BETHASH官方网站(访问: hash.cyou 领取999USDT）

　　“我的棋风变了很多，”申真谞说，“因为我必须在一定程度上遵从 AI 的指引。”韩国棋院表示，已主动联系 Google DeepMind，希望促成申真谞与 AlphaGo 之间的对局，以纪念 AlphaGo 击败李世石十周年。Google DeepMind 发言人表示，公司目前暂无相关信息可以披露。但若新的对局成真，在更先进 AI 程序上磨砺多年的申真谞对获胜持乐观态度。“AlphaGo 当时仍有一些弱点，我认为针对这些弱点可以击败它，”他说。

　　为训练 AI 下围棋，海量人类棋局数据被输入模拟人脑神经元网络的计算系统神经网络。AlphaGo 在击败李世石后被命名为 AlphaGo Lee，训练数据包含 3000 万步棋局，并通过与自身进行数百万次对弈加以精进。2017 年，其继任者AlphaGo Zero从零开始学习围棋，不研究任何人类棋局，仅依据规则与自身对弈，纯靠自我博弈发展出落子策略。这种白板式学习方式不受人类知识局限，被证明更为强大。训练三天后，AlphaGo Zero 以 100 比 0 完胜 AlphaGo Lee。

　　Google DeepMind 同年宣布 AlphaGo 退役。随后，一批受 AlphaGo Zero 启发的开源模型相继涌现。今天，KataGo 是韩国职业围棋棋手使用最为广泛的程序。它比 AlphaGo 更快、更精准，不仅能预测胜负，还能在任意时刻预测棋盘每个点位的归属。AlphaGo Zero 通过分析棋盘的局部小块来拼凑出对整体的理解，而 KataGo 则学会了读懂整张棋盘，对长远战略形成了更强的判断力。它不仅学会了如何赢棋，更学会了如何最大化得分。

　　研究人员正努力破译棋类 AI 程序中编码的超人知识，以便人类也能从中学习。2024 年，Google DeepMind 的研究人员从 AlphaZero（AlphaGo Zero 的通用版本，同样能够下国际象棋）中提取出新的象棋概念，并通过象棋题将其传授给国际象棋大师。棋手们迄今从 AI 系统中汲取的围棋概念，“很可能只是你潜在可以学到的一小部分，”丰田工业大学芝加哥分校计算机科学家尼古拉斯·托姆林（Nicholas Tomlin）说，他是一项探究 AlphaGo Zero 中围棋概念编码的研究的共同作者。

　　即便 AI 是一位深不可测的导师，它也是一位公平的导师。AI 极大地提升了女棋手的训练条件，而这一群体长期以来在围棋界处于弱势地位。南志贤表示，数十年来，围棋训练意味着在顶尖男棋手门下学艺，最具竞争力的对局也集中在女棋手难以涉足的男性圈子里。“女棋手从未有过那样的历练机会，”她说，“但现在她们可以跟 AI 学习，训练环境大为改善。”从更宏观的角度来看，AI 通过帮助所有棋手打磨布局套路，缩小了棋手之间的差距。