2018 年，OpenAI Five 和人類隊伍打《Dota 2》表演賽前，OpenAI 先把它的平均反應時間從 80 毫秒調慢到 200 毫秒，這「更接近人類的水準」（OpenAI 2018a、OpenAI 2018b）。表演賽另外讓每個英雄各配一隻打不死的信使，兩週後和職業選手對戰時，這條規則被拿掉了；OpenAI 賽後說，這條規則決定比賽像不像「Real Dota」（OpenAI 2018c）。 2019 年，DeepMind 的 AlphaStar 擊敗兩位《星海爭霸 II》職業選手，爭論集中在它不必移動鏡頭，瞬間的操作速度有時還比選手高（DeepMind 2019a）。新版本改成要透過鏡頭看戰場，每 5 秒最多 22 個動作，匿名上天梯打到宗師級；參與設計限制的 TLO 說：「感覺很公平，像在玩一場『真的』星海。」（DeepMind 2019b）

電競讓 AI 上場前，要先替它設限，因為大家擔心它玩的不是我們的遊戲。圍棋的情況不同：AI 只下過挑戰賽與表演賽，從不在正式比賽裡擔任選手，棋手卻已經開始擔心自己玩的變成了別的遊戲。 2016 年，李世乭和 AlphaGo 下了五盤，只贏一盤（英文維基）；他 2019 年退休時說：「就算我拚到第一，還有一個打不敗的存在。」（韓聯社）柯潔 2017 年對新版的 AlphaGo Master 三盤全輸（英文維基），DeepMind 說這版本可以讓對李世乭那一版三子（美國圍棋協會）。但到了 2022 年，柯潔輸給外號「申工智能」的申真諝，申真諝在那盤棋和 AI 的吻合率高達 65.8%；柯潔賽後寫下「我受夠了 AI 圍棋」，像是「被一點圍棋也不會的人拿個 AI 按著頭皮教育」（IT之家）。將棋名人羽生善治說，照著 AI 的評估值下，大家下的「全都一樣」，同場的井山裕太也說圍棋的佈局和戰法常常變得一樣（日刊スポーツ）。 2026 年羽生又說，要下得不一樣，就得選 AI 評價較低的手：「負五百分有點難接受，負兩百分左右還可以吧。」評估值在零分附近是均勢，負得越多，局面對自己越不利（ITmedia）。

AI 會給每手棋一個分數，這是 AI 估值；我們也能計算棋手和 AI 首選的相合程度，這是「AI 吻合率」。 AI 估值看起來比任何棋手的判斷都可靠，但我們不知道估值背後有什麼人類聽得懂的理由，估值和圍棋傳統的術語與見解幾乎脫鉤。這樣的估值已經有一般「權威」的性質。Zagzebski 說，如果我認真想過後認為，照某人的看法去相信，比我自己判斷更容易正確相信，那他怎麼相信，就是我該怎麼相信的理由（Zagzebski 2012: 110）Zagzebski 2012。照這個說法，棋手只要有好的理由認為 AI 估值比自己準，估值本身就成了理由，即使沒有人說得出它的道理。這種權威只給裁決，問不出理由，我把它稱為「斷頭神論」。

我在這篇文章想問：這還是我們想玩的遊戲嗎？以下我先看 AI 改變了圍棋什麼，再分析能動性與權威，最後回到斷頭神論，看人類能不能照著它下棋。

AI 以後，圍棋如何改變？

我們先看 AI 進入圍棋以後，圍棋有了哪些改變。

首先，AI 確實改變了圍棋的比賽規矩、學棋與評判。我們可以把規矩和圍棋規則簡單區分：圍棋規則決定怎樣的行動算是在下圍棋，例如一次一子、不可悔棋；規矩則是為了維持比賽條件另加的規範，例如時限、檢查與罰則。 2020 年 1 月，韓國棋院的入段賽有考生在外套鈕扣裝攝影機、耳朵藏耳機，由場外的人把 AI 建議的下一手報給他（韓國棋院 2020a）；兩天後，韓國棋院開始用手持金屬探測器檢查考生，裁判也從一人加到兩人（韓國棋院 2020b）。同年 9 月，國家隊棋手金恩持在網路棋賽中用 AI，被停權一年，韓國棋院同時新增「禁止使用人工智慧程式」的規定，違者停權三年或除名（韓國棋院 2020c）。中國圍甲聯賽 2022 年賽季在入口加裝安檢門，還第一次在廁所裝了手機訊號屏蔽器（新京報）。

