输给AI，有种感觉是，整个世界都塌了。

李世石在最近接受《纽约时报》采访时，说出了这样一句话。

2016年，这位曾14次问鼎世界冠军的韩国棋手，代表人类出战Google的AlphaGo，最终以1:4落败。

他当初接受邀请时，觉得那会是一次“好玩”的经历——好玩的前提，是他认为自己会赢。从没想过会输。

那可能是AI技术在ChatGPT登场之前，最重要的高光时刻之一。

现在，距离ChatGPT发布还不到两年，我们已经看到多个领域被AI影响，生活中更多角落也埋下了改变的伏笔。我们总忍不住推测、畅想未来AI的模样。

也许，比大多数领域更早受到AI冲击的围棋界，能给我们展示一种已经发生的可能性。

击败人类后，AI在进一步去“人味”

“我没办法再去享受围棋，所以我就退役了。”

与AlphaGo对战后三年，李世石正式宣布退役。对于5岁就开始学围棋的他而言，围棋不仅是竞赛，更是一种艺术——棋手个性和风格的延伸。但在AI时代，它“沦为”了算法的效率游戏。

这三年间，其实还发生了另一件事。

2017年，DeepMind宣布了新版的AlphaGo——AlphaGo Zero。AlphaGo诞生于对人类高手3000多万手数的学习和自我练习，但AlphaGo Zero从一开始就脱离“人味”，训练期间不接触任何人类棋谱，纯粹靠自我对弈训练。只用了三天，它在迎战AlphaGo时便以100:0取胜。《大西洋月刊》称它为“不需要从人类身上学习任何东西的AI”。

在围棋中，有一种手法看起来简单或无关紧要，但长远却能造成致命威胁，有人形容它像“幽灵”。而AlphaGo和AlphaGo Zero的棋谱，却难理解到直接被视为“外星文明投下的一本神秘指南”。美国职业棋手Michael Redmond于2017年表示，人类学习围棋的重要手段之一是搭建故事——“那是我们沟通的方式，是一件非常人性的事。”这呼应了李世石的观点：下棋时，棋手也展现了他们作为人的那一面。

Redmond补充说，据他观察，人类棋手初见“AI味”棋路时很可能直接“举手投降”。“AlphaGo下棋的方式，总让人觉得很‘非人性’，面对这样的棋局，我们甚至很难投入其中。”

李世石作为最早受到冲击的围棋高手之一，久久不能释怀。他开始执迷于AI。

退役后，除了开设围棋学院、出书和推出基于围棋的桌游，他还开始做关于AI的演讲：“我算是很早开始面对AI的问题，其他人也将会经历。那未必会有开心大团圆结局。”在他看来，AI最让人担心的地方在于，它可能改变人类的价值观：“过去，人们会对创造力、原创性和创新充满敬畏，但自从AI出现以来，这些很多都已经消失了。”

当然，并非所有人都同意这个看法。

人机共创这些年

“AI毁灭了围棋圈所有存在的秩序，然后开始重建。”在康奈尔大学研究人工智能的围棋爱好者Jiuheng He这样说道。

现在，很多围棋学院里，用AI学习围棋几乎已经是棋手们的必修课。香港一家围棋学院里，Ng Chee Man会为学生提供iPad，让他们用AI来学习。每次学生下棋，AI都会展示“最佳走法”建议，同时系统也会记录哪些步下得好，哪些不好。

去年，《美国国家科学院院刊》上刊登的一项研究指出，自从AI进入围棋圈后，人类棋手的判断能力得到了提升。早在2016年，AlphaGo击败李世石前，曾在非公开测试中对决AlphaGo的樊麾就有过类似经历。虽然落败，但他说AlphaGo让他用一种全新的方式看待围棋，提升了他的技巧，世界排名快速跃升。

2023年的研究以1950年至2021年积累的棋谱为基础，包含580万手数的数据。研究人员发现，在AlphaGo击败李世石前，人类棋手的判断质量在66年中都保持平稳，基本不变；但在2016、2017年期间，棋手的判断质量开始爬升。也就是说，人类棋手虽然未必能击败AI棋手，但判断能力确实有所增强。

“看到人类棋手能如此快速地适应，将这些新走法融入自己的方法中，这真让人非常振奋。这些结果表明，人类将适应这些发现，并在它们基础上大大地提升自身潜力。”DeepMind首席研究科学家、AlphaGo项目负责人Da vid Silver对此评论道。

