AlphaGo核心作者：十年了，LLM还没学到那场棋局「神之一手」的精华

• 2026-10-05

2016 年 3 月，首尔四季酒店。 人机大战第二局进行到中途，AlphaGo 把一颗黑子落在了第五线上。现场解说一时语塞，有人怀疑程序出了 bug，因为在职业棋手的常识里，这手棋近乎于白送。 后来的故事大家都知道了。AlphaGo 不仅赢下了那一局，还以 4:1 的总比分击败了李世石。赛后李世石说了一段被反复引用的话：「我原以为 AlphaGo 只是基于概率计算的机器。但看到那一手，我改变了想法。AlphaGo 一定有创造力。」 那就是著名的第 37 手。 十年过去，当年亲手造出 AlphaGo 的人却站出来说了一句：那一手棋所依赖的能力，今天的 AI 恰恰没有。 说这话的人是 Thore Graepel，AlphaGo 的核心作者之一，长期从事机器学习研究。最近他做了一个颇耐人寻味的决定 —— 离开 Google DeepMind，去创业做一件他认为更要紧的事：给机器装上真正的推理能力。 那个辛辣的观点出自他最近发布在 MIT Technology Review 上的一篇文章，文章标题非常直接，就叫「别被骗了 ——LLMs 不会推理」。看完这篇文章，图灵奖得主 Yann LeCun 表示赞赏，强调「真正的推理必须涉及搜索，LLM 不具备这一能力」。 Thore Graepel 为什么这么说？我们一起来看看这篇文章写了什么。 第 37 手不是「灵光一闪」，而是推理的产物 很多人对第 37 手的叙事是「机器直觉的神话时刻」——AI 电光石火之间，看到了人类千年棋谱之外的妙手。Graepel 说，这是大家对 AlphaGo 最大的误解。 要理解这一点，得先拆开 AlphaGo 的内部构造。它由两套系统组成：一套是策略网络（policy network），通过学习海量人类棋谱，来预测「高手在这一局面会怎么下」，这是直觉的部分。另一套是搜索机制，它不关心某手棋「看起来像不像人下的」，而是显式地构建一棵包含数千个分支的博弈树，逐一推演每个候选落点通向的未来。 关键在于：在策略网络眼里，第 37 手平平无奇 —— 职业人类棋手下出这一手的概率大约只有万分之一。如果只听直觉的，这一手根本不会被选中。是搜索机制在深算之后发现，这手「不像话」的棋通向一个更好的终局。 Graepel 借用了卡尼曼那个著名的框架来解释这件事。人类的思考分为两种模式：系统 1 快、凭直觉、毫不费力；系统 2 慢、一步步来、审慎权衡。AlphaGo 恰好是这两种模式在机器上的罕见合体：神经网络提供「这手棋有戏」「这个局面要赢」的直觉，搜索机制负责把这些直觉放到未来的攻防变化里去检验。缺了任何一半都不行：光有直觉，永远走不出第 37 手；光有暴力搜索，也根本筛不动围棋那天文数字般的可能性。 这里还有一个常被忽略的对比。1997 年深蓝击败卡斯帕罗夫，靠的是人类硬编码的规则，每秒评估 2 亿个棋局位置，向前看六到八步。而围棋的复杂度完全是另一个量级，一颗子的价值取决于几十个回合之后厚势与实地的消长，哪怕只算所有变化的一小部分，超级计算机也得算上几十亿年。所以 AlphaGo 必须学会「一眼看清局势」，甚至创造人类从未想过的下法。它不是靠算力碾压赢的，这一点至关重要。 大语言模型：一个被练到极致的系统 1 再来看今天的 AI。 大语言模型的工作原理，归根到底是一遍又一遍地预测下一个 token。这本质上就是系统 1 在运转：快速、联想式、在几乎所有人类写过的领域里都能完成令人惊艳的模式补全，但它没有「想一想再回答」这个环节。 ChatGPT 横空出世后不久，业界就意识到光有语言流畅度撑不起真正的用处。补救方案大家都很熟悉了：让模型别急着回答，先生成中间步骤，把问题拆开、把中间结果带下去 —— 也就是思维链（chain of thought）。 思维链的提升是实打实的，尤其在数学和代码上。但 Graepel 指出了一个容易被兴奋情绪掩盖的事实：这些中间推理步骤，仍然是同一个「预测下一个 token」的过程，只是在给出最终答案前多迭代了一会儿而已。 它并没有像 AlphaGo 的搜索那样，引入一个真正独立的推理机制。直觉被拉长了，但并没有因此变成审慎。 他进一步列出三个短板，说明聊天机器人做的事为什么够不上「科学家所承认的那种推理」。 第一，模型没有一份明确的、可持续更新的、可供检查的认知状态。它此刻在考虑哪些假设、对各种解释抱有多大信心、在权衡哪些证据、还有哪些问题悬而未决。这些东西本该随着新信息的到来被系统性修订，但模型内部并没有这样一本「开放的账簿」。 第二，模型没有做到「知道什么」和「如何运用知识」之间的分离。知识和推理死死缠绕在神经网络的权重里，不存在一套独立、显式表达的信念体系。 第三，也是最微妙的：思维链看起来像深思熟虑，但研究已经表明，模型经常在事后编造它们。