围棋AIAlphaGo的出现颠覆了人类对棋道的认知。 世界冠军们从最初自信能轻松取胜，到后来感叹“毫无胜算”，甚至被AI让子仍难以抗衡，这背后不仅是技术的碾压，还是人类智能与机器学习之间鸿沟的直观体现。 究竟需要让多少子，人类才能扳回一局？ 答案可能让人绝望。

2015年，AlphaGo早期版本以5:0击败欧洲冠军樊麾二段。

这一阶段AI虽初露锋芒，对手并非世界最顶尖级别，人类仍存轻敌心态。

2016年，AlphaGo与李世石九段的对决成为转折点。 AI以4:1获胜，仅因第四局李世石下出“神之一手”才扳回一局。 此时，AI已依赖大规模分布式计算，在分先对决中证明优势。 日本棋手孔令文甚至预言：“未来顶尖棋手可能需被让两子”。 李世石赛后坦言：“AI的棋让我感到前所未有的压力”。

2017年，优化后的AlphaGo以3:0完胜当时排名世界第一的柯洁九段。此版本仅需单机服务器，算力仅为对战李世石时的1/，性能反而更强。 柯洁执黑贴目后以最微小差距输掉第一局，赛后感叹：“AlphaGo太厉害了，我输得没什么脾气”。 此时，人类在分先对弈中已无任何优势。

让子棋的平衡机制在AI面前面临全新挑战。 传统围棋中，每让一子相当于补偿7-8目，让4子则贴还2子。 AI的决策基于胜率计算非单纯围地，初始优势可能触发其激进的策略。 人类棋手不仅要应对技术差距，还承受巨大心理压力。

柯洁曾在比赛中情绪崩溃，坦言“心跳太快，简直要跳出胸膛”。 古力分析称：“人类最大弱点并非计算能力，是七情六欲”。

AlphaGo的后续版本如Zero和MuZero采用从零开始自我学习的方法，棋力实现质的飞跃。 Zero仅训练3天就以100:0击败李世石版本，40天后又以89:11战胜Master版本。 这些版本与人类的差距进一步扩大，可能已超出传统让子棋能平衡的范围。 人类冠军需要被让多少子？ 专家认为“很难有准确答案”，肯定远超早期版本的2-3子。

AI的技术核心揭示了差距根源。

其走子网络能在361个点位上快速评分，估值网络则全局预测胜率。 人类棋手毕生研究的棋局数量，远不及AI短期自我博弈的量级。 这种差距不仅体现在计算深度，更体现在效率和策略维度上。

人类棋手曾尝试寻找AI的“漏洞”。

后续版本通过强化学习修复了这类缺陷，柯洁甚至逼得AlphaGo陷入长考，仍无法扭转局势。

阿尔法狗团队负责人戴密斯·哈萨比斯称柯洁的表现“展现了人类棋手的最佳风采”，最终AI仍冷静掌控棋局。

让子问题本质上是对人类智能极限的追问。 当AI在分先对弈中已碾压人类，让子数需不断叠加才能平衡胜率时，我们不得不承认，围棋的“智能高地”已被AI彻底占领。

热问计划