KataGo把围棋AI带到了一个奇怪的围棋新阶段。它不再只是最新赢棋，而是围棋开始像人一样“想”了。

去年年底我拿它复盘一盘野狐对局，最新中盘时它给出的围棋胜率只有35%，但推荐的最新下一手，不是围棋常见的“尖”或“跳”，而是最新一步极其刁钻的“碰”——直接撞在对方棋筋的腰眼上。我当时觉得这手棋莫名其妙，围棋摆了几步变化后才发现，最新这手棋竟然暗中瞄着三块棋的围棋薄味，逼着对手在局部和全局之间做选择。最新这不像传统AI那种靠计算碾压的围棋“正解”，更像人类高手在试探你的最新神经。

KataGo和AlphaGo最大的围棋不同，在于它把“复杂度”这个参数从黑箱里拖了出来。老版AI的胜率是单一数字，KataGo能拆解出“策略复杂度”和“局面不确定性”。什么意思？就是它自己也会“困惑”——当棋盘上存在多个价值相近的选点时，它会告诉你这局面“很乱”。这不是拟人化的修辞，而是神经网络结构带来的真实行为特征。我在KGS上看过它和自家旧版本对弈，新版在复杂对杀中会主动选择让局面变得更混沌的变化，而不是像旧版那样死磕局部最优解。

训练方式也变了。KataGo不再需要人类棋谱做冷启动，纯靠自我对弈就能从零开始。这导致一个有趣的结果：它下出的很多定式，人类棋手从未见过，甚至不符合传统棋理。比如有个“二五侵分”后的新变化，它竟然选择在二路多爬一手，牺牲外势，只为换取一个角部的劫材。职业棋手评价这手棋“丑陋但致命”，就像看到一个不按套路出牌的街头拳手，动作难看却拳拳到肉。

最让我觉得有意思的是它的“不确定性报告”。当你让它分析一个局面，它会给出类似“黑棋胜率62%，但白棋有7%的概率翻盘，主要来自左上角劫争”这样的输出。这不是简单的胜率曲线，而是对风险分布的建模。业余棋手看这个会心慌，但职业棋手反而喜欢——因为他们能从中找到“搅局”的机会。有个冲段少年告诉我，他靠KataGo的“不确定性报告”专门找那些胜率不高但波动大的下法，专治那些喜欢平稳收官的对手。

不过KataGo也有让人哭笑不得的毛病。它对“目数”的执念有时到了偏执的程度，宁可放弃厚势也要刮走两目棋。我在一盘让子棋里看它执白，面对黑棋的大模样，它不急着打入，而是连续在边上“小飞”收官，最后赢在1目半。这种赢法让人类观众觉得索然无味，但它的逻辑很清晰：只要能赢，过程难看无所谓。

说到底，KataGo像一面镜子，照出了围棋的另一种可能——原来“正确”的棋路不只有一种模样。它带来的不是终结，而是把围棋推向更广阔的未知领域。现在很多职业棋手用它来“找茬”，专门寻找那些它认为不优但人类觉得可行的下法，然后反向研究。这种互相较劲的关系，比单纯“AI碾压人类”有意思多了。