机器赢了棋王之后，人类反而下得更好了

2016年3月13日，首尔四季酒店。围棋九段李世石对着棋盘坐了很久，然后落下第78手——一记后来被称为"神之一手"的挖。对面的AlphaGo开始连出昏招，最终认输。全场欢呼。可很少有人注意到一个细节：这是那场五番棋里，人类赢下的唯一一局。而且，是迄今为止，人类在正式比赛中战胜顶级围棋AI的最后一局。

按理说，这该是个悲伤的故事。人类最引以为傲的智力游戏，被机器碾过去了。但九年过去，事情的走向和所有人预想的都不一样：职业棋手没有失业，围棋没有死掉，反而，人类棋手的整体水平，涨了一大截。

这事值得好好说说。

一、棋盘，从来都是人类给"智能"划的考场

人类痴迷用棋来衡量聪明，历史比你想的长得多。

1770年，匈牙利工程师肯佩伦造了一台"土耳其行棋傀儡"：一个木头人坐在柜子后面，能跟真人下国际象棋，还赢多输少。它巡演欧洲几十年，赢过拿破仑，也赢过富兰克林。所有人都想知道：机器真的会思考吗？答案很扫兴——柜子里藏着一个真人棋手，整台机器是个魔术道具。但有意思的是这个骗局能火84年，说明那时候的人就已经默认了一件事：如果有什么东西能下赢棋，那它一定是有智能的。

这个默认一直延续到了计算机时代。1950年，信息论之父香农专门写了篇论文，讨论怎么让计算机下国际象棋。他算过一笔账：国际象棋可能的对局变化约有10的120次方种，比可观测宇宙里的原子总数还多得多。也就是说，靠穷举是算不完的，机器必须学会"判断"，学会取舍——而判断和取舍，恰恰是人类认为只有自己才配拥有的东西。

所以棋成了人工智能的头号考场。图灵在没有计算机可用的年代，就手写了一套下棋程序，自己拿纸笔模拟运行，一步要算半个多小时。1951年，这套"纸面程序"跟他同事的妻子下了一盘，输了——人类历史上第一个下棋算法，败给了一位业余爱好者。但图灵不在乎输赢，他在乎的是：机器第一次按自己的"想法"走出了一步棋。这些先驱心里都清楚：棋盘规则明确、胜负清楚、不掺运气，是检验"机器能不能思考"最干净的实验室。

往东看，其实中国人早就把棋和智慧绑在了一起。围棋古称"手谈"，意思是不用开口，手上的落子就是交谈；古人还把它列进"琴棋书画"四艺，当成读书人的修养门槛。三千年里，东西方不约而同地认定：会下棋，等于会思考。

考场划好了，接下来就是等考生进场。

二、两次交卷：蛮力的胜利，和学习的胜利

第一个交出高分卷的，是IBM的深蓝。

1997年5月11日，纽约。国际象棋世界冠军卡斯帕罗夫在第六局崩盘，以2.5比3.5输掉整场比赛。这位曾放话"机器永远赢不了我"的棋王，赛后形容自己在棋盘对面感觉到了"一种外星智慧"。但揭开盖子看，深蓝其实没什么神秘的：它靠480颗专用芯片，每秒暴力计算2亿个棋位，硬生生把人类算了下去。它不懂棋，它只是快。卡斯帕罗夫输给的不是"智慧"，是算力堆出来的一堵墙。

这也是为什么，深蓝赢了之后，围棋界普遍不慌。围棋棋盘19路，合法局面约10的170次方种，光靠算，算到宇宙热寂也算不完。2000年代还有职业棋手放话：机器想赢人类，起码再等一百年。

结果只等了十九年。

AlphaGo和深蓝是两种完全不同的物种。它不靠预设的人类棋谱规则硬算，而是先"看"了十几万盘人类对局，再左右互搏自己跟自己下了几千万盘，从输赢里长出了自己的"棋感"。2016年赢李世石4比1；2017年在乌镇3比0零封当时等级分世界第一的柯洁。赛后柯洁哭了，他说AlphaGo"太完美，我看不到任何胜利的希望"。更狠的还在后面：同年年底，新版本AlphaGo Zero彻底扔掉人类棋谱，从零开始纯靠自学，只花三天，就把赢过李世石的旧版本打了个100比0。

三天，走完人类三千年的路。这两次交卷之间隔着的，不只是十九年，而是机器从"算得快"到"学得会"的一整次跃迁。说实话，第一次看到100比0这个比分时，我愣了很久——那种感觉不是震撼，更接近于失重。

