7.5
深览指数
科技虎嗅·科学网©··AI 生成
21岁时位列世界前十，武大副教授花20年想一个简单问题
文章以职业棋手、武汉大学副教授李喆的视角，探讨了AlphaGo等围棋AI对围棋运动、棋手认知乃至知识生产方式的深远影响。核心论点是，AI不仅提升了人类棋手的棋艺水平，更重要的是颠覆了传统的“逻辑计算+艺术直觉”的围棋认知体系，引出了一个更深层的哲学问题：人类为何学习下棋，以及专精AI（如AlphaGo）能否帮助人类推动围棋抽象概念（如“厚薄”、“虚实”）的精细化，实现知识生产的范式革新。适合对AI、围棋、认知哲学交叉领域感兴趣的深度读者。原文 ↗
核心观点
- ▍AlphaGo 等围棋 AI 不仅提升了人类整体的棋艺水平，更从根本上动摇了人类以“逻辑计算+艺术直觉”为基础的围棋认知体系，迫使棋手重新审视“为何学棋”这一根本问题。
- ▍未来的知识生产范式可能不再依赖纯经验传承，而是由专精 AI（如 AlphaGo）帮助人类将模糊的抽象概念（如围棋中的“厚薄”）进行量化与精细化，从而催生出全新的理论与方法论。
- 01李喆在 AlphaGo 出现前是世界顶尖棋手，21岁排名世界前十，但他很早就对“人类为何学棋”产生困惑，并在2012年赴北大哲学系求学，试图寻找答案。
- 022016年 AlphaGo 战胜李世石后，AI 成为棋手提升水平的唯一工具。Go Ratings 数据显示，2025年有28位棋手积分超过了鼎盛时期李昌镐（3570分），榜首申真谞达3800多分，反映出人类整体水平在十年间提升了“接近一先”。
- 03AI 打破了过去棋手必须进入一线棋院和道场才能获得高水平指导的空间垄断，现在一个冲段少年只需一台普通电脑就能与超越顶尖人类的 AI 对弈并复盘。
- 04李喆观察到，当下顶尖棋手的技术差距不大，竞争核心在于对 AI 海量数据的内化能力，即提出更有效问题、将 AI 的落子数据转化为自身棋感并抽象为可复现的道理。
- 05李喆与 AlphaGo 核心研发者黄士杰（Aja Huang）的交流揭示了专精 AI（如 AlphaGo）与通用大模型（LLM）的技术范式差异。专精 AI 难以解释其决策逻辑，这导向了“可解释性”问题。
反方 / 局限
- — 文章虽然提出借助 AI 推动抽象概念精细化的愿景，但也隐晦地承认，这种全新知识生成方式的技术门槛极高，简单拼接围棋 AI 与大模型只会生成平庸的棋评，无法提炼出成体系的概念与理论。
李喆AlphaGoDeepMindKataGo黄士杰卡斯帕罗夫李世石李昌镐申真谞Go Ratings
10 分钟 · 5 卡片 · 8 资料
读原文 →