但 AI 對學棋與評判方式的影響更大。在 AI 以前，學棋靠棋理術語、擺棋譜與死活題（見〈AI 以前，學會圍棋是學會什麼？〉）。 2022 年，Kang 等人訪談了三位韓國棋界前輩，問卷調查了 71 位現役職業棋手（Kang, Yoon & Lee 2022）Kang 2022。國家隊總教練睦鎮碩說，「用書或棋譜訓練，正逐漸過時」，這個時代只能「跟隨比任何人類棋手都強得多的 AI 老師」；國家隊教練朴正祥說，就連共同研究也是「每個人先試著得出自己的答案，再去對 AI 老師的解答」。問卷發現，已經沒有棋手下棋不參考 AI，開局時更有 93% 的人「總是或經常」參考。 Kang 等人也發現，2017 年以後，棋手開局和 KataGo 推薦手的相似度明顯上升，並指出另一組研究直接把這種相似度當成著手品質。 Choi 等人分析近 7 萬局職業棋賽，AI 出現前，最常見的四種角部定式合計只占 8% 到 13%，AI 出現後升到 37%（Choi et al. 2025）Choi 2025。申真諝據報導「每天至少要花 5 個小時以上和 AI 實戰或研究棋譜」（轉引自 IT之家）。

遊戲哲學裡，Suits 有個有名的定義：玩遊戲，是自願嘗試克服不必要的障礙（Suits 1978: 41）Suits 1978。圍棋要求棋手一次只下一子、不准悔棋、不能動手攻擊對方，這些障礙都不必要（要比對方圍更多地，有更有效率的方法，像是站起來打暈對方），但沒有它們，就沒有圍棋。 Suits 也說：「在道德中，遵守規則使行動正確；在遊戲中，遵守規則使行動成立。」（Suits 1978: 31–32） Suits 把禁止最有效率手段的規則稱為構成規則：違反技巧規則，是沒把遊戲玩好；違反構成規則，就「根本沒有在玩遊戲」（Suits 1978: 38）。那麼，規則一樣，下的就是同一個遊戲嗎？

這兩個棋手都沒有違反任何規則，但直覺上，圍棋在他們手上變成了別的遊戲。那麼，是什麼讓一個遊戲成為這個遊戲？

AI 圍棋的能動性與權威分析

遊戲哲學對這個問題有幾種回答，我從 Suits 開始。

我認為這定義是操作性而非構成性的，但我在本文不爭論這點。 Suits 用這段定義區分遊戲和工作：工作追求最有效率的手段，遊戲卻刻意接受沒效率的手段（Suits 1978: 22）。定義裡的「特定的事態」，是每個遊戲自己的目的，例如圍棋的圍地、賽跑的越過終點線；Suits 提醒，這些事態可以在遊戲外獨立描述（同上: 36–37）。這個定義還指出一件重要的事：玩家接受規則，是為了規則所建立的那種活動；規則是讓活動成立的手段。

所以規則為了某種活動存在。違反規則，表示玩家沒在玩這個遊戲；但遵守規則，不能保證那個活動還在。前一節那位背誦 AI 估值的棋手，在某個意義上可能正在破壞這個遊戲。我主持 TRPG，這是一種透過機制發展故事的遊戲，其中有個「超遊」（metagaming）的概念：玩家把角色不該知道的場外知識，拿來替角色做決定。規則沒有被違反，跑團的人卻覺得遊戲被破壞了。這類例子不一定能反駁 Suits 的定義，但它們留下一個需要說明的問題：如果規則為了某種活動而存在，那麼，什麼讓一個活動成為這個遊戲？

為了比較，我們可以看看 Nguyen 的理論。

我認為「遊戲保存能動性」是很好的洞見。他舉例說，西洋棋保存精準的前瞻計算，外交遊戲保存操弄與欺騙；遊戲還讓玩家感受到，自己就是那些解法的發起者（Nguyen 2020: ch. 5）。照這個說法，只看 AI 估值的棋手，大概不能算是解法的發起者，因為他放棄了傳統棋手的那部分能動性。至於那位天賦異稟的棋手，圍棋保存的能動性在他身上成了別的東西：對他來說，整個棋盤就像一道十九路的死活題；對一般棋手來說，同一個棋盤有更多未知與模糊（或說「深奧」）的策略考量。

