人类扩散史 · 21

一手 AI 定式,怎样从尝鲜变成人类习惯

公开职业棋谱中,裸星位早三三从 2017 年的 9.72% 升到 2018—2020 年的 40.06%。采用率说明这种下法被越来越多人使用;棋手是否也掌握了少交换、早脱先和择机回补,还要回到具体对局里看。

  1. 第一盘只说明:有人愿意冒险试一次

    2017 年,DeepMind 把早三三列为 AlphaGo 带来的代表性新模式,职业棋手也很快在正式比赛中试用。但首现更像故事的开头,不是结论:新手可能猎奇,高手也可能借一盘棋测试对手准备。要判断习惯是否改变,必须继续看后来有多少不同棋手在相似局面作出同一种选择。

    首现是一条线索,不是采用率的终点。
  2. 到第二年,早三三已经不是少数人的表演

    Read19 对 96,058 份公开 SGF 去重后,在 19 路非让子棋的前 40 手寻找直接点入裸星位三三的事件。这个保守口径下,采用率从 2017 年的 9.72% 升到 2018—2020 年的 40.06%,2021—2025 年为 46.92%。它不能给出精确的全球普及日,却足以显示一次试手已经变成群体习惯。

    同一档案中的时间趋势,把偶发试验与持续采用分开。
  3. 坐标先流行,背后的时机观传播得更慢

    C17 这个坐标只是表面,变化落在棋手对“定式已经下完”的理解上。旧习惯倾向于把角部连续收束;新手法常在少交换几手后离开,把断点和余味留到全盘条件变化以后再处理。只复现前几手,却仍在错误时机机械补完,学到的仍只是手顺。

    判断理解程度,要看脱先、回补与征子条件是否也一起改变。
  4. 职业棋手先换习惯,并不等于所有棋手同时跟上

    职业群体更早拿到分析工具,也会密集观察彼此的棋谱,因此新手法可以在一个赛季里迅速传播。业余棋手面对的却是另一条路径:先看到坐标,再等直播讲解、定式工具和教材补上理由。本文的公开样本主要说明职业选择怎样改变,不能拿它冒充普通业余的学习速度。

    职业采用、业余模仿和教材化是三条不同的时间线。
  5. 更多新手与更少常见模式,可以同时出现

    一项覆盖超过 580 万个职业决定的研究发现,超人 AI 出现后,新颖着法增加并与决策质量提升相关;另一项约 7 万盘、1500 万手的研究则发现,常用开局模式变得更集中。前者看一手棋是否新,后者看整个群体是否反复走同一批形状,所以并不矛盾:棋手可以在细节上更敢创新,同时共享一套更窄的开局语法。

    单手新颖度与群体多样性回答的是两个问题。
  6. 一条漂亮曲线,也可能把档案偏差画成时代转折

    CWI 明确说明赛事覆盖并不均匀;棋手构成、规则、贴目、时间制和棋谱收录范围也都随年份变化。早三三曲线最可靠的含义,是同一档案、同一保守定义下出现了巨大跃升。它不能证明每一盘采用都由 AI 直接造成,更不能告诉我们每位棋手是否理解相同理由。

    采用率证明行为变化,不自动证明因果与理解。
  7. 三层证据,对应三种不同的结论

    第一层是出现:有人第一次把它带进正式棋局。第二层是采用:不同棋手持续复现,频率跨过短暂风潮。第三层是理解:棋手不只复制坐标,还会在相邻厚薄、征子和手番变化时调整脱先与回补。早三三已经清楚通过前两层;第三层只能靠连续变化、讲解史和学习实验继续追。

    首现讲故事,频率讲传播,后续选择才开始讲理解。

研究与一手资料

  1. PNAS · novelty and decision quality
  2. PNAS · knowledge and diversity
  3. Evolutionary Human Sciences · opening eras
  4. DeepMind · AlphaGo innovations

扩散曲线呈现的五层信息

  • 2017:公开样本中的早期职业试用
  • 2018—2020:同一口径下采用率升至 40.06%
  • 职业棋谱:呈现职业群体的选择变化
  • 两盘实战:呈现脱先与回补观念怎样落在棋盘上
  • 因果归属:仍需更广泛的群体比较
打开 AI 定式时机