三、反常识的下半场：被打败的人类，棋力暴涨

故事讲到这，按剧本该是"人类退场"了。但真实世界偏不按剧本走。

先看一组硬数据。国际象棋方面，有研究者分析了历年顶级棋手的实战着法质量，发现引擎普及后，人类棋手的失误率明显下降，如今二十岁出头的年轻棋手，着法精度已经普遍超过了三十年前的世界冠军。现任棋王级选手几乎人人从小"喂"引擎长大，印度棋手古克什18岁就拿下世界冠军头衔——这种年纪在前引擎时代几乎不可想象。国际棋联的注册棋手数量和线上平台的用户量，在AI碾压人类之后不降反升，Chess.com的注册用户如今已经过亿。

道理不复杂：引擎把顶级训练的门槛砸没了。三十年前，一个小镇少年想成为特级大师，得先找到名师、买得起棋谱、进得了集训队；现在，一台旧手机就装得下一个比卡斯帕罗夫还强的陪练，二十四小时待命，免费，还从不发脾气。天赋依然稀缺，但通往天赋兑现的路，从来没有这么宽过。

围棋这边更有意思。AlphaGo之前，"点三三"这种下法被职业界视为亏损的俗手，老师看到学生这么下是要皱眉的；AlphaGo用胜率证明它成立之后，如今职业比赛里满盘都是点三三。人类花几百年沉淀的定式，被AI两三年洗了一遍——听起来残酷，但换个角度看：AI等于把三千年围棋史上没人探索过的区域，一次性摊开给了人类。现在的职业棋手复盘，人手一个AI，看胜率曲线找自己的问题。韩国、中国的道场里，孩子们跟着AI学棋，进步速度是老一辈的好几倍。

还有更微妙的一层。2023年，一支研究团队分析了1950年以来的580万步职业围棋着法，发现一个清晰的拐点：在AlphaGo出现之前的六十多年里，人类围棋的决策质量基本是平的，爬得极慢；2017年之后，曲线突然抬头，职业棋手的新颖着法和判断水准双双跳涨。研究者给这个现象起了个很妙的说法——超人的AI，可能正在让人类变得更有创造力，而不是更平庸。因为AI打破的不只是几个定式，而是"前人这么下、所以只能这么下"的思维惯性。

卡斯帕罗夫本人的转变最能说明问题。这位1997年的失败者，后来发明了"人机配对赛"：人类搭档引擎组队下棋。他发现一个耐人寻味的现象：弱棋手加普通引擎，只要配合流程好，能赢过顶级引擎单干，也能赢过"特级大师加引擎"的强强组合。他把结论写进了书里：重要的不是人比机器强，也不是机器比人强，而是人懂不懂得怎么跟机器合作。

你看，考场还是那个考场，但考题悄悄换了。

四、棋盘之外，我们每个人都在下这盘棋

为什么值得花三千字讲下棋？因为棋手们提前替我们所有人，把"被AI超越"这件事完整经历了一遍——从不屑，到恐慌，到消化，再到借力起飞。

他们的经验大致可以抽成三条，放在今天任何一个行业都成立。

第一，别在机器的主场跟机器较劲。比算得快、记得多、干得久，人类没有胜算，就像没人会跟汽车赛跑。棋手们早就不跟AI比胜负了，他们比的是：谁能从AI那里学得更快。

第二，机器给答案，人负责问题。AI能告诉你这步棋胜率54.7%，但它不知道你为什么坐在棋盘前。定义目标、判断取舍、承担后果，这些依然是人的事。柯洁输给AlphaGo之后没有退役，反而说"它是我的老师"——把对手重新定义成工具，这本身就是一种智慧。放到工作里也一样：AI能写出十版方案，但哪一版符合你的处境、你愿意为哪一版负责，它给不了答案。会提问的人，正在悄悄拉开与只会等答案的人的差距。

第三，也是我个人最看重的一条：机器的完美，反而衬出了人的珍贵。AlphaGo赢了棋，但没有人给它鼓掌时它会激动，输棋时它也不会像李世石那样彻夜复盘、辗转难眠。我们看棋，看的从来不只是最优解，是那个会犯错、会挣扎、会在绝境里憋出"神之一手"的人。这一点，机器抢不走——因为它压根不想要。

所以，下次再听到"AI要取代某某行业"的论调，不妨想想围棋这九年：被"取代"得最彻底的行当，恰恰活得比以前更热闹。真正的分水岭从来不在人和机器之间，而在会用机器的人和不会用的人之间。

李世石2019年退役时说，AI是"一座无法逾越的高山"。这话只说对了一半——山确实翻不过去，但没人规定你必须翻。你可以顺着它往上爬，站在从前够不着的高度，看从前看不见的风景。

这，大概就是棋盘教给我们这个时代最重要的一课。