但我想再追問「遊戲保存能動性」這個說法。所有遊戲合起來是一座能動性的圖書館，但沒有一個遊戲容納得了那麼多能動性，每個遊戲大概都只包含這座圖書館很小的一部分。遊戲常常必須增減能動性，活動才有設計者想要的「遊戲性」。電玩的幾個類型都看得到這一點。 Roguelike 遊戲死了就從頭來，存檔只有一份；如果玩家能不斷讀檔重試，每個決定都可以試到對為止，就變成了別的遊戲。像《星際拓荒（Outer Wilds）》這類探索型遊戲，玩家得自己發現世界怎麼運作；讀了攻略通關，玩家就沒有自己發現什麼。在競技遊戲裡，一旦某種打法強到每個人都會採取，開發者往往會推出平衡更新來削弱它。再看看手機遊戲的每日任務，若玩家說有「作業感」，許多遊戲乾脆提供「掃蕩」模式，讓打過的關卡一鍵結算。玩家說遊戲有作業感、無聊，意思是他們期待的那類遊戲，在這裡好像不成立。

Nguyen 自己的例子也是這樣。他和配偶買了計算繁重的太空殖民桌遊《High Frontier》，兩人勢均力敵，輪流發明新策略、互相偷學；他大可以去讀網路攻略，很快就超越配偶，但他不會這樣做，因為程度一拉開，比賽就無聊了（Nguyen 2020: ch. 2）。攻略也提供能動性，而且更有效；但這個遊戲要成立，兩個人都不能讀攻略。所以，能動性的圖書館說明了遊戲的集合，卻不足以說明一個遊戲。我認為，遊戲保存了讓某些能動性可以玩的條件。

秀哉的打掛與封手說明，有人能在規則之外拿走這些條件，也有人能在規則之外保護它們。

打掛沒有違反任何規則。封手禁止趁暫停回家想、找人研究，這些大概就是 Suits 說的「更有效率的手段」；封手要讓圍棋回到它原來的樣子。

我認為 Nguyen 說遊戲保存能動性，是正確的觀察。但要回答遊戲何時改變了，還需要進一步分析能動性。

遊戲研究對能動性有個常見的分析。 Mateas 沿用 Murray 的說法，把能動性看成一種感受：玩家採取的行動，產生了和自己意圖相應的結果；介面上有再多按鈕可以按，若按了對經驗沒有影響，就沒有能動性（Mateas 2001: 142）Mateas 2001。他進一步主張，玩家能做的事和值得做的事要平衡，玩家才感受得到能動性；失衡就會減損它（同上: 145）。後來，Wardrip-Fruin 與 Mateas 等人修正了這個分析，把能動性看成玩家與遊戲之間的現象：玩家想做的行動，正好在他能做的行動之中（Wardrip-Fruin et al. 2009: 1）Wardripfruin 2009。他們也指出，能動性包含即興：目標與計畫只是行動的資源，行動本身是情境化而且即興的；玩家動用的資源跨越不同的時間尺度，從快到意識來不及介入的操控反應，到短期與長期的計畫（同上: 7）。

這個分析也適用於圍棋。棋手的能動性同樣包含即興，因為對手怎麼落子無法確定，盤勢發展也常出乎預期。傳統上，棋手的能動性大致分兩部分。一部分是局部：一塊棋的死活與攻殺、官子的大小，棋手能把變化算清，照結果下棋。另一部分是超出計算範圍的大局：實地和勢怎麼取捨、哪裡是大場、自己的棋是厚是薄，棋手只能靠厚薄、大場這類棋理，以及定石與佈局的知識，做模糊估計。

能動性也是遊戲自己的美學範疇。Murray 提出的沉浸、能動性與轉化，原本是互動經驗的三個美學範疇；Mateas 指出，前兩個在非互動的戲劇裡早已存在，觀眾認同主角就是沉浸，主角的轉變就是轉化，只有觀眾自己在故事裡有能動性，是互動才帶來的新經驗（Mateas 2001: 142–143）。下棋的美感也在這裡：棋手在局部算清變化、在大局做出判斷，下了以後，結果和自己的判斷相應；這種美只有在棋盤前判斷的人拿得到。

