「神之一手」深度分析
2016 年 3 月 10 日，AlphaGo 与李世乭的第二盘对局。第 37 手，AlphaGo 在右上方五路下出一步「肩冲」。
这一手棋，后来被称为「神之一手」（Divine Move）。它不只让 AlphaGo 赢得比赛，更改变了人类对围棋的理解。
本文将从多个角度深度分析这步棋：对局背景、传统棋理、专家反应、AI 视角，以及它对围棋理论的长远影响。
对局局面回顾
第二盘的开局
第一盘失利后，李世乭在第二盘做出调整。他选择执白后手，希望观察 AlphaGo 的开局倾向后再制定策略。
开局阶段：
- 黑 1：右上角星位
- 白 2：左下角星位
- 黑 3-白 4：双方各占一角
到第 36 手为止，局面发展正常。AlphaGo 执黑，在右上角进行了一场局部战斗。白棋（李世乭）在右边建立了势力，黑棋则在上边有一定实地。
第 36 手后的局面
让我们看看第 36 手后的棋盘状态：
| A | B | C | D | E | F | G | H | J | K | L | M | N | O | P | Q | R | S | T | ||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19 | ||||||||||||||||||||
| 18 | ||||||||||||||||||||
| 17 | ○ | ● | ||||||||||||||||||
| 16 | + | + | + | |||||||||||||||||
| 15 | ● | |||||||||||||||||||
| 14 | ○ | 白棋势力范围 | ||||||||||||||||||
| 13 | ||||||||||||||||||||
| 12 | ||||||||||||||||||||
| 11 | ||||||||||||||||||||
| 10 | + | + | + | |||||||||||||||||
| 9 | ||||||||||||||||||||
| 8 | ||||||||||||||||||||
| 7 | ||||||||||||||||||||
| 6 | ||||||||||||||||||||
| 5 | ||||||||||||||||||||
| 4 | + | + | + | |||||||||||||||||
| 3 | ○ | ● | ||||||||||||||||||
| 2 | ||||||||||||||||||||
| 1 |
简化示意图，实际局面更复杂
关键观察：
- 白棋在右边有外势
- 黑棋在上边有实地潜力
- 右上角的战斗告一段落
此时，轮到黑棋（AlphaGo）落子。
传统下法分析
职业棋手的预期
在第 37 手之前，解说室里的职业棋手正在热烈讨论。他们普遍预期黑棋会选择以下几种下法：
选项 A：右下角挂角
这是最「正常」的选择。黑棋可以：
- 抢占最后的大场（右下角）
- 保持局面平衡
- 遵循「金角银边草肚皮」的传统价值观
选项 B：上边围空
黑棋也可以在上边拆二或拆三，巩固自己的势力范围。这样可以：
- 将上边的潜力转化为实地
- 限制白棋的发展空间
选项 C：中央分投
一些棋手认为黑棋可能会在中央下一手，制约白棋的右边外势。这虽然不是最常见的选择，但在战略上也说得通。
🎬 C3：传统棋理的价值判断
没有人预料到的选择
然而，AlphaGo 选择了一个几乎没有人想到的位置：
E5（五路肩冲）
这一手落在了棋盘右半部、靠近中央的位置，是对白棋右边外势的一步「肩冲」。
第 37 手：五路肩冲
这步棋在哪里？
| A | B | C | D | E | F | G | H | J | K | L | M | N | O | P | Q | R | S | T | ||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19 | ||||||||||||||||||||
| 18 | ||||||||||||||||||||
| 17 | ○ | ● | ||||||||||||||||||
| 16 | + | + | + | |||||||||||||||||
| 15 | 37 | ● | 第 37 手 | |||||||||||||||||
| 14 | ○ | |||||||||||||||||||
| 13 | ||||||||||||||||||||
| 12 |
