文｜《中国科学报》记者 孙滔

“如果请你设计一个游戏，要求是规则尽可能简单，同时其变化尽可能复杂，你会如何设计？”“如果与外星人相遇，语言不通，想到通过一个游戏来实现交流，你会想用什么游戏？”

2022年，李喆从职业棋手转身成为武汉大学体育部教师，这是他在第一节围棋文化课上设置的两个问题。显然，他想引导学生们给出“围棋”这个答案。

李喆，全国冠军暨围甲MVP、世界大赛四强、国际级运动健将，现为武汉大学体育部副教授。当《中国科学报》记者在5月的武汉约访李喆时，他正忙着给本科生测50米和立定跳远。

就职业对弈而言，李喆的巅峰期是在2010年，那时他21岁，在国际围棋排名网站Go Ratings上位列世界前十，在中国围棋职业棋手等级分上排名全国第三。

其实李喆心中一直藏着一个疑问：人们究竟为何学棋？十几岁时从武汉去到北京之后，尤其是2007年，这份困惑愈发浓烈。那时候，他身为围甲武汉黄鹤楼队主将斩获了七连胜，先后战胜李世石、古力等一众顶尖棋手。为了找到答案，李喆在2012年去了北京大学哲学系就读。

真正改变李喆的，是AI。准确地说，是AlphaGo。

李喆在北大静园草坪

“围棋之神”

如果要把人类围棋的发展划分为两个阶段，那么一定是2016年之前和2016年之后。

2016年，正是韩国棋手李世石和AlphaGo的对决之年。在那一年，李喆感叹：“如果没有围棋AI，我们将永远不知道自己在围棋的天地之间究竟处于什么位置。围棋AI是我们唯一的参照者，我们终于不再孤独。”

2017年，柯洁对战AlphaGo Master（AlphaGo的更新版本）前夕，李喆和好友刘星一同奔赴伦敦，参加了一次AlphaGo的测试，每天与其对战1~2局。由于此前Master已在线上对战职业高手取得60:0的全胜战绩，这使得不让子的人机对决失去了胜负悬念。

为了探索AI与棋艺的极限，AlphaGo团队开始测试与人类顶尖棋手的让子对局。在DeepMind（AlphaGo研发机构）总部进行的测试棋中，AI选择让先倒贴（或让两子黑方贴目）。即便如此，李喆在多局对战中也仅赢下一局。要知道，自从13岁在围甲胜率过半之后，李喆就觉得，世界上再没有人能让他两个子。

那时候的李喆非但没有遭受打击，反而很高兴。他看到了一些新的下法，都是以前很难想象的下法。

更早时候，在李世石对战AlphaGo之前，很多顶尖棋手觉得，即便是面对能穷尽围棋所有变化的“围棋之神”，他们的差距不过是让先。

显然，他们都错了。

当年李世石唯一赢了AlphaGo的那一盘棋（第四局“神之一手”），就是下出了一步完全超出AI当时“棋感预测”的妙手。后来AlphaGo的工程师在纪录片《AlphaGo》中解释称，AlphaGo给出的结论是，李世石下出“神之一手”的概率只有万分之七。

李喆说，这种机会转瞬即逝，2017年的AlphaGo Zero版本，已经被认为具备对人类顶尖棋手让子的实力。

在AlphaGo出现之前，棋手们提高围棋水平靠的是“逻辑计算+艺术直觉”的经验传承。他们在代代传承中建立起了一套“美感”与“大局观”的模糊算法，并在职业竞技中不断纠错、迭代，这才催生了由吴清源与木谷实发起的新布局革命，彻底颠覆了旧时行棋思路。

AlphaGo并不是这样发展的。它的每一步都是基于全局胜率的计算结果，是真正的“大局观”，是直接将全局量化处理，而不是从局部拼凑全局。人类过去引以为傲的、依靠经验和直觉构建的“大局观”“策略”与“棋道境界”，在AI依靠数据和概率的计算面前相形见绌。

