AlphaGo核心作者：十年了，LLM还没学到那场棋局「神之一手」的精华

2016 年 3 月，首尔四季酒店。

人机大战第二局进行到中途，AlphaGo 把一颗黑子落在了第五线上。现场解说一时语塞，有人怀疑程序出了 bug，因为在职业棋手的常识里，这手棋近乎于白送。

后来的故事大家都知道了。AlphaGo 不仅赢下了那一局，还以 4:1 的总比分击败了李世石。赛后李世石说了一段被反复引用的话：「我原以为 AlphaGo 只是基于概率计算的机器。但看到那一手，我改变了想法。AlphaGo 一定有创造力。」

那就是著名的第 37 手。

十年过去，当年亲手造出 AlphaGo 的人却站出来说了一句：那一手棋所依赖的能力，今天的 AI 恰恰没有。

说这话的人是 Thore Graepel，AlphaGo 的核心作者之一，长期从事机器学习研究。最近他做了一个颇耐人寻味的决定 —— 离开 Google DeepMind，去创业做一件他认为更要紧的事：给机器装上真正的推理能力。

那个辛辣的观点出自他最近发布在 MIT Technology Review 上的一篇文章，文章标题非常直接，就叫「别被骗了 ——LLMs 不会推理」。看完这篇文章，图灵奖得主 Yann LeCun 表示赞赏，强调「真正的推理必须涉及搜索，LLM 不具备这一能力」。

Thore Graepel 为什么这么说？我们一起来看看这篇文章写了什么。

第 37 手不是「灵光一闪」，

而是推理的产物

很多人对第 37 手的叙事是「机器直觉的神话时刻」——AI 电光石火之间，看到了人类千年棋谱之外的妙手。Graepel 说，这是大家对 AlphaGo 最大的误解。

要理解这一点，得先拆开 AlphaGo 的内部构造。它由两套系统组成：一套是策略网络（policy network），通过学习海量人类棋谱，来预测「高手在这一局面会怎么下」，这是直觉的部分。另一套是搜索机制，它不关心某手棋「看起来像不像人下的」，而是显式地构建一棵包含数千个分支的博弈树，逐一推演每个候选落点通向的未来。

关键在于：在策略网络眼里，第 37 手平平无奇 —— 职业人类棋手下出这一手的概率大约只有万分之一。如果只听直觉的，这一手根本不会被选中。是搜索机制在深算之后发现，这手「不像话」的棋通向一个更好的终局。

Graepel 借用了卡尼曼那个著名的框架来解释这件事。人类的思考分为两种模式：系统 1 快、凭直觉、毫不费力；系统 2 慢、一步步来、审慎权衡。AlphaGo 恰好是这两种模式在机器上的罕见合体：神经网络提供「这手棋有戏」「这个局面要赢」的直觉，搜索机制负责把这些直觉放到未来的攻防变化里去检验。缺了任何一半都不行：光有直觉，永远走不出第 37 手；光有暴力搜索，也根本筛不动围棋那天文数字般的可能性。

这里还有一个常被忽略的对比。1997 年深蓝击败卡斯帕罗夫，靠的是人类硬编码的规则，每秒评估 2 亿个棋局位置，向前看六到八步。而围棋的复杂度完全是另一个量级，一颗子的价值取决于几十个回合之后厚势与实地的消长，哪怕只算所有变化的一小部分，超级计算机也得算上几十亿年。所以 AlphaGo 必须学会「一眼看清局势」，甚至创造人类从未想过的下法。它不是靠算力碾压赢的，这一点至关重要。

大语言模型：

一个被练到极致的系统 1

再来看今天的 AI。

大语言模型的工作原理，归根到底是一遍又一遍地预测下一个 token。这本质上就是系统 1 在运转：快速、联想式、在几乎所有人类写过的领域里都能完成令人惊艳的模式补全，但它没有「想一想再回答」这个环节。