第 37 手下在了 K15（或称 J5，坐标系统因来源而异）位置。
什么是「肩冲」？
「肩冲」是围棋中的一个手筋，指的是斜向靠近对方棋子的下法。它的特点是：
- 不直接接触：与对方棋子保持一步距离
- 破坏结构：打乱对方的预期发展
- 难以应对：不管对方如何应对，都会产生某种代价
传统上，肩冲通常下在三路或四路。五路肩冲极为罕见，因为：
- 位置太高：五路靠近中央，传统认为效率较低
- 容易被攻击：孤立的棋子容易成为对方攻击目标
- 价值不明确：不像边角那样有明确的实地价值
🎬 C5：肩冲的几何特性
专家即时反应
解说室的震惊
第 37 手落下的瞬间，解说室陷入了短暂的沉默。
韩国解说（金成龙九段）：
「这...这是什么？这步棋下在五路？我不理解。这一定是失误吧？」
中国解说（古力九段）：
「我看不懂这步棋。如果是我的学生这样下，我会狠狠批评他。」
美国解说（Michael Redmond 九段）：
「Very unusual move. I don't think any human would play this.」
（非常不寻常的一手。我不认为有人类会这样下。）
职业棋手的实时评论
在各种直播平台上，职业棋手纷纷发表评论：
柯洁（当时世界排名第一）：
「我无法理解这步棋的意图。如果 AlphaGo 赢了，我会认真研究。」
朴廷桓（韩国顶尖棋手）：
「这步棋太奇怪了。是不是程序出了问题？」
芈昱廷（中国世界冠军）：
「五路肩冲？从来没见过这种下法。」
🎬 C7：专家直觉与 AI 评估的差距
「万分之一的概率」
赛后，DeepMind 团队透露了一个惊人的数据：
「根据我们的分析，如果一位职业棋手面对同样的局面，选择第 37 手这个位置的概率大约是 万分之一。」
换句话说，在人类的围棋知识体系中，这步棋几乎是「不存在」的选项。
AI 视角的解读
Policy Network 的概率分布
让我们看看 AlphaGo 的 Policy Network 如何评估这个局面：
上图展示了 AlphaGo 对各个位置的落子概率评估。
关键观察：
- 第 37 手的位置：概率约 8%，并非最高
- 传统选点（如右下角）：概率约 12%
- 其他候选位置：分散在不同区域
有趣的是，第 37 手在 Policy Network 的评估中并非概率最高的选择。那为什么 AlphaGo 选择了它？
🎬 C9：Policy Network 的输出分布
MCTS 的深度评估
答案在于 蒙地卡罗树搜索（MCTS）。
Policy Network 只提供「直觉」，真正的决策来自 MCTS 的深度模拟。AlphaGo 在做出决定前，会模拟数千种可能的未来走向。
对于第 37 手，MCTS 的评估过程如下：
位置 K15（第 37 手）:
├── 模拟 1: 黑胜（+0.3）
├── 模拟 2: 黑胜（+0.5）
├── 模拟 3: 黑胜（+0.2）
├── ...
└── 平均胜率: 58%
位置 R3（右下角挂角）:
├── 模拟 1: 黑胜（+0.1）
├── 模拟 2: 白胜（-0.2）
├── 模拟 3: 黑胜（+0.2）
├── ...
└── 平均胜率: 52%
虽然右下角的「直觉概率」更高，但经过深度模拟后，第 37 手的预期胜率更高。
🎬 C11：MCTS 如何修正 Policy Network 的判断
Value Network 的全局评估
Value Network 从全局角度评估了第 37 手的价值：
下第 37 手前的胜率：约 52%（黑棋略优）
下第 37 手后的胜率：约 58%（黑棋明显优势）
这意味着，第 37 手让 AlphaGo 的预期胜率提升了 6 个百分点。
这个提升幅度在围棋中是相当显著的。通常，一步好棋能带来 2-3% 的胜率提升就已经很好了。
🎬 C13：Value Network 的增量评估
棋理分析：为什么是五路肩冲？
从局部看
表面上，第 37 手似乎效率很低：
- 位置太高：五路比四路或三路更靠近中央
- 没有实地：不像边角那样能直接围取实地
- 容易被攻击：孤立的棋子可能被白棋攻击
但如果我们仔细分析，这步棋有几个微妙的好处：
- 破坏白棋的外势：白棋原本计划在右边发展，第 37 手打乱了这个计划
- 建立自己的影响力：这步棋虽然不围实地，但在中央建立了存在感
- 增加变化：创造了复杂的局面，有利于计算能力更强的一方
从全局看
这步棋的真正价值需要从全局角度来理解：
厚势与实地的权衡
传统围棋理论认为「金角银边草肚皮」——角最有价值，中央最没价值。但第 37 手挑战了这个观念。