AI 估值帶來兩種潛在的能動性。

第一種我稱為策略式能動性：「選擇估值」本身就是一種長期策略，棋手把估值當作每手棋該這樣下的證據，照這個策略下完整盤棋。AI 估值因此加入了新的能動性範圍，而且很可能取代局部與大局這兩部分能動性，讓過去依據局部計算與大局估計發展出來的理論和思考方式，都成為弱勢策略。Shin、Kim 和 Kim 的研究指出，在看得到 AI 的候選手勝率和後續變化後，棋手有了明顯進步（Shin, Kim & Kim 2021: 1798–1799）Shin 2021。而在 AI 出現後，棋手下出前所未見的新著手也變多了；到第 21 手，99% 的開局已經是前所未見的局面，棋手在第 21 到 50 手的品質仍然上升（Shin et al. 2023: 5–9, 11–12）Shin 2023。

第二種我稱為試金石式能動性：AI 估值是理論和思考方式的試金石，像量溫度的溫度計。它沒有加入新的能動性範圍，棋手的能動性仍是局部與大局兩部分；棋手拿自己的計算與估計去對照 AI 估值，一次次校正，被檢驗和淘汰的仍然是理論和思考方式。

我在開頭提到，AI 估值已經有權威的性質。兩種能動性的差別，在於棋手把 AI 估值當成哪一種權威。

在策略式能動性中，AI 估值被當成霍布斯式的權威。 Jäger 把 Zagzebski 的取代論題稱為霍布斯式（Hobbesian）的權威（Jäger 2016）Jager 2016：權威的看法除了是我該怎麼相信的理由，還必須取代我自己原本的理由（Zagzebski 2012: 107）。棋手有很好的理由認為 KataGo 的估值比自己準；照取代論題，理性的棋手就該讓 AI 估值取代自己的大局判斷。

Hills 舉了一位新任法官 Claire 為例：她每次都請教判斷力極佳的前輩，照前輩的指引判決。她的判決可靠地正確，她卻不是好法官，因為她的判斷只回應「前輩說了什麼」，沒有回應「如何才算公正」（Hills 2009: 110–111）Hills 2009。依取代論題下棋的棋手，就是圍棋裡的 Claire。他的棋下得再好，也是無技藝的表現，因為該自己判斷的地方，他改成只回應 AI 估值，就像只看吻合率的棋手。如果人人都選擇做 Claire，圍棋就成了重現答案的遊戲。

試金石式能動性仍然把名人、高手當成蘇格拉底式的權威，AI 估值只是弱權威。Jäger 在批評取代論題時提出蘇格拉底式的權威。他認為，面對權威，理性的回應常常是讓自己的理由保持作用，並重新權衡它們（Jäger 2016）。他舉例說：我的判斷方法只有六成準確，權威有九成準確；當權威跟我得出同一個結論，這同時也是顯示我的方法這次做對的證據（同上: ms. 15–16）。蘇格拉底式的權威除了更常判斷正確，還有更好的方法技能與洞見，能恰當評估證據與理由，也能把這些洞見傳達給別人（同上: ms. 16）。 AI 估值成不了這種權威，因為它只給分數，講不出理由。它最多是 Zagzebski 所說的弱權威（weak authority）：GPS、溫度計這類儀器也有權威，但只是「真理的量表」（a meter of truth）（Zagzebski 2012: 119）。

在策略式能動性中，圍棋的樂趣顯然會被破壞，因為圍棋的樂趣與即興，依靠玩遊戲的審美條件：對意外一手的驚訝、對創新著手的敬佩、對廝殺的投入，以及評估時的深奧與慎重等。女流棋士藤沢里菜說，她從六歲起下了幾萬局棋，「從來沒有下出一樣的棋」，每一次都有「原來還有這一手」的發現；黑白棋子排在棋盤上，人們會說「棋形很美」；對局時看得出對手是戰鬥派還是守勢派，自己的下法也會跟著對手改變（KUMON now!）。棋道的美學也建立在這樣的判斷上：吳清源以「中和」為圍棋的目標，發揮出棋盤上所有棋子效率的那一手，才是最佳的一手（界面新聞 2014，轉述《吳清源——天才的棋譜》）。李世乭 2024 年說：「人們過去對創意、原創性與創新充滿敬畏，但 AI 來了以後，這些大多消失了。」（Wakabayashi & Young 2024，轉引自 Business Insider）

