哎呦喂，最近可有个事儿在圈子里传得沸沸扬扬，让人哭笑不得。一位工程师闲来无事，让他那聪明绝顶的ChatGPT去挑战一台1979年的老古董游戏机——雅达利2600上的象棋程序-3。你猜怎么着？这号称上知天文下知地理的大模型，愣是下出了一场“史诗级”的烂棋。它不光把棋盘上的“车”和“象”搞混了，还经常忘了哪些棋子已经被吃掉，时不时提议“用骑士去换个小兵”这种亏到姥姥家的走法，最后折腾了90分钟，不得不主动认输-3。有网友损得那叫一个到位：“这就好比拿着个高级千斤顶去修理玩具车，根本不对路！”-3 这场面，活脱脱就像让一个满腹经纶的大学教授去参加小学生口算比赛，结果连乘法口诀表都没背熟，你说尴不尴尬？
所以啊，咱们今天就得好好唠唠，为啥这些平时能说会道的AI，一下起棋来就显得有点“智障”，这里头的门道和它背后的进步，可远比一局输赢有意思多了。
一、不是它笨，是咱让它干了不擅长的活儿
首先咱得掰扯明白，这事儿真不能全怪AI。你让一个语言模型去下棋，本身就有点“赶鸭子上架”的意思。
本质是“文字游戏家”，不是“棋盘思想家”：像ChatGPT这类大语言模型（LLM），它的老本行是琢磨海量文本里词句的关联和概率，然后预测下一个词该说啥-3。它擅长的是聊天、写文章，你让它根据对话历史“编”下去，它能滔滔不绝。但下棋是另一码事，那是一个有着严格规则和明确状态的“离散系统”-3。棋盘就64格，棋子就32个，每一步都直接改变全局，需要精准的记忆和逻辑推演。而LLM每次回应，更像是基于当前对话提示的“即兴发挥”，它内部没有为了下棋而设计的“记忆内存条”去持续跟踪棋盘状态，下着下着就把几步前的局面给忘后脑勺去了，能不出错吗？-3
“盲棋”难倒英雄汉：更有意思的是，在一些AI棋类比赛中，为了公平和考验AI的理解能力，主办方可能不会直接给AI看棋盘图片，而是给它一段用特殊符号记录棋局的文本（福赛斯-爱德华兹标记法，FEN）-5。这就好比不让棋手看棋盘，只靠别人念棋谱来下“盲棋”。对于主要依靠识别图像和模式训练的AI来说，这难度陡增。它得先把这串“天书”一样的文本在脑子里转化成虚拟棋盘，才能开始思考-5。如果它的训练数据里这类“文本棋谱”不够多，或者格式没“见过”，那立马就抓瞎了。这暴露的不仅是棋力问题，更是AI在跨模态理解和符号推理上的“知识盲区”-5。
专业的事，得交给专业的“芯”：游戏开发者的吐槽最一针见血：在正经的游戏或应用里，可千万别让LLM去负责核心决策和逻辑-10。下棋？有专门为象棋而生的引擎（比如Stockfish），它们算法高效、计算精准，成本还低。LLM应该扮演的角色，是做一个聪明的“翻译官”和“接线员”：把用户说的“用马踩他的炮”转换成机器能懂的指令，然后调用专业的象棋引擎来计算，最后再把结果用大白话告诉用户-10。让它既当裁判又当运动员，那肯定是既慢又贵还老出错，纯粹是给自己找不痛快-10。
所以说，早期的这些智障ai下棋闹出的笑话，很大程度上是咱们用错了地方，让它暴露了在特定、结构化任务上的天然短板。
二、“超人”AI也有命门？脆弱性让人意想不到
你可能要问了，那像当年打败李世石的AlphaGo，还有现在那些顶级的围棋AI，总不“智障”了吧？它们不都被称作“超人”了吗？诶，这事儿更有意思了，最新研究发现，这些“超人”AI的脚下，也可能藏着意想不到的冰窟窿。
