裝傻也是一種輸入：柯潔說能贏圍棋 AI，贏的是哪一層？

先從一個畫面看起。棋盤上，黑棋故意下出一步明顯虧損的棋，不是失誤，是選擇。螢幕另一側，評估函數給出的勝率曲線輕輕跳動了一下，然後 AI 用它一貫的冷靜，回應了這手「爛棋」。這是知乎上一則提問引發的討論場景：柯潔聲稱找到了破解圍棋 AI 的方法，只要「裝弱智」，哪怕被讓九子也能贏。這招可行嗎？原理是什麼？

要把這個問題講清楚，得先分清楚「贏 AI」這句話裡，究竟贏的是哪一層。

勝率評估，是一套被設計出來的閱讀介面

現代圍棋 AI 的核心並非「不會輸」，而是它對每一手棋都給出一個勝率估計。這個估計來自大量自我對弈的統計，它假設雙方後續都以「接近 AI 水準」的方式行棋。也就是說，AI 讀的不是你的棋，它讀的是一個它想像中的對手。

這裡就出現了一個介面設計上的縫隙。AI 的決策依賴一個評估模型，而模型的輸入是盤面加上「假設對手大致理性」的前提。如果人類刻意、系統性地偏離理性，模型並不會自動修正它對你的想像。它會繼續按照「盤面上這樣走對雙方最優」的框架去應對。

棋界對此並不陌生。早年 AI 圍棋出世後，職業棋手很快發現，與其正面硬拼計算，某些極端佈局與非常規下法，偶爾能讓 AI 的評估出現偏差。這跟產品介面上的「邊角案例」是同一回事：設計者預設了典型使用路徑，非典型路徑就成為系統最脆弱的地方。這與我們先前談過的AI 防禦清單的設計邏輯有幾分相似，任何依賴預設行為的系統，都會在預設之外露出縫。

「裝弱智」的原理：讓 AI 替你保守

那麼具體原理是什麼？柯潔說的「裝弱智」，在圍棋語境裡有一個更技術名稱：下「欺著」與非常規棋，誘使 AI 進入它認為「已經大幅領先」的狀態，然後選擇保守收束。

邏輯是這樣的。當 AI 的勝率評估達到九成以上，它的策略目標會從「擴大優勢」切換成「鎖定勝局」。它會願意用稍虧的交換換取局面簡化，主動放棄最兇狠的手段。此時如果人類持續製造複雜、混亂、多塊棋糾纏的局面，AI 的每一步「穩妥」都在悄悄退讓，而它的評估函數未必能及時意識到，這個對手根本沒有按「合理」的方式收官。

換句話說，被讓九子的人類，起手就握有巨大的實地優勢。只要不被 AI 一舉擊潰，把局面拖進漫長的官子階段，AI 在「穩贏」心態下做出的一系列小幅讓步，累積起來可能足以讓它最終半目落敗。這在頂尖 AI 之間也有類似現象：兩臺 AI 對弈時，領先一方常以最小差距取勝，因為雙方都在做最優化，差距會被精確控制。人類鑽的正是這個「控制」的空子。

要注意的是，這套打法的前提條件相當苛刻。它成立於讓子棋，尤其讓九子這種極端讓幅。在分先對局裡，當代頂尖圍棋 AI 對人類的勝率接近全勝，「裝弱」製造的那點評估偏差，遠不足以填補實力鴻溝。柯潔的說法更像一句帶著自嘲的棋手經驗談，而不是嚴謹的破解宣言。

這場討論真正有意思的地方：人機對局的腳本被改寫了

回頭看這則話題為何能上熱榜。柯潔是唯一與 AlphaGo 正式交過手的人類頂尖棋手，2017 年三連敗之後，「人類不敵 AI」成為定論。此後棋手與 AI 的關係，從對抗轉為請教：打開絕藝、KataGo 的分析介面，看勝率曲線，記住推薦著法。AI 在圍棋文化裡的位置，慢慢從對手變成老師。

「裝弱智」的說法之所以引人發笑又引人認真討論，是因為它把這個關係倒轉了一次。人不再順著 AI 的評估框架下棋，而是反過來操作那個框架。你把爛棋餵給它，它的勝率數字漲上去，行為模式跟著切換，你再用它切換後的保守，偷走它的半目。這已經是在「使用」AI，而非「對弈」。

這種倒轉在別的 AI 話題上也出現過。社羣給 AI 取暱稱、畫擬人化形象，本質上也是在替一個演算法系統設計一層可親近的介面，就像我們先前觀察過的DeepSeek 擬人化角色的設計條件，人總是想辦法把黑箱變成可以互動、可以理解的對象。柯潔的「裝弱」是同一個衝動的棋盤版本：既然算不過你，那就設計一個你會上當的情境。

侷限，與一個清楚的觀點

當然，這條路的天花板很低。AI 團隊完全可以針對此類策略做修正，例如讓評估模型納入「對手實際水準」的動態估計，或在大幅領先時仍保持最強著法。這在工程上不難，只是沒有動力去做，因為沒有商業或研究價值。人類找到的從來不是 AI 的弱點，是 AI 沒有被要求防守的地方。

所以，柯潔的招可行嗎？在讓九子的表演賽條件下，偶一為之，確實有機會。在真正的實力對抗裡，不行。而這則話題最值得留下的觀察是：人機勝負的敘事，正在從「誰算得深」移向「誰定義遊戲」。當人類開始研究如何透過非理性輸入去扭曲 AI 的決策框架，圍棋這個最古老的策略遊戲，等於在 AI 時代又長出了一層新的對局設計。棋盤還是十九路，下的東西已經不一樣了。