围棋AI是如何学习和进步的？

　　柯洁近日因一段“装弱智赢AI”的旧视频再度冲上热搜，表面看是人类用“耍赖”找到了AI的命门，实则这段视频出自三年前，而人类棋手当时靠的正是利用AI对“非理性下法”的认知盲区，在特定条件下短暂翻盘。

　　一、AI为何会被“装弱智”骗过

　　默认对手理性的假设：主流围棋AI的学习基于海量人类高水平对局棋谱，其模型隐含着一个前提——对手会按“最优解”理性行棋。

　　偏离“最优”的招法干扰评估：当人类故意下出“一路爬行”“自填眼位”等看似巨亏的非理性招法时，AI因训练数据中极少出现此类局面，概率评估模型会失效，甚至无法判断自己大龙已死。

　　本质是“训练盲区”而非算力不足：柯洁将AI比作“极端聪明却未经世事的天才少年”，它能计算千万变化，却不理解人类的“欺骗性”打法。

　　二、AI是如何通过数据与对弈学习的

　　初始学习阶段：早期主流围棋AI通过分析人类高手棋谱，模仿学习人类数千年的棋路与定式，形成“最优应对”的直觉基础。

　　自我对弈进化阶段：以AlphaGo Zero为代表的进阶AI，摆脱人工棋谱，通过自我对弈“左右互搏”强化学习，从随机落子开始不断试错迭代，最终棋力超越人类，也因此不依赖固定套路，更难被“装弱智”欺骗。

　　迭代修复机制：人类找到漏洞后，AI开发方会针对性升级修复。2023年“绝艺”被芝野龙之介抓住大龙死活判断盲区连赢三盘，修复后立即反杀三盘。

　　三、人类用“逆向思维”找到的破解窗口

　　非标准棋形触发认知裂缝：人类棋手有意将局面导入AI训练数据覆盖不到的复杂盲区，迫使它在不熟悉的局面中做出错误判断。

　　“把水搅浑”的乱战策略：柯洁在2026年王中王赛上用AI不会推荐的“变招”主动制造劫争，在绝境中等待对手（而非AI）犯错，实现从1.4%胜率到屠龙逆转。

　　机会窗口正在关闭：人类找到AI漏洞的战术，往往随AI系统修复而迅速失效；且这类破解多针对特定商用版本，对采用自我对弈训练的顶级AI难以奏效，未来正式比赛中分先击败AI的机会或愈发渺茫。