韓國世界第一棋手申真諝擊敗頂尖圍棋AI KataGo。儘管賽後出現參數爭議,這場勝利仍彰顯了在AI時代中,巧用AI能力的重要性。
阿爾法圍棋AlphaGo十年前擊敗李世石、九年前擊敗柯潔這兩代人類圍棋領軍人物後,人類終於贏下了一場完整的人機對抗賽。完成這次勝利的是韓國現役世界第一申真諝九段。七月二十一日進行的決勝局中,申真諝從開局至終局始終維持百分之九十九以上的盤面預測勝率,最終以十一目半的巨大優勢擊敗當今最強的開源圍棋人工智能KataGo。
然而,這場勝利與李世石、柯潔當年參加的分先對局並不處於同一尺度。圍棋界早已認識到,正常規則下的人機差距已經大到無法製造懸念。因此,本次比賽採取讓子棋制。KataGo讓申真諝兩子,相當於人類方開局便獲得約十八點五目(目為圍棋中衡量佔據地盤大小的計量單位)的優勢。頂尖棋手之間的勝負往往只差一目或半目,即使申真諝在後續交鋒中累計損失十八目,仍有可能保住勝局。時間規則同樣不對稱:KataGo每手只能運算二十秒,申真諝則擁有五小時基本用時。換言之,這場比賽所檢驗的,是頂尖人類棋手能否把一筆近乎決定性的初始優勢保存到終局。
即便如此,KataGo在首局中展現出的強力仍然令人絕望。申真諝竭力維持的領先,在棋盤上方和右下角的兩次交鋒中不斷縮水,隨後,整個左下角的數十枚黑子被人工智能吞沒。十八點五目的優勢如潮水般退去,至申真諝投子認輸時,黑棋已經落後接近三十目。寒意幾乎越過屏幕:人類已經先走了如此遙遠的距離,人工智能依然能夠從容追上,再將世界第一遠遠甩在身後。
賽前,韓國棋院調查了二百二十一名職業棋手,百分之六十二看好KataGo。首局慘敗使原有的悲觀更為濃重。韓國國家隊教練洪旼杓稱KataGo的第三手是「自己一生從未見過的棋」。申真諝也坦言,這一陌生走法使自己一個月的準備幾乎立即失效,並將後兩局的目標由獲勝降為堅持到最後。
兩天後的第二局,申真諝主動選擇一套深入研究過的複雜走法。雙方僅用五分鐘便落下五十三手,申真諝的每一手棋都被人工智能評為最優或次優選點。近四分之一棋盤迅速定型,留給KataGo製造混亂的空間隨之縮小。人工智能在中盤發起猛烈反擊,一度將申真諝的預測勝率由百分之九十九壓低至百分之八十九;但素以冷靜著稱的申真諝重新判斷局面,將殘存的優勢小心護送至終點。經過四小時五十分鐘的鏖戰,申真諝最終以四目半獲勝。KataGo已追回十四目,但終究未能衝破最後的防線。申真諝走進記者會時,現場響起歡呼和掌聲——首局結束後幾乎不可逾越的人工智能之牆,終於被鑿開一道缺口。
本應最扣人心弦的決勝局,反而成為三盤棋中最平靜的一局。申真諝步步為營,寧可放棄部分局部利益,也不讓棋盤陷入一次失誤便可能滿盤崩塌的混戰。本局中,KataGo蠶食優勢的速度似乎太過緩慢,面對逐漸迫近的敗局,也沒有像前兩局一樣挑起激烈的戰鬥。申真諝將開局時的十八點五目優勢安全運轉至終局,以十一目半結束比賽。人工智能沒有再次追上來。
勝負羅生門
棋盤上的平靜,很快變成了棋盤之外的爭論。

使用人工智能訓練,已在圍棋界高度普及。上至世界冠軍,下至普通圍棋愛好者,對KataGo都不陌生。部分中國圍棋用戶用KataGo重新推演三局棋,比較比賽落子與不同設置下的選擇。他們發現,首局KataGo的下法更接近運算充分、更易於挑起戰鬥時的版本;第二、三局的風格明顯更為穩健,其計算深度也相對較淺。
KataGo後台設有激進度、思考深度等參數。激進度越高,它就越傾向於在複雜局面中製造變化,冒着進一步擴大差距的風險尋找翻盤機會;思考深度越高,它的推演也就越充分,越能作出精確判斷、下出最佳着法。即使使用同一套程序和顯卡,操作者仍可決定它呈現出的競技水平和風格。首局中KataGo的招法靈動飄逸,在戰鬥中又極其兇狠地抹去十八點五目的劣勢,決勝局卻遲遲沒有掀起同等強度的反撲。如此反差自然引起懷疑:首局之後,它的實際運算能力是否受到限制,或者它在落後局面中的選擇方式是否發生了改變?
主辦方至今仍沒有公開每局比賽的完整參數設置和逐手運行記錄,因此,外界無法在相同條件下重現比賽,也無法徹底排除中途改變設置的可能。相關質疑確實有一定的技術依據,但僅憑棋譜比對,同樣不足以證明比賽受到人為操縱。
藉AI擊敗AI
然而,無論KataGo的能力是否被削弱,能夠守住兩子優勢並連勝兩局的棋手依然極其有限。作為唯一擊敗過阿爾法圍棋的人類棋手,李世石九段賽後斷言,當今世界除申真諝外,幾乎找不到第二名能夠完成這一任務的棋手。
申真諝此前就有「申工智能」的美譽。過去十年,人工智能推翻了圍棋沿用數百年的布局常識,並以勝率和目差量化每一手棋。申真諝在這場革命中成長為世界第一,他比任何人都更充分地吸收了機器的布局理解、價值判斷和官子收束。他擊敗人工智能的下法,很大程度上也來自人工智能。
問題由此轉向極有意味的一面:最有能力擊敗人工智能的人,恰恰也是被人工智能塑造得最深的棋手。申真諝的勝利似乎在證明,在人工智能浪潮中,真正拉開人與人差距的,已經不只是人類原有的天賦與經驗,還疊加了理解並轉化人工智能的能力。


