定式博物馆 · 24

哪些 AI 定式已经退役,为什么还值得收藏

旧 AI 推荐消失,不一定因为它被反驳:也可能是时机改变、搜索不稳或训练盲点被修复。博物馆的价值是保存一条答案为什么曾经合理、后来又为何失效的证据链。

  1. 退役不等于错误

    一条变化可能仍局部可下,只是不再适合当前全局时机。真正被局部反驳、被更快次序取代与仅从流行中消失,需要不同展签。

    A/B棋盘坐标近似相同,退役原因却分别是局部与全局。
  2. 旧模型当年的答案,不等于今天的复算

    本页七张棋盘都是当前模型对历史棋谱的重新分析。棋盘下方列出网络模型、规则、贴目、根局面visits与分析日期;原始回执没有保存引擎版本,因此明确标为缺失。它们能比较当前模型眼中的A/B路线,不能证明旧AI当年也这样选择。

    已知条件直接展开,缺失的引擎版本也不再藏起来。
  3. 重复定式盲点特别值得修复

    KataGo开发者在opening joseki盲点讨论中指出,常见变化会在很多棋局重复,因此把相关起始局面加入训练很有价值;飞刀等尖锐变化也曾用类似方式改善。

    高复现的角部盲点比一次性怪形拥有更大的累计影响。
  4. 搜索不稳不能伪装成历史淘汰

    若同一network在预算或对称变化下就频繁换第一候选,旧截图没有足够证据成为一个时代。博物馆应标注search-unstable而不是宣布被新AI推翻。

    八方向审计先判断展品是否真的拥有稳定旧答案。
  5. 时机退役比坐标退役更常见

    AI时代很多变化不是某手不能下,而是连续交换太多、太早收干净。少走几手后脱先,可能让同一局部骨架以新顺序回归。

    完整线与早脱先线用手数账本比较效率。
  6. 退役手也会在条件改变后复活

    退役手会因贴目、规则、征子、外围配置或对手次序重新合理。展签应列出哪些条件可能复活,而不是永久打叉。

    同一旧手在两个外围配置下从负担变回双重功能。
  7. 定式博物馆保存的是理由迁移,不是答案墓地

    最有教育价值的陈列是旧理由、新反驳与仍可迁移的概念:厚薄、先后手、征子和未完余味。棋手因此学会判断,而不是收集过期坐标。

    最终展品并列旧理由、退役原因与今天仍可用的概念。

官方历史与案例

  1. KataGo opening joseki blind spot
  2. KataGo Training History
  3. DeepMind AlphaGo innovations

旧定式的五个观察面

  • 它在哪个年代真实出现
  • 当时为什么合理
  • 当前模型怎样评价
  • 哪些条件可能让结论翻转
  • 今天仍值得学什么
打开AI定式时机