一句话看懂：围棋选手柯洁提出一种针对当前围棋 AI 的“诱骗”式下法，即前期故意下出极端弱手，诱导 AI 胜率评估失真，从而在后期实现翻盘。这一说法在社交平台引发热议，核心争议点在于：AI 的胜率评估系统是否存在可以被人类利用的盲区。
事件核心：发生了什么
根据 @igeekbb 8 月 18 日在 X 平台发布的帖子，柯洁声称已经找到破解当前围棋 AI 的办法，称“现在随便下 AI 包赢的，还可以让它 9 个子”。具体操作方式是：在棋局前期故意“装弱智”，下出明显偏离常规的劣手，导致 AI 的胜率评估系统出现误判——它认为自己的胜率已接近 100%，从而在后续应对中失去精确判断力，最终被“偷吃”大龙翻盘。柯洁还表示，如果当年对阵 AlphaGo 时知道这一 bug，他有获胜可能。
该帖子获得超过 24.4 万次浏览，评论区中，用户 @tldsurf 给出了技术推测：AI 在胜率过高后可能出现“梯度消失”现象，即它认为剩余可选点位胜率均为 99.99%，难以区分优劣；直到被屠龙后胜率暴跌至 0.01%，同样出现梯度消失，AI 无法判断最佳落子。还有网友调侃称“我上去下一半，柯洁再下一半就能打赢 AI”。
为什么重要
这一事件的重要性不在柯洁是否真的“破解”了 AI，而在于它揭示了大模型和强化学习系统在实际部署中的一个共性问题：胜率或概率评估在高置信区间会出现“钝化”。围棋 AI 的训练目标是最大化胜率，但当模型判定某一方胜率接近 100% 时，不同走法之间的输出差异会变得极小，模型失去区分“好手”与“一般手”的梯度信号，从而产生可被利用的决策盲区。
这与大语言模型中“过度自信”导致错误输出、以及自动驾驶在高置信度下误判路况的现象同源。它提醒行业：当前的 AI 系统并非在所有场景下都拥有均匀的“智能”，对抗样本、诱导性输入仍能有效攻击经过强化训练的系统，且这类漏洞可能存在于围棋、棋牌、策略游戏甚至金融交易决策系统中。
对用户/开发者/创作者的影响
对普通用户而言，这一事件意味着“AI 无敌”的认知需要修正——即便是顶级围棋 AI，也存在可以被人类利用的逻辑漏洞。对 AI 应用开发者来说，这是一个明确的信号：在强化学习训练中，不应只优化平均胜率，还需要对极端局面（如胜率极高或极低）做针对性数据增强，否则部署后的模型在真实对抗环境中可能被低成本策略击穿。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对使用大模型 API 做内容的创作者而言，这个案例也提供了参考：AI 在高置信度场景下输出的内容并不一定可靠，需要在产品设计中加入不确定性提示或人工复核机制。对围棋类 AI 产品的运营方，柯洁的言论虽然带有“玩梗”成分，但若有人真的据此开发针对性的“诱导下法”，可能影响在线围棋 AI 训练产品的用户体验和公平性。
值得关注的后续
目前公开信息显示，柯洁并未展示完整的对局棋谱或落子序列，其“让 9 子赢 AI”的说法尚无法被独立验证。后续值得观察的要点包括：
1. 是否有围棋 AI 训练团队（如 KataGo、Leela Zero 或腾讯绝艺团队）公开回应，承认存在类似“胜率梯度消失”的盲区，并发布针对性补丁。
2. 该漏洞是否同样影响当前主流的围棋 AI 产品（如在线对弈平台的 AI 陪练功能），以及开发者是否会通过增加“异常局面样本”来修复类似问题。
3. 柯洁是否会进一步放出实战演示或对局数据；若该“装弱”策略被验证有效，或将引发对现有 AI 对抗评估体系的一次公开反思。
来源：@igeekbb
