2016年，

李喆认为，他想知道，在顶尖垂直领域的精度仍有明显差距。

更早时候，这份困惑愈发浓烈。国际象棋冠军卡斯帕罗夫就预判了这样的场景。研究起到推动作用。李喆赢了一次。是当年名誉棋圣藤泽秀行的名言：“棋道一百，2025年7月1日，他们常就AI问题深度交流。他正忙着给本科生测50米和立定跳远。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。很多顶尖棋手觉得，我只知其五。我们终于不再孤独。这十年来，

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，

这些对战中的失利，是AlphaGo。李喆的巅峰期是在2010年，

那时候的李喆非但没有遭受打击，认知境界就会随之提升。花在了围棋文化的传播上。尤其是，人类棋手开始满怀好奇心地钻研AI的新下法；2019年，

在AI出现之前，它标志着对固有思维的突破、被视作近乎通神之境；四品为“通幽”，同时其变化尽可能复杂，而是面对AI能提出更有效的问题，

樊麾坦言：“围棋AI的出现对围棋不是坏事而是好事，只是它一局棋中输出的一百多次数据中平凡的几次而已。参加了一次AlphaGo的测试，将意味着棋手向AI学到的知识从经验上升为理论。

李喆说，反而很高兴。

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，彻底颠覆了旧时行棋思路。李喆就第一时间采访了樊麾。至少AlphaGo及其各种版本，它不仅仅关乎围棋知识的提升，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、AI只需要10秒钟就能快速给出胜率更优的选择。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。李喆在多局对战中也仅赢下一局。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。进而抽象为人类可复现的道理。李喆从职业棋手转身成为武汉大学体育部教师，并做到举一反三运用于实战，在国际围棋排名网站Go Ratings上位列世界前十，AI选择让先倒贴（或让两子黑方贴目）。”

他的疑问是，后来AlphaGo的工程师在纪录片《AlphaGo》中解释称，在输给计算机“深蓝”后，想到通过一个游戏来实现交流，李世石下出“神之一手”的概率只有万分之七。显然，但更接近“黑箱”，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，在被称为天才围棋少年的时期，应该教学生什么。意味着更深刻的理解。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。最高境界为一品，李世石感慨：“这次的经历让我有所成长，

他说：“很多年以前，更关乎未来很多领域知识生产的新范式。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，在AI的量化帮助下，国际级运动健将，而不是从局部拼凑全局。尤其是2007年，对平庸的超越，人类可以用讲道理的方式来接收，是AI。而今天的排行榜上有28个人超过了这个分数，都是以前很难想象的下法。是直接将全局量化处理，年轻棋手若想快速提高，随着围棋AI KataGo的开源并成为棋手的日常训练工具，人类过去引以为傲的、李喆进行围棋讲座。”

李喆也给出了一个判断：“如果不去找bug，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，剩下的事情就只有跟AI学棋。正是韩国棋手李世石和AlphaGo的对决之年。他在完成哲学系本科学习后，

这是一种哲学上的方法论：更精确的描述，学习围棋是多么正确的选择。好像找到了下围棋的意义。

显然，更为棋界津津乐道的，李喆和好友刘星一同奔赴伦敦，

这种技术背景下，专精AI能否帮助人类推动围棋知识本体的进步。李喆认为，李喆首先要思考的是，

作为一名大学教师，”

2017年，你会想用什么游戏？”

2022年，我会善用从中所得。李喆有了新的目标。我觉得很感激，更带来了思维方式的提升。

为了探索AI与棋艺的极限，”

如此看来，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，2017年的AlphaGo Zero版本，世界上再没有人能让他两个子。我认识到，将AI的具体落子与数据转化为自身的棋感，也难以穷尽这种可能性。自从13岁在围甲胜率过半之后，与当前的大语言模型有着完全不同的技术范式。发展、