这让李喆大受震撼：“这正是许多追求棋道的棋士穷其一生去追寻的东西，它标志着对固有思维的突破、对平庸的超越，以及对真理的趋近……它没有自我意识，没有自由意志，没有创造和争夺的欲望。它下出的、在我们看来很有创造力的着法，只是它一局棋中输出的一百多次数据中平凡的几次而已。”

“围棋之神”的面貌是怎样的呢？在纵横各19条线的棋盘上，科学家估算出了围棋可能的变化数，也就是2.08乘以10的170次方，这个数字远远超过了可观测宇宙原子总数。即便是AlphaGo Zero这一代系统，也难以穷尽这种可能性。

在中国古代围棋九品棋品制中，最高境界为一品，被视作近乎通神之境；四品为“通幽”，意指棋手已深入领会围棋深奥棋理；五品为“用智”，指行棋尚需刻意运筹、依靠智谋取胜。拥有17个世界冠军的韩国棋手李昌镐自认为才达到五品境界。更为棋界津津乐道的，是当年名誉棋圣藤泽秀行的名言：“棋道一百，我只知其五。”

如此看来，至少AlphaGo及其各种版本，才是更接近“围棋之神”的角色。

2007年6月23日，围甲联赛第六轮比赛，李喆（右）赢了李世石。二人曾交手三次，李喆赢了一次。

AlphaGo之后

早在李世石和AlphaGo对决之前的几个月，AlphaGo击败三届欧洲围棋冠军得主樊麾时，李喆就第一时间采访了樊麾。那时候，他主持了一个围棋沙龙。

樊麾坦言：“围棋AI的出现对围棋不是坏事而是好事，它今后可能对围棋的普及、发展、研究起到推动作用。”

李喆也给出了一个判断：“如果不去找bug，剩下的事情就只有跟AI学棋。”

此后的结果印证了李喆和樊麾的判断：2016年之后，人类棋手开始满怀好奇心地钻研AI的新下法；2019年，随着围棋AI KataGo的开源并成为棋手的日常训练工具，人类的Elo等级分（注：一种用于计算棋手相对技能水平的权威评估方法）天花板被掀翻。显然，人类棋手通过与AI的对局和复盘，提升了整个职业群体的技术水平。李喆认为，这十年来，人类顶尖棋手水平提升了“接近一先”，提升的速度超过了历史上的任何阶段。

一个定量的比较是，参照Go Ratings网站上的围棋Elo等级分榜单，李昌镐在鼎盛时期的分数为3570分，那是1995年。而今天的排行榜上有28个人超过了这个分数，霸榜者、韩国棋手申真谞的最高分数更是达到了3800多分。虽然等级分存在跨时代的积分膨胀，但这在一定程度上也反映了棋手整体水准的提升。

这正是李喆当年预判的结果：AlphaGo的这些着法，对于人类有巨大的价值。价值的根源在于，AlphaGo用数据的方式给出的选点，人类可以用讲道理的方式来接收，这就不仅提升了棋手的围棋技术，更带来了思维方式的提升。尤其是，过去棋手代代摸索出的数百套传统角部定式，其中大量老旧变化被AI证明存在判断的失准。

在AI出现之前，年轻棋手若想快速提高，往往必须进入北京的中国棋院或首尔的韩国棋院以及高水平的道场，与顶尖对手长期面棋和复盘。围棋AI打破了这种空间上的垄断。如今，一个冲段少年、一名海外棋手，只需一台普通家用电脑，就能随时和实力远超聂卫平、李昌镐巅峰期的AI对弈、精准复盘。

李喆说：“过去，顶尖棋手可能需要花费好几天去琢磨某一种变化，而最终得出的结论还可能是错的；现在，AI只需要10秒钟就能快速给出胜率更优的选择。”

