申真諝二比一擊敗圍棋 AI KataGo：一場受讓條件下的智取與演算法極限測試

2026 年 7 月 21 日，南韓圍棋頂尖棋手申真諝九段在首爾進行的「強數學·韓經棋神戰」決勝局中，執黑以 11 目的優勢擊敗圍棋人工智慧 KataGo。最終，申真諝以 2 比 1 的總比分贏得這場人機對決，抱走總計 2 億 5 千萬韓元（約合人民幣 115 萬元）的獎金，以及一輛捷尼賽思 G90 豪華轎車。

自 AlphaGo 在 2016 年擊敗李世乭以來，頂尖人類棋手在公平條件下與圍棋 AI 對弈已幾乎毫無勝算。申真諝這次的勝利之所以引發關注，在於這是一場建立在「非平等條件」下的測試。賽事主辦方透過特定的規則限制，試圖為人類與演算法的互動找出新的可能性。這場勝利固然展現了人類冠軍棋手在極限狀態下的判斷力，但同時也精準暴露出現代圍棋 AI 在特定設計與運算機制上的盲區。

這場「棋神戰」的賽制設計，是理解申真諝如何取勝的關鍵。為了讓比賽具備競技性與懸念，主辦單位並未讓申真諝與 KataGo 進行標準的平手對弈，而是引入了傳統圍棋中的「讓子」與「貼目」機制。

在決勝局中，申真諝執黑。根據現代圍棋規則，黑棋因為先行優勢，必須在終局計算時向白棋貼還一定目數（通常是 6.5 目或 7.5 目）。然而，在這次對決中，AI 不僅需要讓出先手，相關的貼目條件也經過了精密調整，等同於在開局前，KataGo 就背負了極大的落後壓力。

圍棋 AI 的運作核心仰賴蒙地卡羅樹搜尋（MCTS）與神經網路的勝率評估。當 AI 在開局階段因為讓子或極端貼目條件，導致盤面勝率瞬間跌破其預設的安全閾值時，演算法的行為模式會發生質變。

當面對人類棋手極大的初始優勢，KataGo 的神經網路會不斷計算出「黑棋勝率接近 100%」的結果。在這種演算邏輯下，AI 為了尋找能讓對手犯錯的微小機率，會刻意下出不符合人類傳統棋理的「無理手」，甚至主動挑起極端複雜的戰鬥。申真諝在這三局比賽中展現出的實力，就是穩穩接住 AI 在劣勢下掀起的波瀾，不給予演算法透過複雜度翻盤的空間。

事實上，KataGo 等開源圍棋 AI 在受讓子條件下的「反常」行為，在程式設計圈早已不是祕密。近年來，資工領域的資訊安全研究人員與圍棋工程師就曾聯手發現，只要給予特定且極端的對局條件，就能透過演算法漏洞擊敗 KataGo。

這些漏洞往往源自於 AI 自我對弈的訓練過程。KataGo 的神經網路是透過數以百萬計的自我對弈來學習盤面評估。由於在訓練過程中，極端讓子或畸形貼目的局勢出現頻率極低，導致 AI 對這類罕見盤面的判讀能力不足。研究人員曾利用對抗性攻擊的手法，誘導 AI 在角落做出完全錯誤的死活判斷，進而讓人類業餘棋手也能戰勝頂尖 AI。申真諝的勝利，雖然是建立在世界冠軍級別的精準算路上，但本質上同樣是利用了 AI 在極端賽制下，無法準確評估全局風險的系統性弱點。

申真諝擊敗 KataGo 的結果，並不代表圍棋界人類與 AI 的實力對比發生逆轉。在平等的條件下，如今的頂尖圍棋程式依舊能對人類棋手保持壓倒性的勝率。然而，這場賽事為人機互動提供了一個極具啟發性的範本。

人類在面對具備絕對運算優勢的演算法時，不再只能選擇硬碰硬。透過賽制設計、引入規則變數，並針對 AI 模型的訓練邊界進行策略打擊，人類依然能在特定框架內取得勝利。這場價值百萬獎金的對決，與我們過往觀察到的氣象模型與防災應變考驗有著異曲同工之妙：面對龐大且精密的數據模型，理解其極限與盲區，才是人類能夠保持主導權的關鍵。

對於職業圍棋而言，受讓子對局可能會成為未來人機對抗的新常態。這種賽制不僅考驗人類棋手的佈局與控盤能力，更像是一場針對 AI 演算法的極限壓力測試，促使開發者進一步修正模型在罕見局面下的決策缺陷。當演算法的絕對統治力成為常態，人類正在透過智慧與規則的巧妙運用，重新找回競技的樂趣。