曾被AlphaGo于2017年击败的柯洁，也曾于2023年表示，自己除了比赛外已经很少和真人练习了，并认为AI甚至已经成了围棋创造力的源头：“创造性不是你随便做一件什么不同的事情，创造性必须投入实战并得到检验。现在围棋创新的大部分是AI来完成，我们想下一些和以前不一样的棋，大概率会输，因为AI通过大量实战，得出了和之前不同的思维，这才是创造力。”

另一位职业棋手的表现也格外引人关注。韩国棋手申真谞是首位夺得世界冠军的00后棋手，常被棋迷称为“申工智能”，因为他正是通过长时间进行AI训练和研究著称。

今年2月，申真谞在第25届农心杯击败中国主将辜梓豪，实现了单赛季六连胜，跨赛季16连胜，超越了前辈李昌镐。今年3月，他谈论了自己和AI的关系：“我觉得我和AI现在是朋友关系。我和比我更优秀的AI一起学习。AI和人类的思路是完全不同的，AI通过数学算法解决问题，借鉴AI的思路使我受益良多。”如今，中国、韩国、日本的职业选手，都会用AI来训练。

“AI味”启示录

正如在生成式AI时代，一些设计师和作者需要为自己作品中的“AI味”进行繁复的自证，在融入AI已久的围棋界，也一直在面对“AI味”衍生出的各种议题。

在现时围棋比赛中，常常配有AI推测胜率和推荐最佳走法。观众在观赛过程中也因此获得了一种“主动性”，拥有多个观赛角度。2022年，中国棋手李轩豪在对决申真谞时，很多决策都与AI最优判断预测前三符合，因此被队友杨鼎新质疑是否用AI作弊。李轩豪在用AI训练上“朝九晚九，全年无休，确实很用功”，因此棋路有时会被视为有“机器味”。

对于质疑，中国围棋协会进行了调查，最终认定这一指控没有证据，杨鼎新被处罚。但用AI作弊的情况也确实存在。2020年，韩国13岁职业棋手金恩持被发现在线上比赛中的落子与AI推荐有高达92%的重合，经过调查后认定作弊，禁赛一年。2022年，中国棋手刘睿智被判定AI作弊，这是中国首次正式因AI作弊而处罚职业棋手。与金恩持不同，刘睿智已经懂得规避“AI味”，只在一些关键点用了AI。

为了应对，各国比赛也在不断改进反AI作弊机制。

与此同时，也有人利用“AI味”反过来击败了AI。2023年，美国业余棋手Kellin Pelrine击败了围棋AI KataGo。KataGo是目前开源最强的围棋AI之一，韩国用它来训练棋手。Pelrine利用名为FAR AI的程序，与KataGo对决了超过100万局，最终找到了KataGo的弱点，并在人机对决中获胜：“那个策略算不上小儿科，但也不是特别难学。”随后，他用同样的方法击败了另一个厉害的AI——Leela Zero。

策略关键在于创造一个大的“圈”来围住对手一组棋，然后突然把一子下到另一个不相关的角落，去干扰AI。Pelrine说，如果是人类棋手，看到那个圈肯定知道有问题，但AI并不会留意到。

这个弱点看起来有点“取巧”，是不是让AI进行针对性训练就能打上补丁？《自然》上周一篇报道援引了今年一篇预印本论文指出，面对专门找AI弱点的程序，模型的漏洞并非想象中那么容易修复。这次被“针对”的还是KataGo。研究人员用三种不同策略来让KataGo反击能力更强：让KataGo通过自我对弈学习如何应对攻击；迭代训练，用攻击程序攻击KataGo，把漏洞反馈给它，让它学习应对，再循环攻击；从头开始训练一个新的围棋AI系统，采用不同的神经网络模型。虽然这些训练在一定程度上帮助了KataGo提高防御能力，但攻击程序依旧能发现漏洞，分别以91%、81%和78%的胜率击败KataGo。而这些攻击程序本身并不是出色的围棋AI，人类也能轻松击败它们。

当然，关键不是去比拼到底是人类厉害还是AI厉害。重点是，对于围棋这个AI曾“碘伏”的领域，经过那么多年的应用与改进，其AI依旧存在很多问题。论文作者Adam Glea ve指出：“如果我们在像围棋这种单一领域里也没法解决这个问题，那在短期里，想在ChatGPT之类模型修复越狱的可能性似乎很小。”