Shin 逆转击败 KataGo，人类棋手首胜 AI
Go grandmaster Shin defeats AI KataGo with a two-stone handicap
世界排名第一的围棋棋手 Shin Jin-seo 在首尔与顶级 AI 引擎 KataGo 的三番棋中上演惊天逆转，最终以 2-1 的总比分获胜。这是人类棋手首次在正式系列赛中战胜最先进的围棋 AI。尽管首局惨败，Shin Jin-seo 在后续比赛中调整策略，放弃盲目模仿 AI，转而发挥自身风格，在让两子的条件下以 11.5 目的优势锁定胜局。这场胜利不仅打破了自 AlphaGo 时代以来人类无法在系列赛中战胜 AI 的魔咒，更向世人证明，在 AI 时代，人类智慧依然拥有独特的价值和适应空间。
我相信这次系列赛意义重大，因为它清楚地表明人类依然有能力与 AI 抗衡。
HN 评论区
182- rao-v
有必要理解的是，Shin Jinseo 的实力已经显著强于他最近的人类对手很长一段时间了，这种优势甚至超过了 Magnus 在他巅峰时期的情况。
在围棋 ELO 评分体系中，他领先第二名选手约 120 分。没有任何其他棋手曾突破 3800 分，更不用说 3850 分了。柯洁（前长期冠军）的最高分是 3755。Shin Jinseo 的实力走势图简直是一条荒谬的直线。
让两子（2 stones）在历史上是九段（9P）和一（1P）职业棋手之间的差距（粗略来说，这相当于超特级大师与准特级大师之间的差距）。
也就是说，KataGo（几乎可以肯定比 AlphaGo 强得多）仅仅比 Shin Jinseo 强两子，这令人震惊。我怀疑如果对阵任何其他人类职业棋手，差距会是 3 到 4 子。
- thangalin
在围棋中，有一种被称为“定式”（joseki）的交换手法。职业棋手认为定式的结果对双方是均等的。大多数定式只有寥寥几步，但有些，比如“大飞刀”定式，其变化可能延续 50 步以上。传统的 19x19 围棋棋盘共有 361 个交叉点。
Shin 的天才之处在于，他走出了一套复杂的“大飞刀”定式变招，本质上这是一条通往均势局面的单向路径，占据了棋盘约 1/4 的区域。由于让两子的规则，此时局面有利于黑方，而比赛才进行了约 25%。KataGo 别无选择只能如此应对，而人类棋手可能会试图通过引入更多复杂变化来破坏这一计划。
真正令人难以置信的是，Shin 从那一刻起如何牢牢掌控了优势。
- PenanceAU
标题有点误导性，虽然可能并非有意为之。
Shin 接受了 KataGo 的让两子，这意味着 Shin 是两者中较弱的一方。但为了提供更多背景：Shin 也是史上实力最强的职业棋手，优势相当大，并且以比任何人都更紧密地复刻 AI 的每一步棋而闻名。
如果进行均势对局，人类绝无获胜可能（几乎所有职业棋手都认同这一点）。李世石在 AlphaGo 系列赛的第四局中获胜，被广泛认为是人类最后一次在均势对局中击败现代 AI，这也是当时为何如此令人惊叹的原因。
关于这盘棋，KataGo 被设定为使用可用的最强模型，运行在 3 张 3090 GPU 的系统上，这对 KataGo 来说算力非常充足。20 秒可能听起来像是一个限制，但这意味着超过 100,000 次落子推演，对于现代 KataGo 模型来说这几乎是无限的（任何超过 10,000 次的推演都是过剩的）。
Shin 在所有对局中表现都很出色，但他的策略是避免复杂化。KataGo 在复杂的战斗计算中像怪兽一样强大，所以 Shin 试图下得非常非常稳健、非常非常冷静，不给 KataGo 任何可乘之机。
让两子可以大致理解为 10-15 分的“缓冲带”。这在职业比赛中是巨大的优势，Shin 正是利用这一点获胜的。他下得过于稳健，有时甚至会损失一两个目，但这消除了 KataGo 进行战斗的突破口。他在关键的中盘和布局阶段做到了这一点，从未耗尽……
- mark_l_watson
我太喜欢这个了。
多年前我熬夜观看了李世石的所有对局。我爱 AI，也爱围棋。
题外话，我在 1970 年代末为 Apple II 编写了第一个商业围棋程序。
- dlevine
显然，让两子是一个巨大的优势。据估计，在均势对局中，电脑的实力大约强 400-600 ELO。
此外，人类棋手采用了一种针对这一巨大初始优势的定制策略。他说 AI 并没有特别擅长处理这种情况，而是选择了高概率的着法，而不是试图诱使他犯错。
此外，尽管这是最好的围棋引擎，但它并没有运行在超级计算机上，且每步棋的用时相对有限。
所以，这是人类的一次重要胜利，但这并不意味着人类在围棋上现在比 AI 更强了。
- bumbledraven
Deep Blue 对阵 Garry Kasparov（1997 年）和 AlphaGo 对阵李世石（2016 年）标志着世界冠军在象棋或围棋比赛中首次被机器击败。巧合的是，这两台机器都在第二局的第 37 手走出了标志性的一着：
• Deep Blue 走了 Be4，拒绝吃兵以换取长期的局面优势，这也助长了 Kasparov 对有人类干预的怀疑。
• AlphaGo 走了 P10，这是一步精彩的五路肩冲，当时的现场解说最初将其斥为失误或误点。
https://franky07724-57962.medium.com/amazing-coincidence-in-...
- ApolloFortyNine
我上次读到关于围棋让子赛时，看到该模型并没有接受过从落后局面开始的训练。因此，虽然在正常的围棋对局中，那些 50 步的定式或任何被视为“均势交换”的大规模组合，最终都会让 AI 在某个时刻扳回领先，但在此时 AI 已经处于落后状态。
这在象棋中也有类似情况，但有一个专门训练用来在少一马（knight down）的情况下对弈的模型，看到它尝试的那些疯狂战术非常酷。不过，少一马的劣势在围棋中相当于让两子以上。
- xhevahir
> “这一系列对局教会我，与其试图模仿 AI，不如根据自己的风格来构建棋盘更为重要。”
我一直无法理解为什么那么多围棋棋手研究 AI 的棋谱，希望能在人类对局中模仿它。我们不是机器。我们无法每秒进行数千次蒙特卡洛树搜索。