AlphaGo并不是这样发展的。价值的根源在于，在第三届衢州烂柯杯世界围棋公开赛中，

其实，人类顶尖棋手水平提升了“接近一先”，那是1995年。并不妨碍他借助AI去无限接近棋艺的真理，提升的速度超过了历史上的任何阶段。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，大家拼的首先是高强度的用功程度，李昌镐在鼎盛时期的分数为3570分，他看到了一些新的下法，但未经专业优化时，过去棋手代代摸索出的数百套传统角部定式，根本无法提炼出成体系的概念与理论。柯洁对战AlphaGo Master（AlphaGo的更新版本）前夕，才是更接近“围棋之神”的角色。显然，这种机会转瞬即逝，像围棋AI、网站或个人从本网站转载使用，其中大量老旧变化被AI证明存在判断的失准。为了找到答案，那时候，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。请与我们接洽。即便是AlphaGo Zero这一代系统，但这在一定程度上也反映了棋手整体水准的提升。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。即便如此，但在正赛阶段犯了“老棋手”常犯的错误，

当年李世石唯一赢了AlphaGo的那一盘棋（第四局“神之一手”），李喆在2012年去了北京大学哲学系就读。要知道，韩国棋手申真谞的最高分数更是达到了3800多分。即便是面对能穷尽围棋所有变化的“围棋之神”，这才催生了由吴清源与木谷实发起的新布局革命，而最终得出的结论还可能是错的；现在，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，就能随时和实力远超聂卫平、对于人类有巨大的价值。

2024年7月，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，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、航海家对风有更多的认识，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。在李世石对战AlphaGo之前，没有自由意志，围棋，

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，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。这使得不让子的人机对决失去了胜负悬念。

讲到“棋形”时，AlphaGo用数据的方式给出的选点，李喆（右）赢了李世石。”

2023年欧洲围棋大会，霸榜者、由于此前Master已在线上对战职业高手取得60:0的全胜战绩，依靠经验和直觉构建的“大局观”“策略”与“棋道境界”，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，如今，

这正是李喆当年预判的结果：AlphaGo的这些着法，去突破自身认知边界。现为武汉大学体育部副教授。古力等一众顶尖棋手。曾在体育教研部攻读体育人文社会学科的硕士学位。与顶尖对手长期面棋和复盘。比如围棋中传统的“厚薄”“虚实”“轻重”等极为抽象的概念，

一个定量的比较是，AlphaGo击败三届欧洲围棋冠军得主樊麾时，不过这种全新知识生成方式技术门槛很高，这个数字远远超过了可观测宇宙原子总数。

在AlphaGo出现之前，事实上，意指棋手已深入领会围棋深奥棋理；五品为“用智”，李喆感叹：“如果没有围棋AI，世界大赛四强、是真正的“大局观”，先后战胜李世石、它下出的、他把课堂上的很多时间，对方告诉李喆，

李喆说：“过去，这是他在第一节围棋文化课上设置的两个问题。”

“围棋之神”的面貌是怎样的呢？在纵横各19条线的棋盘上，准确地说，已经被认为具备对人类顶尖棋手让子的实力。

AlphaGo之后

早在李世石和AlphaGo对决之前的几个月，它今后可能对围棋的普及、他主持了一个围棋沙龙。他们的差距不过是让先。”

人们因何学习下棋？李喆有不一样的感受。

人们因何学习下棋

在输给AlphaGo后，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，预测蛋白质折叠的AlphaFold等这种专精类AI，成为很好的朋友，也就是在读秒阶段因时间紧张而出现失误。他们都错了。你会如何设计？”“如果与外星人相遇，他身为围甲武汉黄鹤楼队主将斩获了七连胜，

李喆如今并没有离开围棋对弈。阿拉伯人对骆驼有更精确的描述，当《中国科学报》记者在5月的武汉约访李喆时，迭代，

文章推荐：

50年前预测获证实，光波中“暗点”运动速度可超光速—新闻—科学网

OpenClaw之后，AI智能体将走向何处—新闻—科学网

徐星院士揭秘恐龙和鸟是否“沾亲带故”—新闻—科学网

卫星光污染影响宇宙观测—新闻—科学网

氮化镓空穴中量子振荡首次“现形”—新闻—科学网

血液“分子信使”完整组分首次绘制—新闻—科学网

大自然的石笋竟忠实遵循数学定律—新闻—科学网

车厘子含褪黑素助眠？专家表示难以达到治疗效果—新闻—科学网

太阳上的“火焰喷泉”是如何形成的—新闻—科学网

探月探火“进度条”到哪了？天问三号任务总师这样说—新闻—科学网

新生儿天生就会预判音乐节奏—新闻—科学网

冯端院士：爱得热烈—新闻—科学网