斷頭神論的比喻

但仔細想想，策略式能動性，人類真的做得到嗎？圍棋的合法局面約有 $2.08 \times 10^{170}$ 種（Tromp 2016）Tromp 2016。而著手序列每手平均約有 250 個合法著手，一盤棋平均約 150 手，賽局樹的複雜度約為 $10^{360}$（Allis 1994）Allis 1994。而以對局來看，19 路棋盤上至少有 $10^{10^{108}}$ 種不同的對局，比一個 googolplex（$10^{10^{100}}$）還多（Walraet & Tromp 2016）Walraet 2016。當然，棋手每一手實際考慮的只有少數幾個，依靠的是對棋形的大量知識（Allis 1994）。而且，AI 估值早就擺在那裡，高手要背隨時可以背，但沒有人把它背下來照著下。棋手能照著 AI 下的，主要是佈局：《麻省理工科技評論》報導，棋手可以模仿 AI 的開局，但到了中盤，棋盤分出太多記不住的可能，就得靠棋手自己的判斷（Kim 2026）。而前面也提過，到第 21 手，99% 的開局已經是前所未見的局面。

既然人類無法照著 AI 估值下棋，就只能選擇：要嘛採取某種背誦與比較估值的啟發法，要嘛回到棋理。

我懷疑前一條路行得通，複雜度低得多的西洋棋就是一個例子。西洋棋的合法局面約有 $4.8 \times 10^{44}$ 種（Tromp 2021）Tromp 2021；每步平均約有 35 個合法著法，一盤棋平均約 80 步（雙方各算一步），賽局樹的複雜度約為 $10^{123}$（Allis 1994）。圍棋的兩個數字則是 $2.08 \times 10^{170}$ 與 $10^{360}$，西洋棋的局面數比圍棋少了一百多個數量級。在 1997 年，IBM 的深藍（Deep Blue）早就在標準賽制下擊敗世界冠軍 Kasparov（IBM），此後引擎也進入了棋手的訓練。 Strittmatter 等人以引擎建議的最佳著法為基準，評估 125 年來兩萬四千多盤職業棋局，發現棋手表現的高峰往更年輕的年紀移動，並認為這可能與訓練的數位化有關（Strittmatter et al. 2020）Strittmatter 2020。但棋手變強，依然不等於棋手會照著引擎下：Regan 與 Haworth 分析 2006 到 2009 年的棋局，跳過開局前八手，等級分 2700 的棋手和引擎首選相同的著法只占了 56.3%（Regan & Haworth 2011）Regan 2011。棋手主要背開局準備，Carlsen 對古典西洋棋的抱怨也在這裡：開局的模式與策略已經被研究得太透，「還是下得出有得爭的棋，只是開局準備得一直往更深處挖」，「我覺得創意的空間太小了」。他因此推動自由式西洋棋（Freestyle Chess），也就是開局時隨機排列後排棋子的 Chess960，讓開局無從背起（Washington Post 2025，轉引自 Slashdot）。

在圍棋界，頂尖棋手的說法也是這樣。申真諝被稱為「申工智能」，他卻說：「單論對 AI 招法的理解，我並不比別人強多少。我之所以能走到今天，更多是依靠更強的判斷力。」（新京報 2026）女子頂尖棋手金彩瑛說，向 AI 學棋時，「與其說是理性地推敲每一手，不如說是在培養一種直覺」；明知大學的圍棋教授 Nam Chi-hyung 則說，頂尖棋手至今還歸納不出 AI 著手背後的一般原則（Kim 2026）。《麻省理工科技評論》也報導，前 50 手曾是棋手展現個性與棋道哲學的畫布，如今棋手背同一套 AI 佈局，棋局的重心移到了中盤（Kim 2026）。申真諝則說：「我能下出一種只有人類才能講述的故事。」（Kim 2026）

我選「斷頭神論」這個詞，也取「甲骨占卜」的意思：AI 估值提供思考棋著的數據，可能打開或關掉棋局的某些可能，但人類依然無法照著它下棋，除非像 2016 年 AlphaGo 對李世乭時，替它在棋盤上擺棋的開發者黃士傑那樣，只負責照著電腦擺棋。人類做不到策略式能動性，AI 估值能帶來的，就只有試金石式能動性。它可能讓棋局的重心轉移，讓探索的樂趣變得不同；棋手會碰到新的適應問題，研究棋的工具也可能改變，審美條件也會跟著變化。但只要核心的審美條件還在，圍棋的樂趣和遊戲性就還沒有被瓦解。