ChatGPT 横空出世后不久，业界就意识到光有语言流畅度撑不起真正的用处。补救方案大家都很熟悉了：让模型别急着回答，先生成中间步骤，把问题拆开、把中间结果带下去 —— 也就是思维链（chain of thought）。

思维链的提升是实打实的，尤其在数学和代码上。但 Graepel 指出了一个容易被兴奋情绪掩盖的事实：这些中间推理步骤，仍然是同一个「预测下一个 token」的过程，只是在给出最终答案前多迭代了一会儿而已。 它并没有像 AlphaGo 的搜索那样，引入一个真正独立的推理机制。直觉被拉长了，但并没有因此变成审慎。

他进一步列出三个短板，说明聊天机器人做的事为什么够不上「科学家所承认的那种推理」。

第一，模型没有一份明确的、可持续更新的、可供检查的认知状态。它此刻在考虑哪些假设、对各种解释抱有多大信心、在权衡哪些证据、还有哪些问题悬而未决。这些东西本该随着新信息的到来被系统性修订，但模型内部并没有这样一本「开放的账簿」。

第二，模型没有做到「知道什么」和「如何运用知识」之间的分离。知识和推理死死缠绕在神经网络的权重里，不存在一套独立、显式表达的信念体系。

第三，也是最微妙的：思维链看起来像深思熟虑，但研究已经表明，模型经常在事后编造它们。答案是走一条路得出的，报告给你的却是另一条路。一个「听起来很有道理的故事」，和一段「真实发生的推理」，是两回事。

推理是真是假，

有那么重要吗？

如果只是聊天闲聊，推理是真是假可能无所谓。但在我们真正在乎的高风险领域 —— 医疗、工程、科学研究 —— 一个系统得出什么结论和如何得出结论同样重要。出了错，比如在诊断和治疗上出了错，我们需要能定位错在哪一环：是推理过程出了问题，是采信了无效证据，还是做了错误假设？一个只会事后编故事的系统，在这类场景里是无法被信任、也无法被追责的。

这也正是 Graepel 离开 DeepMind 的原因。他认为我们需要一种全新的机器推理路径，而灵感恰恰来自十年前的 AlphaGo。

AlphaGo 随时维护着一份它对当前局面全部认知的记录，也就是那棵博弈树。树里装着它考虑过的所有变化、所有可能的未来，每一手、每个局面都标注着神经网络的判断。随着推演深入，它不断更新这棵树，最终综合树里的信息决定落子。

Graepel 认为，通用推理系统也该如此：维护一个认知状态，明确表达哪些是已确认的、哪些存疑、哪些已被排除、哪些问题仍然开放。而「推理」，就是一连串改变这个认知状态的「动作」—— 推导结论、拆解问题，以及最关键的：决定下一步该问什么问题、做什么计算、跑什么实验。

当然，开放世界的推理比下棋难得多。围棋棋盘上的状态完全可见、规则固定；而现实世界里，当前局面只被部分知晓，可选的动作又多又杂，行动的后果充满随机性甚至完全未知。

但好消息是，LLM 和其他神经模型这些年的进展，恰好给这件事提供了零件：LLM 可以基于已知信息和可用资源，提议解决问题的路径；可以通过 API 和代码与工具交互；可以帮助评估一个论断是否被现有证据支持。最重要的是，系统里必须有一个独立的「裁判」，按「这一步究竟消解了多少不确定性」来评估每个推理动作 —— 只有在证据支持的情况下才更新信念。规则一旦立起来，系统就能积累经过认证的知识，并从过去的推理经验中学习、改进自己的推理策略。

Graepel 给这个图景起了一个很形象的说法：打了兴奋剂的科学方法。目标只有一个，产出经得起审视的知识。

更大的系统 1，

不会自动长出系统 2

文章的最后，他把态度亮得清清楚楚：靠把系统 1 做得更大，到不了可信任的机器智能。规模能磨利直觉，但磨不出审慎。

第 37 手之所以重要，是因为一台机器守住了一个局面、称量了可能的未来，然后选中了那手连它自己的「直觉」都大概率会否决的棋。

而人类社会恰恰需要更多这样的「神之一手」，在药物发现、新材料、气候、医疗诊断这些领域。那里的棋盘完全不像围棋，甚至没人把规则递到我们手上。这样的洞见，只会来自真正会推理的系统：结论出自一段可审计的证据、推断与信念修正的链条，而不是一个事后编出来的、令人信服的故事。

