AI 正在改變世界頂級圍棋選手的思維方式

AlphaGo 之后，围棋世界发生了什么

2016 年 3 月，AlphaGo 以 4:1 击败李世石的那一刻，许多围棋职业棋手感受到的不是震撼，而是一种难以名状的茫然。他们花了数十年时间，将自己塑造成人类已知最强的智识运动选手——而现在，一台机器用一种"错误的"方式，轻描淡写地击垮了他们的整个知识体系。

九年过去了，MIT Technology Review 发布了一篇深度报道，追踪 AI 究竟如何从根本上重塑了职业围棋世界的认知框架。结论令人深思：AI 不仅改变了棋手"如何下棋"，更改变了他们"如何思考"。

这不只是一个围棋的故事。它是一面镜子，映照出 AI 与人类专业知识相遇时，将会发生什么。

非直觉走法：AI 给围棋世界的"礼物"

围棋有一个被奉为金科玉律的原则：棋子应该尽量发挥效率，不能轻易落在对方强势区域附近。这一原则已被无数代棋手验证、内化，成为直觉的一部分。

AlphaGo 和后来的 KataGo、Leela Zero 却反复走出一种被人类棋手称为"肩冲"的着法——深入对方阵地，看似自投罗网，却在几十手之后展现出令人叹为观止的效率。早期棋手将这些走法标注为"AI 的随机错误"，然后继续用传统方法复盘。

直到有人真的跟着 AI 的思路走完全局，才意识到：那不是错误，那是人类还没有发现的真理。

世界顶级职业棋手、多次世界冠军柯洁公开表示，AlphaGo 出现后，他不得不系统性地重新学习围棋。"我以前认为我已经掌握了围棋的精髓，AI 告诉我，我只是学会了人类传递下来的偏见。"

"三三"定式的革命

其中最具代表性的变化，是对"三三入侵"战术的重新评价。

传统围棋理论认为，在开局阶段过早从对方星位角进"三三"（棋盘角落的第三路交叉点）是保守甚至软弱的选择，会让对手在外围形成强大厚势。这一观点支配了职业棋界数十年。

AI 的出现彻底颠覆了这一认知。在 AI 的棋谱中，三三入侵频繁出现在顶级对局的开局阶段，而且往往取得优秀效果。经过深度研究，棋手们逐渐理解了 AI 的逻辑：三三入侵换来的是确定性的实地，而厚势的转化存在诸多不确定性。在精确计算下，提前锁定实利往往比追求虚无的厚势更有价值。

如今，三三定式已经成为世界顶级对局中的常规开局选择，彻底改写了围棋开局理论的面貌。

认知重塑：不只是学招式，而是更新思维框架

MIT Tech Review 的报道特别强调了一个细节：顶级棋手向 AI 学习的方式，远不是简单地"背棋谱"。

申真谞（韩国顶级棋手，近年来多次登顶世界排名）在采访中描述了他的学习方法：他不仅研究 AI 的最佳着手，更刻意分析 AI 认为"次优"的选择，试图理解为什么某步棋被 AI 评为 -0.5%，而另一步棋被评为 +2.3%。

"我想理解 AI 的价值判断逻辑，而不只是记住它的答案。"

这种学习方式的转变意义深远。传统围棋教学是师徒制的经验传递——老师讲解自己的理解，学生接受并内化。而 AI 提供的是一个客观的、可重复验证的价值评估系统。棋手们开始习惯用数值化思维来理解棋盘上的每一个决策，这在以前几乎是不可想象的。

年龄与学习能力的悖论

有一个有趣的现象引发了围棋界的讨论：在 AI 时代，年轻棋手进步的速度明显快于前几代棋手。

原因并非年轻人学习能力更强，而是他们没有需要"清除"的旧范式。对于一个从十岁开始就用 AI 软件训练的年轻棋手来说，三三入侵是"正常的"，肩冲是"合理的"，这些走法从一开始就写入了他们的直觉。他们不需要像柯洁那样进行痛苦的认知重建。

与此形成对比的是，一些三四十岁的职业棋手坦言，他们能够理解 AI 走法的逻辑，却无法在实战中自然地执行——因为多年的肌肉记忆和本能反应会在关键时刻"背叛"他们，把手引向旧有的、但已被证明次优的选择。

这一现象与认知科学中的"专家诅咒"高度吻合：深度专业化既是财富，也是枷锁。

人机融合：超越单一智能的可能性

报道中最令人振奋的一个观点，来自国际象棋 AI 研究领域的类比：经过 AI 训练的人类棋手，在某些特定条件下，其表现可能超越纯 AI 系统。

这一说法的背景，是著名的"自由式国际象棋"（Freestyle Chess）实验。在这类比赛中，人类与 AI 协作参赛——结果发现，一个技术中等但善用 AI 辅助的人类团队，往往能击败顶级 AI 单独作战。原因在于，人类提供了 AI 缺乏的上下文判断和战略直觉，而 AI 提供了人类无法独立完成的精确计算。

在围棋领域，类似的融合效应已经出现。职业棋手不再只是 AI 的"学生"，他们在研究 AI 走法的过程中，发展出了一种新型的元认知能力——他们知道在哪些局面下 AI 的计算是可靠的，在哪些局面下人类的局势感知更有价值。

申真谞在一次采访中说："AI 让我更了解自己的优势在哪里。我在局势判断上是有价值的，在精确计算上我接受自己比不过机器。承认这一点，反而让我更能专注地发挥我真正擅长的部分。"

围棋之外：AI 重塑专业认知的普遍规律

MIT Tech Review 的报道将围棋案例作为一个更大命题的缩影：当 AI 进入任何一个专业领域，它如何改变该领域人类专家的认知模式？

围棋是一个理想的观察窗口，因为它有清晰的胜负标准、可量化的棋力评估，以及长达千年的人类知识积累。AI 对围棋的冲击，比对许多其他领域更容易被观察和记录。

但同样的规律正在悄然扩展到其他领域：

• **医学影像诊断**：AI 已经在某些癌症筛查任务上超越人类医生，顶级放射科医生开始学习"AI 会看到什么，我会看到什么，两者的交集是什么"
• **法律研究**：顶级律师事务所开始用 AI 评估案件胜率，改变了诉讼策略的制定逻辑
• **金融投资**：量化模型的胜率倒逼基本面分析师重新定义自己的"差异化价值"
• **蛋白质结构预测**：AlphaFold 彻底改变了结构生物学家的研究路径和直觉训练方式

在所有这些领域，最优秀的从业者都在经历与围棋棋手相似的认知重构：不是被 AI 取代，而是在 AI 的参照下，更清晰地认识自己真正的价值所在。

一个时代的象征

围棋在东亚文化中有着特殊的地位——它被认为是人类智慧的最高表达之一，是无法被算法穷举的无限可能性的象征。AlphaGo 的胜利在文化意义上远超一场比赛的输赢。

九年后，故事的结局比任何人预想的都要复杂。AI 没有让围棋变得"没意义"，反而揭示了一个此前被人类集体认知盲区遮蔽的围棋世界——一个更宽广、更深邃、更令人着迷的世界。

顶级棋手们正带着 AI 赋予他们的新视角，继续探索这个游戏的边界。他们的思维方式已经被永久改写，但这种改写并没有让他们变成机器——它让他们变成了更好的人类棋手。

这或许是 AI 时代专业领域人类价值最好的注脚：不是人机对抗，而是人机共进化。