2016年3月，當 AlphaGo 以 4:1 擊敗李世石時，大多數人的反應是「圍棋完了」。但真正有趣的部分，其實是在棋盤之外。DeepMind 在十週年之際釋出了一篇回顧，把鏡頭從對局室拉遠，展示 AlphaGo 怎樣從一局棋演化成一套催化科學的方法論。
一場比賽，兩個轉折點
AlphaGo 的勝利在當時被比作「AI 的斯普特尼克時刻」。但 DeepMind 的視角更務實：他們看到的不只是圍棋程序的成功，而是一種通用學習框架的驗證。這個框架——深度強化學習 + 蒙特卡洛樹搜尋——後來被移植到 AlphaFold、AlphaTensor 甚至數學證明中。圍棋成了那個「它能夠工作」的證明，而不是終點。
從棋盤到實驗室：衍生成果的鏈條
回顧文章重點列出了幾項直接受 AlphaGo 啟發的成果：
- AlphaFold：用類似的結構預測問題替代了圍棋的落子，解決了五十年的蛋白質摺疊難題。
- AlphaTensor：把矩陣乘法優化視為單人對弈，發現了人類數學家遺漏的演算法。
- FunSearch：將大語言模型與演化搜尋結合，在數學和圖論中找到新解答。
這些專案的共同點是，它們都把一個科學問題重新定義為「在巨大搜尋空間中找到最優解」，這正是 AlphaGo 最擅長的。
大家沒怎麼聊的：訓練本身的成本
文章沒有迴避一個現實問題：AlphaGo 的訓練需要龐大的算力支援——它用了數千個 TPU 和數週時間。這直接影響了後續研究的方向。實際上，後來的 AlphaFold 和 AlphaTensor 都在追求更高的計算效率，因為不是每個實驗室都有 DeepMind 的資源。這也解釋了為什麼現在許多強化學習研究轉向了更輕量的架構和分散式訓練策略。
「AlphaGo 的價值不在於它贏了棋，而在於它證明了強化學習可以處理人類認為極其困難的直覺型問題。」——DeepMind 回顧文章
對 AGI 路徑的啟示
文章最後一部分討論了 AlphaGo 對 AGI 的意義。DeepMind 認為，AlphaGo 的「自我對弈」機制可能比資料驅動的語言模型更接近某種智慧本質：它能從零開始，通過與環境互動創造知識。當然，這種能力目前還侷限於規則明確的封閉系統。但把這種思路與大規模語言模型的開放世界能力結合，正是很多團隊在探索的方向。
實用視角：開發者能從中學到什麼
對今天的 AI 從業者來說，AlphaGo 的遺產不是那段棋譜，而是幾個可複用的思路：
- 問題重定義：把你的任務轉化成「搜尋最優序列」的遊戲，往往能帶來意外效果。
- 模擬環境優先：在模擬器中訓練策略，再遷移到真實世界，效率遠高於直接上真實資料。
- 不要忽視樹搜尋：在 LLM 氾濫的時代，蒙特卡洛樹搜尋依然是處理組合爆炸問題的利器。
十年過去，AlphaGo 的名字在新聞裡出現的頻率低了，但它的基因已經散佈在幾乎每個 AI 研究分支中。下一次當你看到某個 AI 在藥物設計或晶片佈局裡發現人類沒找到的方案時，想想那個最初的棋盤——那上面的每一顆棋子，都落在了今天科學的脈絡上。
評論
暫無評論
成為第一個評論的人