一雪被AlphaGo狠虐的「前恥」 14比1，這次人類終於贏了圍棋AI

抓到了圍棋 AI 的弱點

一般看到這種比分差距，我們會猜測兩種可能：要麼這位人類棋手太強，要麼這個圍棋 AI 系統 KataGo 太弱。

然而：

戰勝 KataGo 的這個人，不是世界冠軍，甚至不是職業棋手，他只是一位名叫 Kellin Pelrin 的美國業餘棋手，結果與 AI 對戰的 15 場比賽中，他贏得了 14 場。

KataGo 也並不弱，它是一款很強大的開源圍棋 AI，將 AlphaGo 和 AlphaZero 技術作為開發基礎，由哈佛大學 AI 研究員 David J. Wu 所研發，曾參與第 12 屆 UEC 杯世界計算機圍棋大會並獲得第三名。

既然 Kellin Pelrin 不強，KataGo 也不弱，那麼 14：1 的巨大分差到底是怎麼來的？《金融時報》給出了答案：Kellin Pelrin 抓到了圍棋 AI 的弱點——準確來說，這個弱點是加州研究公司 FAR AI 開發的一個軟件程序發現的。

FAR AI 用這個軟件與 KataGo 下了 100 多萬盤棋，並在此過程中分析 AI 棋手的弱點，從而找到人類棋手可以利用的 「盲點」。對此，FAR AI 首席執行官 Adam Gleave 表示：「對我們來說，利用這個系統出乎意料地容易。」

針對已發現的 KataGo 弱點，Kellin Pelrin 進行了學習理解：「該軟件所揭示的獲勝策略不僅可行，而且也不是很難，差不多中等水平的棋手就可以用它來擊敗 AI。」

對圍棋有所瞭解的人都知道，對戰雙方需要在 19x19 的棋盤上交替放置黑棋和白棋，大方向就是要圍住對方的棋子。包圍範圍的或大或小，應對方式的靈活多變，注定了 AI 很難預估所有可能的棋局走向。

至於 Kellin Pelrin 採用的策略，說起來很簡單：慢慢將棋子串成一個「環形」，期間時不時落子在棋盤的其他角落以分散 AI 的注意力。Kellin Pelrin 對此評價道：「即便我幾乎都要完成那個環了，AI 機器人都沒有發現問題。但如果對方是一個人類，就很容易看出來。」

通過這種方式，Kellin Pelrin 不僅贏了 KataGo，還戰勝了另一個頂級圍棋 AI 系統 Leela Zero。

AI 無法真正深入理解圍棋？

事實上，這件事雖然乍看之下有些不可思議，但並非不能理解——早已有許多事實證明，AI 從不是「無懈可擊」。

2016 年，李世石雖以 1：4 落敗，但也確實在 AlphaGo 手中拿下一局。當時是第四局，李世石在第 78 手走了一步 AlphaGo 不曾設想的棋，似乎由此擊中了它的 Bug，導致 AlphaGo 開始出現失誤，並產生一系列崩潰反應，從而失掉了那局。

或許是從 AlphaGo 唯一輸掉的這局收穫靈感，去年 11 月幾名 AI 研究人員發表了一篇論文，主題跟此次 Kellin Pelrin 採用的策略相似：研究了一種通過利用 KataGo 盲點的對抗性技術來擊敗 KataGo 的方法，即出乎意料的棋步可以欺騙 KataGo（例如，通過首先對棋盤的一個小角落進行圍空，讓 KataGo 誤以為自己贏了），從而使其輸掉比賽。

但也正如 Kellin Pelrin 所說，這種方法能贏頂級圍棋 AI，卻連人類業餘棋手都贏不了。

對此，加州大學伯克利分校計算機科學教授 Stuart Russell 認為：「不斷發現這些頂尖圍棋 AI 的弱點，這表明了支撐當今最先進的 AI 的深度學習系統有一個根本缺陷。」

也就是說，像 AlphaGo、KataGo 等圍棋 AI 系統，哪怕其勝率優越，還是無法真正深入理解圍棋，其反饋大多基於訓練時接觸到的棋局。Stuart Russell 解釋道，這些系統只能「理解」它們過去接觸過的特定情況，但無法進行概括總結：「這再次表明，我們過於草率地將超過人類的智力水平賦予了機器。」

「AI 需要人類，而人類也需要 AI」

這則時隔七年，人類終於戰勝 AI 「一洗前恥」的新聞，引發了許多網友的關注與討論：

「它要打敗 AlphaGo 我才能相信人類戰勝 AI 了，但我對此保持懷疑…」

「這些 AI 的真正強大之處在於它們所訓練的數據，但缺乏總結意識或批判性思維。」

「這只能表明，AI 需要人類，而人類也需要 AI。」

「我想到了過度依賴 AI 系統的風險，因為它們可能都包含這類漏洞。」