围棋 AI 实证研究 · 13

围棋 AI 最有意思的前沿，是它如何暴露人类看不见的好棋

50 盘职业棋、500 个局面、397,561 次实际搜索访问、10,000 次整盘聚类 bootstrap，以及最高 8,192 visits × 八种棋盘对称变换：我们不再只问 AI 哪手最好，而是测量人类为何难以发现、标签是否可靠，以及什么才值得教。

1. SOTA 不是一个永恒榜首，而是一组测量角色

   截至 2026 年 8 月 24 日，KataGo 最新公开引擎是 v1.18.0。本文使用 v1.17.x 发布的 b11 768 通道 Transformer 作为强教师、b10 512 通道 Transformer 做交叉检查，并用 b18 Human SL 读取按棋力与年代条件化的人类策略。官方网络页也提醒，不同机器人或训练 run 的近似 Elo 不能直接拼成总榜。 因此这里的 SOTA 不等于宣称一块权重永远世界第一。强教师回答候选价值，交叉教师暴露模型依赖，Human SL 描述人可能怎么下；三者角色不同，任何一个都不是无误差真值。

2. 从公开棋谱到冻结的 500 局面设计

   样本来自 AEB/CWI 公开领域职业棋谱。我们从 1950–1969 到 2016–2023 五个年代各取 10 盘日本头衔战，每盘确定性抽取主线中段 10 个局面。日本规则与 SGF 贴目保持不变，避免看过结果后挑例子。 主教师分别搜索 128 与 512 visits；Human SL 对每个局面输出 5 段、9 段、棋局年代匹配与 2023 年四种策略；另一个强模型复核 100 个局面。所有区间用 10,000 次整盘 bootstrap，而不是把同一盘的十个相邻局面当作十份独立证据。

3. 唯一第一候选不是好的教学单位

   对年代匹配的人类策略，AI 唯一第一候选的中位概率为 22.4%，而价值距离第一候选不超过一目的候选集合达到 80.0%，差 57.6 个百分点。唯一候选概率低于 1% 的局面占 13.4%，整个好棋集合低于 5% 的却只有 4.0%。 这区分了两类完全不同的情况：棋手没有进入 AI 的高价值区域；或者棋手已经进入高价值区域，只是没猜中搜索噪声与细微目差决定的第一坐标。前者可能是概念盲点，后者常常不值得被写成错误。

4. 好棋越不可见，实战损失通常越大

   482 个局面能在同一个 512-visit 根搜索中找到实战着并计算目差损失。实战损失与好棋集合惊奇度的 Spearman 相关为 0.419，整盘聚类 95% 区间为 0.327–0.503。 为排除某几盘棋整体更复杂的影响，我们把损失秩和惊奇度秩在每盘棋内去中心。盘内相关仍为 0.413，区间 0.309–0.508。它支持“人类越难想到 AI 的好棋区域，失分越大”的假说，但仍不是教学效果的因果证据。

5. 现代策略覆盖稍高，但不能读成时代棋力榜

   把同一局面分别输入棋局年代匹配的 proyear profile 与 proyear_2023，现代策略对一分内好棋集合的平均概率总体高 2.2 个百分点，聚类区间为 1.6–2.9。较早年代的差异更明显，2005–2015 的区间则跨过零。 这可以描述策略分布怎样迁移，却不能证明现代棋手整体强了多少。样本不是全球职业棋随机样本，棋局结构、定式、赛事与棋手构成都随时间变化，Human SL 也只是从棋谱学习到的条件分布。

6. 预算、模型和八对称审计会推翻漂亮故事

   128 与 512 visits 的第一候选一致率只有 74.8%；另一强模型在 100 个局面上的一致率为 78.0%。对十个异常局面做 D4 八对称审计后，2,048 visits 时只有八个达到八方向完全一致，且同一方向的 512/2,048 候选只有 67.5% 保持不变。 8,192 visits 的定向复核展示了两种相反结果：羽根直树局面最终八方向收敛到 B7；坂田荣男局面原先的 A4 大恶手标签被彻底推翻，而且仍没有跨八方向稳定的一分内唯一候选。可靠系统必须允许撤销标签，而不是替低预算结果编出确定叙事。

7. 下一代复盘应保存证据链，而不是一个 isBestMove

   一个候选课题应依次通过预算门、模型门与 D4 对称门，再用目标棋力或年代的 Human SL 判断它是常见、边缘还是隐藏。稳定且隐藏的局面适合优先教学；稳定且常见的局面只需简短确认；不稳定的局面应展示不确定性或暂不生成讲解。 最终还缺最关键的一步：随机比较按目差排序与按目差、可发现性、稳定性联合排序，测量数日后的延迟回忆和陌生局面迁移。只有后者稳定改善下一盘的决策，‘可教学性’才从漂亮假说变成产品事实。