他看到的现实是，当下的顶尖棋手在技术上面临的差距其实并不大，大家拼的首先是高强度的用功程度，然后是对AI棋局的领悟力——谁能把AI的海量数据真正内化为自身能力，并做到举一反三运用于实战，谁就能脱颖而出。这种内化不是死记硬背，而是面对AI能提出更有效的问题，将AI的具体落子与数据转化为自身的棋感，进而抽象为人类可复现的道理。

其实，在输给计算机“深蓝”后，国际象棋冠军卡斯帕罗夫就预判了这样的场景。他说：“一个普通的人+一台机器+更好的协作流程，胜过单独一台超级机器；更惊人的是，它还胜过‘强人+机器+糟糕流程’的组合。”

2023年欧洲围棋大会，李喆进行围棋讲座。

人们因何学习下棋

在输给AlphaGo后，李世石感慨：“这次的经历让我有所成长，我会善用从中所得。我觉得很感激，好像找到了下围棋的意义。我认识到，学习围棋是多么正确的选择。”

人们因何学习下棋？李喆有不一样的感受。

2024年7月，李喆回到北大，在体育教研部研究生毕业典礼上的发言再次提到了这个问题。他在完成哲学系本科学习后，曾在体育教研部攻读体育人文社会学科的硕士学位。

他说：“很多年以前，在被称为天才围棋少年的时期，我常常会暗自怀疑将人生有限的时光投入这项事物当中的意义。”

他的疑问是，围棋，不就是两个人在一片划定的区域内码石头的游戏吗？这样的事情本质上有什么意义呢？

李喆（左）在武大教室里用视障者专用棋盘指导视障小棋手。

作为一名大学教师，李喆首先要思考的是，应该教学生什么。事实上，他把课堂上的很多时间，花在了围棋文化的传播上。

讲到“棋形”时，他会对学生们提出疑问：AI为什么不需要棋形的概念？“棋形”（好形、愚形、裂形等）和“厚薄”“轻重”这些概念属于什么类型的知识？

李喆与AlphaGo的核心研发者黄士杰（Aja Huang）因围棋AI而结缘，成为很好的朋友，他们常就AI问题深度交流。对方告诉李喆，像围棋AI、预测蛋白质折叠的AlphaFold等这种专精类AI，与当前的大语言模型有着完全不同的技术范式。

专精AI能在单一领域碾压人类专家，但更接近“黑箱”，难以用通俗逻辑解释决策过程；通用大模型擅长自然语言生成，但未经专业优化时，在顶尖垂直领域的精度仍有明显差距。

这种技术背景下，李喆有了新的目标。他想知道，专精AI能否帮助人类推动围棋知识本体的进步。比如围棋中传统的“厚薄”“虚实”“轻重”等极为抽象的概念，在AI的量化帮助下，能不能变得越来越精细？如果人类能借助AI将围棋的模糊概念细化，认知境界就会随之提升。

这是一种哲学上的方法论：更精确的描述，意味着更深刻的理解。这就像因纽特人对冰雪有更细致的分辨，阿拉伯人对骆驼有更精确的描述，航海家对风有更多的认识，棋手对围棋的理解同样如此。如果能实现概念的更新，将意味着棋手向AI学到的知识从经验上升为理论。不过这种全新知识生成方式技术门槛很高，简单拼接围棋AI与大模型，只会生成平庸的棋评，根本无法提炼出成体系的概念与理论。

李喆认为，这个命题对应着哲学领域的“概念工程”和AI领域的“可解释性”问题，它不仅仅关乎围棋知识的提升，更关乎未来很多领域知识生产的新范式。和AlphaGo选择围棋的理由一样，围棋仍然是验证这个路径可行性与解决方法的绝佳试验田。

李喆如今并没有离开围棋对弈。2025年7月1日，在第三届衢州烂柯杯世界围棋公开赛中，他预选赛连赢四局杀入正赛，但在正赛阶段犯了“老棋手”常犯的错误，也就是在读秒阶段因时间紧张而出现失误。

这些对战中的失利，并不妨碍他借助AI去无限接近棋艺的真理，去突破自身认知边界。这大概是“人类因何学习下棋”的答案之一。