十年前，AlphaGo 用第 37 手告诉世界，机器可以超越人类的直觉。

十年后，它的创造者之一在提醒我们：别让流畅的语言骗了你，那一次真正的飞跃，至今还没有在 LLM 身上发生第二次。

你说LLM不会推理，

站得住脚吗？

这篇观点文发表后，在 X 上引发了不小的争议。

最犀利的质疑来自多伦多大学教授 David Duvenaud（神经 ODE 那篇 NeurIPS 最佳论文的作者之一）。他提到：Graepel 给 LLM 定的三条罪状 —— 没有可检查的认知状态、知识与推理不分离、事后编造解释 —— 放在人类身上同样成立。「按这个标准，我能算会推理吗？」

Graepel 回应说：你单靠自己也推理不好；给你纸笔，就好得多；再让你严格遵循科学方法，才算得上出色的推理者。诀窍从来不是跟着意识流走，而是把过程结构化 —— 否则任何人都逃不过认知偏差。

Duvenaud 立刻抓住了这句话的弦外之音：「那听起来，我们只要给 LLM 配上类似的工具，就能按你的定义实现真正的推理了 —— 这该不会正是你打算做的事吧？」

Graepel 这套「纸笔增强论」还引来了其他网友的质疑。网友 KingBroken 指出，纸笔本质上是工作记忆的外挂，它让你能同时推理更多数据，但并没有「无中生有」地改变推理能力的存在；不过它有个额外的好处：写下来的文字和数字，恰好就是人类「认知状态」可检查的证据。

紧接着，网友 Daniel Grant 问出了一个更尖锐的问题：照这么说，人类的推理方式就等于「现有模型 + 外挂系统」，那你是在构建一个内部推理能力比两者都强的模型？还是我漏掉了什么细微差别？

对于这些质疑，Graepel 还没有给出回复。

另一种声音则压根觉得这场讨论多余。网友 visimo-dino 直言「不敢相信还有人写这种文章」：LLM 已经在太多事情上表现出色，「不会推理」的说法要么可笑、要么无关紧要，况且同类文章早就发过几百篇了。

Graepel 没有纠缠，只丢了三个问题回去：在无法验证的领域它们可靠吗？产出过强有力的新科学理论吗？你敢让它决定你的医疗方案吗？对方倒也坦率，承认「目前还没有」，但把锅甩给了现有的强化学习方法而非 LLM 架构本身 —— 言下之意，假以时日都能解决。这大概是两派人真正的分歧所在：一方认为缺的是时间，方认为缺的是架构。

还有一条评论问出了很多人心里的八卦：DeepMind 为什么不支持这项研究？Graepel 的回答算得上直白：前沿实验室都在押注 scaling，而可审计的推理无法单从 scaling 中涌现，它需要一种不同的架构。「有时候，激进的新想法在大组织内部更难实现」。提问者 Robert Sperry 的失望溢于言表：在所有实验室里，他原本最期待 DeepMind 会是那个最努力寻找 Transformer 之外答案的人

也有人把矛头指向了更根本的地方。评论者 Katherine Moore 只留下一句话：「语言本身就是错误工具，靠它做不出可靠的推理。」Graepel 认真接住了这个更激进的立场，并顺势抛出一个开放问题：推理确实需要某种知识表示，如果自然语言太模糊，那能不能用形式化语言对现实世界推理？那样的语言会长什么样？。他没有给答案，但这或许正是接下来一些人创业要回答的问题。

参考链接：https://www.technologyreview.com/2026/10/02/1145639/dont-be-fooled-llms-dont-reason/

文章来源：机器之心。