人类扩散史 · 21

一手 AI 定式要多久才会变成人类习惯

AI 既提高了职业棋手的着手新颖度，又可能让常见布局模式变得更集中。两项结论并不矛盾：一项测量单手的新，另一项测量群体是否反复走同一批开局。

1. 先定义“采用”，不要只找第一盘

   一次出现可能是实验；连续复现、跨棋手传播与进入教学库才是不同强度的采用信号。扩散曲线要把首现、重复、主流与退潮分开。

2. 新颖度上升与多样性下降可以同时发生

   一项 PNAS 研究在超过 580 万个职业决定中发现 AI 后新颖着法增加且与质量提升相关；另一项以约 7 万盘、1500 万手研究发现知识前进同时常用模式更集中。

3. 早三三展示了从惊奇到默认的压缩过程

   DeepMind 2017 年已把早三三列为 AlphaGo 的代表性新模式，并指出职业棋手很快在正式比赛试用。真正的采用不是照抄坐标，而是接受少交换、保留余味的时机观。

4. 顶尖棋手通常先移动，随后才进入大众教材

   职业群体有更强分析工具、更低试错成本，也更容易观察彼此。扩散研究应按职业、强业余、普通业余分层，而不是用一条总频率代表所有人。

5. 坐标传播比理由传播更快

   棋手可能很快复现 AI 的前几手，却仍按旧目的理解它。只有脱先时机、征子条件与后续回补也一起改变，才算概念真正扩散。

6. 平台、规则与贴目会改变传播速度

   公开棋谱、直播讲解与分析软件缩短观察延迟；服务器规则、段位结构和时间制则改变试错代价。采用率必须和环境元数据一起保存。

7. 建立可复算的定式扩散登记簿

   每个模式保存规范化局部形、首现区间、重复棋手数、各群体采用率和回落点，并保留坐标镜像。这样才能区分短暂风潮与真正的新习惯。