2016-AlphaGo擊敗李世石：符號主義讓位給學習#

案件摘要#

2016 年 3 月，DeepMind 的 AlphaGo 在首爾以 4:1 擊敗世界頂尖棋士李世石。核心案情：圍棋長年被視為「直覺與大局觀」的堡壘——狀態數約 10^170，暴力搜尋無望，符號 AI 與傳統心理學的「規則與概念」框架束手無策；AlphaGo 用 CNN 深度網路（模式辨識）＋蒙地卡羅樹搜尋（MCTS）＋數百萬盤自我對弈證明：統計學習足以逼近人類認知的許多面向。（→ 這是對 1957-喬姆斯基句法結構.md 以來「心智＝規則系統」傳統的世紀性回擊：不寫規則，餵資料，直覺被學出來！）第二局的第 37 手——肩沖掛角，職業棋士初判為「人類不會下的失誤」，事後認定為妙手——被解說者稱為「神之一手」。（→ 這一手之所以震撼，是因為它證明：機器不只模仿人類下法，還探索出人類幾千年未曾踏足的策略空間！）

前因 -- 多因素的局勢#

符號 AI 的百年史與挫敗：從紐厄爾—西蒙的邏輯理論家（1956-認知革命.md）到深藍（1997 擊敗西洋棋王卡斯帕洛夫），主流 AI 一直走「搜尋＋規則」；但圍棋的分支因子讓符號路線的兩個 1990s 程式（Chinook 團隊曾估）需要數十年也逼近不了人類頂尖水準。
1986 神經網路復興的火種：反向傳播（1986-神經網路復興.md）讓多層網路可訓練；但此後三十年受困於算力與資料，一度是「冷門異端」（→ 本案的技術祖產，是一門被主流冷落二十年的學問！）
2012 深度學習的臨界點：AlexNet 在 ImageNet 的爆發性勝利＋ GPU 算力＋大資料，讓深度學習三年內席捲業界——AlphaGo 是這波浪潮在「認知遊戲」上的決戰。
圍棋的文化座標：圍棋在東亞被視為智力與直覺的極致，1970s-2000s 專家屢屢宣稱「機器再二十年也下不過人」——預測的連環破產本身成為本案的劇情線。
資本的進場：Google 2014 年收購 DeepMind（據報 4-6 億美元）——AI 軍備競賽的商業與地緣政治維度（中美 AI 競賽）自此全面展開。

線索與推理 -- 因素咬合#

線索一：CNN + MCTS + 自我對弈 = 三重嫁接#

AlphaGo 不是單一發明：CNN（價值與政策網路）提供「直覺」（哪裡值得想），MCTS 提供精確的局部計算，自我對弈提供無限訓練資料——三者的接口設計才是真正的破案關鍵。（→ 這也是對認知心理學架構的回聲：直覺（系統一）＋深思（系統二）的分工，被工程化了——卡尼曼的雙系統（2002-卡尼曼諾貝爾獎.md）在矽片上重建！）

線索二：第 37 手 = 人類知識邊界的證據#

職業棋士預估第 37 手被真人下的機率是萬分之一；幾天後李世石在第 78 手以同樣風格回敬一局（第四局的「神之一手」由人類贏回）——雙向的震撼：人類開始向機器學棋，職業棋譜的開局與定式全面改寫。（→ 認知科學的啟示：人類「直覺」不是邏輯的延伸，而是海量模式經驗的壓縮——這正是神經網路的世界觀！）

線索三：AlphaGo Zero 的補刀（2017）#

隔年 AlphaGo Zero 完全不學人類棋譜，從隨機自學 40 天超越所有版本——人類幾千年的棋藝積累，被一張白板網路三十九天超越。（→ 這對心理學的挑戰更狠：知識傳承不是必需的——「學習」的潛力比「內容」更根本；但也引發爭議：Zero 有超人的計算預算，人類沒有。）

線索四：符號 vs 連接的舊案重審#

本案是 AI 六十年路線之戰的阶段性判決：喬姆斯基式「規則生成無限」對上連接主義「統計學習出表徵」——2016 年的戰報偏向後者，但語言、推理的領域仍未終審（戰線延續到 2022-大型語言模型與心理學.md——LLM 正是兩條路線的混血：架構是神經的，成果是語言的）。

破案時刻#

1986：反向傳播復興（1986-神經網路復興.md）。
1997：深藍擊敗卡斯帕洛夫（符號 AI 的勝利）。
2006：Hinton 深度信念網路；2012：AlexNet 爆發。
2014：DeepMind 的早期圍棋版本；Google 收購。
2015-10：AlphaGo 5:0 擊敗歐洲冠軍樊麾（《自然》封面）。
2016-3：4:1 擊敗李世石；第 37 手震動棋界。
2017-5：3:0 擊敗柯潔；同年 AlphaGo Zero 白板自學超越前代。
結案：圍棋失守；「統計學習逼近人類認知」從假說變成事實。

後果 -- 改變了什麼#

認知科學的神經網路轉向：認知模型從符號流程圖轉向「可訓練的表徵學習」；計算認知科學大量採用深度網路作為心智模型與比較基準。
人機協作的認知觀：人類向機器學棋、機器輔助診斷——「專業知能」從人類獨佔變成人機混合生態（職業棋士的「後 AlphaGo 時代」）。
AI 哲學論戰加溫：機器是否「理解」？（符號接地、中文房間的重審）意識、創造性與直覺的定義全部重開。
資源與政策的衝擊：AI 競賽成為國家戰略；算力與資料的壟斷引發新的科學社會學問題——「認知的科學」部分轉移到大公司實驗室。

因素影響筆記#

符號 AI 挫敗（圍棋無解）──────┐
1986 神經網路火種 ─────────────┼─→ 2012 深度學習臨界點
GPU 算力 + 大資料 ─────────────┘         │
Google 資本 + DeepMind 工程 ────────────┤
                                         ↓
            CNN+MCTS+自我對弈（直覺被統計學習出來）
                         4:1 李世石 ／ 第 37 手
                                         │
      ┌──────────────────────────────────┼────────────────────┐
      ↓                                  ↓                    ↓
 認知科學表徵學習轉向           人機協作認知觀            AI「理解」哲學論戰
 （符號→神經網路）              （棋譜全面改寫）          （→2022 大型語言模型）

偵探結語：本案的偵探價值在於它同時是兩樁案子的判決。第一樁：AI 的路線之爭——六十年來「規則 vs 學習」的戰爭，AlphaGo 讓學習派在直覺的領土上完勝；第二樁：心理學的自我理解——如果「大局觀、棋感」這種最抗拒形式化的認知都能被梯度下降逼近，那麼人類認知的神聖性清單又短了一行。第 37 手最耐人尋味：它不是在模仿人類，而是指出了人類集體智慧的一個盲點——科學史的許多重大時刻，正是「發現我們不知道自己不知道什麼」。要記下的暗帳：Zero 的白板勝利有其算力前提，不能直接推論人腦；而「統計學習＝理解」的等號，到了大型語言模型時代（2022-大型語言模型與心理學.md）將成為更尖銳的哲學懸案。機器學會了下棋；人類學會了重新問：什麼是思考？