围棋大师 Shin 以两子让先击败 AI KataGo
一位顶尖的韩国围棋大师在获得两子让先的情况下，成为首位在正式对局系列中击败 KataGo 之一、最强围棋引擎的人类；而专家指出，这种让先在该水平上极其巨大。评论者指出，AI 也受限于算力，并且并未专门针对让先对局训练，因此这一结果并不意味着人类已经超过机器，但确实缩小并量化了双方差距。分析重点集中在让先制度、AI 训练偏差以及人类极度保守的策略如何相互作用，以及这对围棋和其他游戏未来的人机对抗意味着什么。
让先、实力差距与意义
- 这场对局是人类让先 2 子；许多人认为把它称为“击败 AI”是误导性的。
- 按围棋术语，职业级 2 子让先极其巨大；常被类比为历史上顶尖职业与较弱职业之间的差距。
- 有人估计，在分先棋中 KataGo 比最强人类强约 400–600 Elo；职业棋手普遍同意，人类在分先棋中不可能获胜。
- 这一结果被视为差距显著缩小的证明，而不是人类如今比 AI 更强的证据。
KataGo 与人类如何处理让先
- KataGo 主要在分先棋上训练，并未针对利用较弱对手或让先局面进行优化。
- AI 往往选择在完全正确对弈假设下最优的着法，而不是那种在心理上更具挑衅性、诱使人类犯错的着法。
- 在国际象棋中存在专门的引擎（在围棋中也有类似的对抗性工作，例如“blue spot”），专注于在赔率条件下利用人类；有人预计围棋中也会出现类似发展。
- 时间和硬件限制也很重要：使用 4×3090 GPU，每步约 16–20 秒；有人认为如果给更多时间，棋力会明显提升。
Shin 的策略与定式运用
- 这位人类棋手采用了非常保守、低复杂度的风格，以保住让先“缓冲”而不是主动缠斗。
- 一段长而复杂的“飞刀”定式序列，实际上在早期就锁定了一个很大、局部均衡的结果，而让先则转化为全局领先。
- 由于棋盘大多仍然空旷，双方都“知道”这段定式序列；优势来自于减少 AI 施展更强计算的机会。
等级分、历史与人类进步
- 讨论将围棋和国际象棋的等级分系统进行比较；共识是不能直接映射 Elo 数值，也不能跨时代比较。
- 现今最顶尖的围棋棋手被视为历史级别的异常强大，较其他顶尖棋手拥有很大的等级分领先，并接受了强烈的 AI 训练影响。
- 有人推测，随着 AI 与训练持续进步，完美或接近完美的棋局可能已经出现，只是我们不知道是哪几盘。
元话题：语言、表述与哲学
- 一些评论批评关于“让先”和“击败”的标题表述含糊。
- 讨论人类与机器对弈是否仍有意义；有人将其视为叙事性里程碑，也有人认为这只是算法支配的必然结果。