A look back at “Move 37”, a watershed AI moment from AlphaGo’s 2016 Go victory, as math witnesses similar breakthroughs where AI makes surprising discoveries (Ben Cohen/Wall Street Journal)

事件核心：发生了什么

这篇由 Ben Cohen 撰写的华尔街日报文章，以 AlphaGo 对阵李世石的“Move 37”为引子，回顾了 AI 在围棋比赛中那次出人意料、违背人类棋理却最终被证明有效的落子。该事件被视为 AI 发展史上的分水岭时刻，因为它首次让公众意识到，AI 不只是模仿人类策略，还可能走出人类未曾设想的新路。

文章同时指出，数学领域正在经历类似的时刻：AI 在一些数学问题上做出了让人类研究者惊讶的发现，但推导过程或思路并不符合传统直觉。Techmeme 于 2026 年 8 月 9 日早上 7:25 ET 转载了这篇文章，目前公开信息显示，原文主要讨论的是这一现象本身，而非某一条具体的数学猜想或定理。

为什么重要

“Move 37”之所以被反复提起，是因为它打破了“AI 只能靠海量算力和数据碾压人类”的简单叙事。AlphaGo 在 2016 年的胜利已经证明了深度学习在棋类博弈中的能力，但“Move 37”代表的是另一层意义：AI 可以在没有人类先验知识引导的情况下，生成一种新的解题路径。

如果数学领域确实出现了类似案例，那么 AI 的角色将不再局限于“计算工具”或“验证助手”，而是可能成为“发现者”。对 AI 行业来说，这意味着评估模型价值的标准可能发生变化——从“回答是否正确”扩展到“能否提出人类没想到的思路”。这对大模型的训练目标、推理能力和可解释性研究都会产生直接影响。

对用户/开发者/创作者的影响

对于普通用户，这类新闻其实是在提示一种新的使用方式：当你使用 AI 辅助做题、写代码或分析数据时，它的“非标准输出”不一定意味着错误，可能只是路径不同，但需要你保留判断和验证能力。

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。

了解 GamsGo AI

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。

对开发者和研究人员而言，“Move 37”式的发现提醒了另一个问题：如果 AI 的推理过程无法被人类完全理解，那么这类突破将很难被直接复制到工程实践中。开发者在使用 AI 生成代码、数学证明或实验方案时，可能需要额外建立一套验证流程，而不是直接信任模型输出。对于参与开源模型或 API 服务的人来说，这也会影响产品的设计逻辑——是否要提供“解释模式”或“置信度提示”来帮助用户判断 AI 输出的可靠性。

对内容创作者来说，这个话题本身就是一个有价值的报道方向：AI 在数学等严谨学科中的“灵感”如何被确认、被署名、被写入教科书记录，这些延伸问题，会持续产生值得追踪的故事。

值得关注的后续

第一，AI 在数学中的“惊喜发现”是否会落地为可验证的成果，例如正式发表的论文或公开证明。目前公开信息显示，还没有具体的、被学术界广泛承认的案例，因此这一方向是否有真实案例跟进，值得留意。

第二，“Move 37”式的非人类推理，是否会让科技公司调整大模型的训练路线。比如，是继续追求人类偏好对齐，还是部分保留“跳出人类框架”的能力，这将是模型迭代中的一个实际取舍。

第三，这类 AI 发现若被正式采用，学术圈将如何建立贡献归属和可复现的标准。这是 AI 进入科学研究领域时无法回避的规则问题，比起技术突破本身，可能更先影响制度和评价体系。

来源：Techmeme