围棋人机大战战况全记录，当AlphaGo遇上李世石，人类输得不冤

李世石输了，我们慌了

2016年3月9日,首尔四季酒店，我盯着电脑屏幕，手心出汗，李世石九段，人类围棋的顶尖王者，对面坐着一台长得像冰箱的机器——AlphaGo。

第一局,李世石执黑，开局他下的还是熟悉的节奏——左上角一个飞压，右上角一个拆二，可AlphaGo的动作让我一愣：第7手直接点三三，在职业棋手眼里，这招太“业余”了，李世石显然也愣了，但AlphaGo不管这些，按照自己的算法稳扎稳打，到了中盘，它的中腹处理简直像在“画圆”——每个落子都像是算好了后面三十步。

李世石的用时明显更长,人类会累，机器不会，AlphaGo以4目半胜出，赛后，李世石的表情像吞了黄连——苦，但说不出。

战况速览表

第二局：机器有了“直觉”

第二天,第二局，李世石执白，开局时他把棋走得很厚，想用人类最擅长的“大局观”来压迫机器，但AlphaGo在第15手，下了一个肩冲——这种下法通常只在业余棋手之间出现，职业棋手不会这样下，因为局部会亏。

但AlphaGo算的是全局,肩冲之后，它压扁了李世石右下角的拆二，然后顺手捞走了左边的大飞守角，李世石的形势从“还好”变成了“有点崩”，终局时，AlphaGo又赢了几目。

为什么AlphaGo这么强？

因为它没有“情绪”，人类棋手下出坏棋会懊恼，面对优势会紧张，这些情绪AlphaGo没有，它的决策核心是蒙特卡洛树搜索+深度神经网络——简单说，它会模拟成千上万种下法，像抽丝剥茧一样找出胜率最高的那一个。

它下棋不按套路,比如点三三、肩冲这些“非主流”下法，因为它不看棋谱，只看胜率，这导致对手根本没法准备——你研究过它，但它下出的东西你从没见过。

第三局：李世石崩溃了

第三局是最惨烈的,李世石开局走错了一个定式——第7手大飞挂角后，被AlphaGo一靠一断，角上的棋全死了，后半盘他几乎是在“吐血做活”，最后不得不认输，比分变成3:0，人类输了。

但第三局里有个细节：AlphaGo在第36手下了一个“挖”，这手棋所有职业棋手都说“俗”——局部亏损，但AlphaGo最终赢了，事后分析，这手棋是为了交换——牺牲局部利益，换取全局优势。

舆论爆炸了。“人类完了”、“AI要统治世界”的声音铺天盖地，但DeepMind团队却说：AlphaGo只是个程序，它只懂围棋，不懂其他。

第四局：李世石赢了，但那是一个“意外”

第四局前,媒体说这是“为荣誉而战”，李世石说自己压力大到失眠。

开局他依然不利——AlphaGo下的局面让所有评论员都说“黑棋大优”，但第78手，李世石下出了一个“神之一挖”——这手棋在AlphaGo的胜率模型里只有0.001%的概率被考虑，但就是这手棋，让AlphaGo的“大脑”短路了，它的计算系统陷入混乱，开始下出“人类看不懂”的昏招——比如完全无视旁边的大场，跑去收无关紧要的小官子。

李世石赢了,这是人类历史上第一次在正式比赛中击败顶级AI（当时）。

第五局：AlphaGo的“复盘”

第五局,AlphaGo又稳住了，它的算法再次调整，李世石则出现了致命失误——中盘一个劫没打好，送掉了一条大龙，AlphaGo用一场完胜结束系列赛。

但有趣的是：AlphaGo在第五局中下出了很多“超越人类认知”的招法，比如在右上角，它放弃角上的实地，转而在中腹形成厚势，这类下法后来被职业棋手研究吸收，甚至影响了现代围棋的定式。

这场人机大战的真正意义

围棋AI不是在“模仿人类”，而是在“重新定义围棋”，AlphaGo下出的招法，后来被围棋界称为“AlphaGo流”，比如点三三现在成了职业棋手的常规选择，肩冲也从“业余”变成了“高端套路”。

这场大战科普了一个概念：生成对抗网络，简单说，AlphaGo有一红一蓝两个“脑”：红脑负责落子策略，蓝脑负责评估胜负，它们互相博弈，红脑的每次胜利都会让蓝脑更聪明，这就是为什么AlphaGo能越战越强——它在自我对弈中不断进化。

数据：AlphaGo到底有多强？

机器赢了，但人类没输

李世石在赛后说：“AlphaGo让我重新认识了围棋。”他输了比赛，但赢了荣誉——因为他是第一个挑战顶级AI的人类。

围棋人机大战的战况最终定格在4:1（AI胜），但它带来的影响远不止比分，它让人类看到：AI不是替代者，而是放大器——它能激发出人类原本没有的潜力，现在围棋界的定式和下法，比2016年丰富了三倍不止，这背后AlphaGo的“古怪下法”功不可没。

换个角度看,如果当初人类赢了，我们可能现在还在用老一套，输了对弈，赢了认知——这笔账怎么算都不亏。