“对抗性攻击”：找到你的思维死角：研究人员发现，即使是KataGo这样能轻松击败人类顶尖高手的顶级开源围棋AI，也存在可以被利用的漏洞-7。通过一种叫做“对抗性攻击”的方法，研究人员训练出一些“目的不纯”的专用AI，它们的目标不是成为全面强大的棋手，而是专门去寻找KataGo在判断特定棋盘局面时的思维盲点或错误模式-7。结果呢？这些棋力其实很一般（人类业余爱好者都能打败它们）的“攻击者”，却常常能找到一些诡异的走法，让强大的KataGo频频中招，胜率最高能达到91%-7！
人类也能学会的“秘籍”：更绝的是，这些“攻击AI”发现的刁钻走法，人类棋手居然也能看懂并学会，然后用这些“秘籍”去击败那个原本遥不可及的对手-7。这不就相当于找到了绝世高手的命门了吗？研究团队的负责人亚当·格利夫自己也纠结了：这还能叫“超人”吗？最后他只好改口称“通常是超人”-7。这揭示了一个深层问题：当前许多强大AI的智能，可能建立在一种我们尚未完全理解的、有时甚至很脆弱的模式匹配上，而非真正稳健和可解释的推理。
三、从“智障”到“智师”：AI下棋也在进化
当然，咱们也不能光看笑话和一棍子打死。技术总是在往前拱，AI下棋这件事儿，也出现了一些让人眼前一亮的转变，正从单纯的“对弈机器”向更有价值的“棋艺导师”演变。
打开“黑盒”，让你看懂它在想啥：以前AI下棋，最让人头疼的就是那个“黑盒子”问题。它啪一下落子，告诉你这步胜率高，但为啥高？它那复杂的神经网络里经过了怎样的权衡？人类棋手一头雾水-8。现在，像上海人工智能实验室推出的“书生·思客”大模型，就尝试打破这个黑盒。它在下棋时，能用自然语言讲解自己的思考过程，比如分析当前局面优劣，对比不同落子点的利弊-8。有职业棋手和它下过后评价，虽然棋力还有提升空间，但能解说思考过程的AI还是第一次见，对理解棋理帮助很大-8。这相当于AI不仅和你下，还兼职当起了实时解说教练。
专为陪伴，而不只为胜负：另一个方向是让AI下棋变得更温暖、更有烟火气。比如商汤科技的“元萝卜”AI象棋机器人，新品就深度融合了对话大模型，专门瞄准老年棋友-4。它不光能调等级陪你下棋，还能在你下棋时实时讲棋、分析战术，更能陪你聊天解闷，从健康养生聊到历史典故-4。它的目标不再是证明“机器比人强”，而是解决“老人找不到棋友陪”的实际痛点，成了个懂棋更懂陪伴的“老伙计”-4。这种智障ai下棋的初始印象，正在被这种“有温度的智能”所刷新。
唠在最后：理性看待，让AI待在它该待的位置上
总的看来，AI在下棋这件事上的表现，是一幅复杂的图景。它有笨拙出糗的一面，这提醒我们它的能力是有边界的，特别是不要把通用的聊天AI当成万能工具箱，去处理需要精准状态管理和深度逻辑推理的任务-10。
它也有脆弱和不可预测的一面，即使是最强的专用AI，其智能模式也可能存在人类尚未洞悉的缺陷，这给追求安全可靠的人工智能敲响了警钟-7。
但同时，它更有积极进化的一面，正在从神秘莫测的“黑盒对手”，变成透明易懂的“陪练导师”和“生活伙伴”-4-8。
所以，咱们普通人看个热闹之余，也能咂摸出点道理：科技再炫，也得用在合适的刃上。下次你再听说哪个AI又赢了谁或者输了谁，或许可以会心一笑，心里明白：这不过是智能世界里，一个特定任务的小考。而真正的通用智能，那个能像人一样灵活适应复杂真实世界的AI，还在漫长的进化路上呢-1。至少目前，让它给你端杯水，可能比让它下赢一盘棋要难得多-1。