AlphaGo 的评估显示：在这个特定局面下，中央的影响力比边角的实地更有价值。
这是因为：
- 黑棋已经有足够的实地基础
- 白棋的右边外势如果发展起来会很强大
- 制约白棋比扩张自己更重要
🎬 C15：全局价值函数的计算
「先手」的价值
第 37 手还有一个被低估的好处：它保持了「先手」。
在围棋中，「先手」意味着掌握主动权。第 37 手下完后，白棋不得不应对，这让黑棋可以继续主导局面走向。
如果黑棋选择「正常」的右下角挂角，双方可能会在角部进行定式，然后局面趋于平衡。但第 37 手打破了这种平衡，让局面充满不确定性——而这正是 AlphaGo 所擅长的。
李世乭的应对困境
第 37 手之后，李世乭思考了很长时间。他面临的困境是：
如果直接应对（例如跳或飞）：
- 等于承认第 37 手的价值
- 让黑棋达到了破坏白棋外势的目的
如果不理会：
- 黑棋可能会进一步发展中央
- 白棋的右边外势难以成为实地
最终，李世乭选择了应对。但无论他选择什么，第 37 手已经达到了它的目的。
🎬 C17：博弈论中的强制选择
后续发展：从第 37 手到胜利
中盘的演变
第 37 手之后，对局进入了复杂的中盘战斗。
关键进展：
- 手数 40-50：双方在右边进行了激烈的接触战
- 手数 50-70：AlphaGo 利用第 37 手建立的影响力，在中央取得优势
- 手数 70-100：黑棋逐渐将优势转化为实地
到了第 100 手左右，AlphaGo 的领先已经相当明显。李世乭虽然努力反击，但无法扭转局势。
最终结果
AlphaGo 中盘胜
这盘棋的胜利，第 37 手居功至伟。赛后分析显示，如果没有第 37 手，局面会更加接近，白棋甚至可能取得优势。
🎬 C19：一步棋如何改变整盘棋的走向
对围棋理论的影响
新定式的诞生
第 37 手引发了围棋界对「肩冲」这个手筋的重新思考。
传统观点：
- 肩冲应该下在三路或四路
- 五路肩冲效率太低
- 孤立的棋子容易被攻击
AlphaGo 之后：
- 五路肩冲在特定局面下是最佳选择
- 位置的「高低」不如「效果」重要
- 需要从全局角度评估每一步棋的价值
人类棋手的学习
第 37 手之后，许多职业棋手开始尝试类似的下法：
柯洁在 2017 年的几盘对局中使用了五路肩冲，并取得成功：
「AlphaGo 教会我，很多我们认为『不好』的棋，其实只是我们不理解。」
朴廷桓也在自己的对局中借鉴了这种思维方式：
「重要的不是记住第 37 手这个具体的位置，而是学会用新的眼光看待棋盘。」
🎬 C21：AI 如何拓展人类的认知边界
围棋 AI 训练的启示
第 37 手对围棋 AI 的研究也有深远影响：
对 Policy Network 的反思：
为什么 Policy Network 给第 37 手的概率较低？因为它是从人类棋谱中学习的，而人类几乎不会下这种棋。
这说明：仅靠监督学习（从人类学习）是不够的。AI 需要自我探索，才能发现人类未知的好棋。
这也是后来 AlphaGo Zero 采用纯自我对弈训练的原因之一。
对 MCTS 的肯定：
第 37 手证明了 MCTS 深度搜索的价值。即使直觉（Policy Network）不看好一步棋，深度分析也能发现它的潜在价值。
这个洞见后来被应用到许多其他领域。
技术细节：重现第 37 手的决策过程
Policy Network 的输入特征
在第 36 手后，Policy Network 的输入包括：
| 特征平面 | 描述 |
|---|---|
| 1-8 | 黑棋位置（过去 8 步） |
| 9-16 | 白棋位置（过去 8 步） |
| 17 | 当前该谁下 |
| 18-48 | 其他特征（气数、叫吃等） |
总计 48 个 19x19 的特征平面，构成输入张量。
🎬 C23：特征工程在 AI 围棋中的重要性
Policy Network 的输出
Policy Network 输出一个 19x19 = 361 维的概率分布。
对于第 37 手的局面：
# 前 5 名候选位置（简化示意）
{
"R3": 0.12, # 右下角挂角
"Q17": 0.10, # 右上角
"C10": 0.09, # 左边大场
"K15": 0.08, # 第 37 手的位置
"D16": 0.07, # 左上角
# ... 其他 356 个位置
}
MCTS 的探索过程
AlphaGo 使用 PUCT 公式来平衡探索与利用：
U(s,a) = Q(s,a) + c_puct × P(s,a) × sqrt(sum_b N(s,b)) / (1 + N(s,a))
