报道引用了今年的一篇预印论文，指出面对专门的寻找。 AI 软弱的程序，模型的漏洞并不像想象的那样容易修复。

这次被「针对」还是 KataGo。研究人员使用三种不同的策略 KataGo 强大的反击能力：

• 让 KataGo 学习如何通过自我游戏来应对攻击；
• 迭代训练，攻击程序攻击 KataGo，反馈漏洞 KataGo，通过自我游戏或其它方式学习应对，然后使用攻击程序进行攻击。 KataGo，往复循环；
• 重新开始训练一个新的围棋 AI 选择不同的神经网络模型进行系统。

尽管这些训练在一定程度上有所帮助 KataGo 提高防御能力，但是攻击程序仍然可以发现漏洞，分别由 91%、81% 和 78% 的胜率战胜 KataGo。

这类攻击程序本身并非优秀的围棋。 AI，人也可以很容易地战胜它。

自然，这里的关键不在于竞争到底是人类强大还是人类强大。 AI 厉害。

关键是，对于围棋这个问题， AI 曾「颠覆」经过这么多年的应用和改进，这个行业， AI 仍然存在许多问题。作者论文 Adam Gleave 说道：

假如我们不能在像围棋这样的单一领域解决这个问题，那么短期内，想要 ChatGPT 这种模式修复越狱的可能性似乎很小。

本文来自微信公众号“爱范儿”（ID：ifanr），作者：方嘉文，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com