2016 年 3 月，首尔。AlphaGo 与李世石五番棋的第二局进行到第 37 手时，解说席陷入了少见的沉默：棋子落在第五路肩冲的位置，按人类职业棋手的经验，这手棋出现的概率被当时的解说估计为万分之一量级。这一手后来成为 AI 史上被讨论最多的落子之一，重要性在于它头一次让公众看到——机器不仅能学人类的棋，还能在人类经验之外落子。
这一手棋特殊在哪
围棋里第五路属于偏高的位置，人类棋谱里在这个阶段肩冲第五路的情况极少，因为它在人类的直觉体系里回报不明。AlphaGo 走出这一手后，棋盘对面的人类冠军长时间离席，赛后复盘也一度判断这手棋有问题；但棋局进程显示，这手棋为后续局面换来了实利，最终 AlphaGo 拿下了这一局。万分之一，是解说团队按人类棋手的落子习惯给出的估计，数字本身以公开报道为准，它想表达的意思很清楚：这不在人类会下的棋的范围内。
更值得留意的是 AlphaGo 学棋的方式。它先学习了大量人类高手的棋谱，在这个基础上通过自我对弈继续提升。也就是说，第 37 手既来自人类棋谱的底子，又超出了人类棋谱的范围——模型在学完人类之后，在自己的试错里找到了人类没试过的方向。
为什么说它是转折点
把这一手放进 AI 的历史脉络里看，分量更清楚。1997 年深蓝赢卡斯帕罗夫，靠的是搜索加人工规则，见深蓝赢卡斯帕罗夫一篇；AlphaGo 的底子则完全不同：深度神经网络从数据里学「棋感」，搜索只负责在关键分支上算清细节。这条技术路线的根基，来自 2012 年前后深度学习的突破，见ImageNet 竞赛一篇；理论源头可以追到反向传播这类方法的长期坚持者，见辛顿人物篇。
第 37 手的意义在于它是一个可以被看见的证据：从数据里学出来的模型，能产出训练材料中不存在的东西。「学习人类」和「超过人类」之间的那道墙，第一次被公开推倒了一角。此后的进程更快——2017 年公开的后续版本完全不使用人类棋谱、纯靠自我对弈训练，公开对局成绩又上了一个台阶，AlphaGo 随后退出竞技比赛。
第 37 手节点速查
- 2016 年 3 月：首尔五番棋，AlphaGo 四胜一负
- 第二局第 37 手：第五路肩冲，人类落子概率按解说估计约万分之一
- 学棋路径：人类棋谱打底，自我对弈提升
- 后续：2017 年无人类棋谱版本公开，AlphaGo 退役
李世石赢回的那一局也别忽略
五番棋的比分是四比一，人类赢下的那一局同样值得记。第四局中盘，李世石弈出一手打乱对手判断的落子，为人类拿到了唯一的胜局，这手棋在此后的解说和报道里被反复讨论。这一局和第 37 手合在一起才是完整的故事：机器有了超出人类经验的落子，人类也有让机器措手不及的时刻。用今天的话说，模型有盲区，人有韧劲，两边都谈不上全知。
这段棋局的另一层启示在评估方式上。判断 AlphaGo 的实力，靠的并非某一步棋的惊艳，而是整场对抗的战绩——这也是今天评估 AI 产品该有的态度：单点演示再惊艳，也只是样本；要判断真实水平，得看完整任务的胜负，基准分和实际任务的思路与之一脉相承。
从棋盘到今天的大模型
AlphaGo 展示的「自我对弈提升」，后来被搬进了大语言模型的训练里：模型生成内容、按标准打分、继续改进，这条思路今天仍是训练重要模型的常用做法之一。规模化的依据也有章可循，算力、数据与参数之间的曲线关系见Scaling Law一篇。今天你用的 DeepSeek、Kimi、豆包，都在这条「先学人、再突破单点表现」的延长线上——它们写作、写代码的能力，同样来自海量数据打底加反复的训练打磨。
普通人从这个故事里能带走什么？大概是面对 AI 成绩时的两分法：看到惊艳的一步，先想想对手有没有机会（李世石的第四局提醒我们机器有盲区）；看到整体劣势，也别急着断言上限（第 37 手提醒我们机器有想象力）。把单点和整体分开看，是这盘棋留给非棋手的功课。
| 看到什么 | 先想什么 | 依据 |
|---|---|---|
| 惊艳的一步 | 对手有没有机会 | 李世石第四局提醒，机器有盲区 |
| 整体劣势 | 别急着断言上限 | 第 37 手提醒，机器有想象力 |
| 单点演示 | 那只是样本 | 判断实力靠整场对抗的战绩 |
关于第37手的三问三答
- 第 37 手当时是好棋吗？：从这一局的结果看它立住了功劳，围棋界此后对第五路肩冲的价值也重新做了评估，具体评价以棋界公开讨论为准。
- 李世石总共赢了几局？：一局，第四局，靠一手打乱对手判断的落子取得，这也是他职业生涯里被讨论最多的对局之一。
- AlphaGo 后来还比赛吗？：没有，2017 年与当时世界排名第一的棋手对局获胜后宣布退役，后续工作转向自我对弈方法的研究与公开。
