2017 年在乌镇举行的 Future of Go Summit 值得回看，因为它让 AI 进展进入了一个中国能够按自身标准判断的环境：顶尖围棋、公开仪式，以及一种把小小棋盘抉择看得极重的文化传统。[1][2] AlphaGo 并非中国模型，把它当作中国模型会抹平这段历史的层次。AI-China 的信号在另一处。乌镇展示的是，一个输入中国场域的研究系统，在接受中国顶尖棋手检验、被围棋共同体观看，并被放进协作框架之后，怎样成为一场中国的公共证明事件，而不只是一次征服叙事。

这个区别放到现在尤其重要。AI 进展常常借由 benchmark、发布视频和排行榜宣布，多数观看者很难独立判断。围棋给了 AlphaGo 更清晰的公共测试。规则已知，棋盘可见，对手水平容易辨认，失误也能交给专家争论，而不是从新闻稿里直接接受。Google DeepMind 为峰会制作的预告强调围棋的漫长历史，以及与中国顶尖棋手共同探索围棋的机会，并没有只把重点放在给 AlphaGo 的战绩再添一分。[2]

下面这支视频更适合作为事件调度来观看，它本身不能单独承担证明。它呈现参会者、气氛和这场活动许下的承诺。让这次观看保持诚实的，是文字记录和研究论文：DeepMind 的赛后文章写到，AlphaGo 后来在乌镇比赛之后结束了竞技对弈；Nature 论文则解释了让 AlphaGo 在峰会开始前就已经成为技术里程碑的神经网络与搜索架构。[3][5]

把仪式看成系统的一部分

第一条注释，是留意这支视频怎样谨慎地把 AlphaGo 放进一套人的制度里。这里的重点并非一台机器凭空登场，而是一台机器被棋手、评论者、组织者和一个已有数百年历史的围棋文化接收；这个文化本来就知道怎样给强弱排序。乌镇之所以能作为公共证明格式成立，原因正在这里。一般观众未必理解 policy network、value network 或 Monte Carlo tree search，却能理解顶尖职业棋手是严肃的评判者。

放在 AI-China 报道里，地点并非偶然。乌镇把一个 AI 结果转化成了中国文化与职业共同体内部的事件。预告片自己的表述，"AlphaGo and China's top players"，已经把接收一方放在中心。[1][2] 这不只是一个实验室结果出国巡回。它是一套研究系统进入一个领域，在那里，中国专业能力、国家层面的注意力和围棋的公共声望共同塑造了这项成就被理解的方式。

顺着这个角度去看那些微笑的采访和风景镜头，会更有效。它们并非中性的装饰。它们告诉观众，这场活动并不只属于一家软件公司，也属于一个有能力用自身尊重的规则检验系统的共同体。棋盘由此成为研究和公共判断之间共享的界面。

比赛并不是唯一的 benchmark

第二条注释，是避免把乌镇缩减成一个人类对机器的比分。DeepMind 的赛后文章把峰会描述为包含多种形式的活动，包括职业比赛、双人围棋和团队围棋，随后 AlphaGo 才离开竞技对弈。[3] 这些额外形式很有分量。它们提出的问题比“机器能不能赢”更有意思：当人类棋手把机器当作搭档、变化来源，或一种异质的战略参照时，会发生什么？

也正是这种更宽的设计，让这场峰会到今天仍比许多后来的 AI 演示更有现代感。狭窄的 demo 展示的是一个模型完成一项任务。乌镇展示的是围绕一个模型展开的几种社会安排：专家对手、专家协作者、专家团队和公共解说者。每一种安排都会改变可学到的东西。输给 AlphaGo 可以显出机器强度；与 AlphaGo 搭档，可以显出人类判断能否吸收它的风格；团队形式则可以显出一个超人系统在场时，群体怎样推理。

技术背景进一步强化了这种读法。2016 年的 Nature 论文没有把 AlphaGo 呈现为魔法神谕，而是描述了一个把深度神经网络与树搜索结合起来的系统，用来在巨大的棋局空间里评估局面并选择落子。[5] 乌镇视频给了这个系统一张公共面孔，真正的成就则在架构和测试环境的结合。AI 可以在技术上极强，同时仍然需要一个社会舞台，让它的能力变得可以解释。

为什么它属于 AI-China 档案

第三条注释关乎时间。乌镇发生在当下大模型竞赛之前，那时中国 AI 报道还没有被聊天机器人、开放权重、芯片限制和 agent 演示主导。它提醒我们，中国 AI 故事也被一些能力进入受尊重公共场域的时刻塑造过。围棋是格外合适的场域，因为它拥有专家等级、大众文化认知和清楚的竞技表面。在这个意义上，AlphaGo 的乌镇亮相帮助训练出后来 AI 事件的一套公共语法：展示系统，点明专家测试，解释领域，让观众比较人类判断和机器判断。

限定也同样必要。AlphaGo 并没有证明每一次 AI 突破都能被清楚判断。很多当前系统运行在成功标准更模糊的领域：法律起草、医疗建议、科学搜索、软件维护、金融、机器人和教育。这些领域没有围棋棋盘那种清晰度，也没有一位世界冠军的落败足以平息公共疑虑。正因为如此，乌镇作为对照仍然有用。它显示出公共信任多么依赖测试设计，而不只取决于模型能力。

图片来源也强化了同一点。DeepMind 的 AlphaGo 材料常常回到棋盘、棋子和棋局的视觉秩序，而不是抽象 AI 图表。[4] 这种摄影表面是 AlphaGo 持久记忆的一部分。人们记住黑白棋子，因为棋盘让一个原本不可见的决策过程变得可以被查看。

视频无法裁定什么

这支视频带有宣传性质，所以不能被当作完整历史记录。[1] 它本身无法核验技术架构、比赛条件、更宽的研究主张，或后来结束 AlphaGo 竞技运行的决定。正因为如此，来源需要放在一起阅读。预告片展示峰会希望被怎样理解。[1][2] 赛后文章记录 DeepMind 在比赛之后给出的自身解释。[3] AlphaGo 研究页面和 Nature 论文则确立这场公共事件背后的技术谱系。[4][5]

对今天的 AI 观察者来说，长久留存的经验并非模型必须击败冠军才算有意义。更有说服力的 AI 事件，会把能力放进一种测试里：外部观众能跟上，专家又足以抵抗 hype。乌镇在这一点上做得罕见地好。它让中国透过一项具有深厚本地权威的棋盘游戏看见 AI 进展，也让全球 AI 共同体看见，当研究结果成为公共主张时，现场调度有多大分量。

这就是这场峰会仍属于 AI-China 档案的原因。那一刻，外国 AI 研究、中国专业能力、公共 spectacle 和透明的棋盘表面短暂对齐。结果不只是胜利叙事，也是一种让机器能力变得可读的模板。

来源

1. Google DeepMind，《Exploring the mysteries of Go with AlphaGo and China's top players》，YouTube 视频。
2. Demis Hassabis 与 Fan Hui，Google DeepMind，《Exploring the mysteries of Go with AlphaGo and China's top players》，2017 年 4 月 10 日。
3. Demis Hassabis 与 David Silver，Google DeepMind，《AlphaGo's next move》，2017 年 5 月 27 日。
4. Google DeepMind，"AlphaGo" 研究页面及 AlphaGo 摄影材料。
5. David Silver 等，《Mastering the game of Go with deep neural networks and tree search》，Nature 529，2016 年。