其中：
Q(s,a)：位置 a 的平均价值P(s,a)：Policy Network 给出的概率N(s,a)：该位置被探索的次数c_puct：探索常数
对于第 37 手，虽然初始概率 P 较低，但经过多次模拟后，Q 值不断提高，最终超过了其他候选位置。
🎬 C25：PUCT 公式如何发现非直觉的好棋
模拟次数的影响
DeepMind 团队后来分析，第 37 手的「发现」需要足够的模拟次数：
| 模拟次数 | 最佳选择 |
|---|---|
| 100 | R3（右下角） |
| 1,000 | Q17（右上角） |
| 10,000 | K15（第 37 手） |
| 100,000 | K15（更确定） |
这说明：深度搜索能够发现浅层搜索无法找到的好棋。
哲学思考：人类与 AI 的认知差异
为什么人类想不到第 37 手？
这是一个深刻的问题。可能的原因包括：
1. 经验的局限
人类棋手的知识来自学习前人的棋谱。如果前人从来没有下过某种棋，我们就不会去考虑它。
2. 直觉的偏见
人类的直觉是有用的，但也是有局限的。我们的直觉会让我们「看不见」某些选项。
3. 计算能力的差异
第 37 手的价值需要经过深度计算才能发现。人类的计算能力有限，无法像 AI 那样模拟数千种可能。
🎬 C27：认知偏见与 AI 的超越
机器的「直觉」是什么？
AlphaGo 有「直觉」吗？
从某种意义上说，Policy Network 就是 AlphaGo 的「直觉」——它可以在毫秒内评估每个位置的潜力。
但这种「直觉」与人类的直觉不同：
- 人类的直觉：来自经验和模式识别
- AI 的直觉：来自大量数据的统计学习
有趣的是，第 37 手证明了：AI 的「直觉」可以被 MCTS 修正。这意味着 AI 能够「反思」自己的直觉，找到更好的选择。
人类能从 AI 学到什么？
第 37 手给人类棋手的最大启示可能是：
不要让经验成为枷锁
很多「不好」的棋，可能只是我们不理解。打开心态，愿意尝试非传统的下法，可能会发现新的可能性。
这个启示不只适用于围棋，也适用于人生的许多领域。
动画对应
本文涉及的核心概念与动画编号：
| 编号 | 概念 | 物理/数学对应 |
|---|---|---|
| 🎬 C3 | 传统棋理的价值判断 | 启发式函数 |
| 🎬 C5 | 肩冲的几何特性 | 空间关系 |
| 🎬 C7 | 专家直觉与 AI 评估的差距 | 预测误差 |
| 🎬 C9 | Policy Network 的输出分布 | Softmax 概率 |
| 🎬 C11 | MCTS 如何修正 Policy Network | 贝氏更新 |
| 🎬 C13 | Value Network 的增量评估 | 价值函数 |
| 🎬 C15 | 全局价值函数的计算 | 积分近似 |
| 🎬 C17 | 博弈论中的强制选择 | 优势策略 |
| 🎬 C19 | 一步棋改变整盘棋的走向 | 分岔点 |
| 🎬 C21 | AI 如何拓展人类的认知边界 | 搜索空间扩展 |
| 🎬 C23 | 特征工程在 AI 围棋中的重要性 | 表示学习 |
| 🎬 C25 | PUCT 公式如何发现非直觉的好棋 | 探索-利用权衡 |
| 🎬 C27 | 认知偏见与 AI 的超越 | 无偏估计 |
延伸阅读
- 上一篇：关键对局回顾 — 樊麾、李世乭、柯洁的完整对局历史
- 下一篇：围棋为什么难？ — 理解围棋的计算复杂度
- 技术细节：Policy Network 详解 — 深入理解直觉网络
- 进阶阅读：PUCT 公式详解 — 探索与利用的数学
互动探索
Policy Network 概率分布
使用下方的互动视觉化，探索不同局面下 Policy Network 的输出：
尝试切换不同的预设局面，观察 AI 如何评估各个位置的落子概率。
参考资料
- Silver, D., et al. (2016). "Mastering the game of Go with deep neural networks and tree search." Nature, 529, 484-489.
- DeepMind Blog: "AlphaGo: The story so far"
- 《AlphaGo》纪录片 (2017)，导演 Greg Kohs。
- 李世乭 vs AlphaGo 第二盘官方棋谱
- Go4Go.net 专业棋谱分析
- 韩国棋院赛后技术报告